داده‌های باز.

دانلود رایگان داده‌های پشت mlx.app/compare: 58 پیکربندی Mac با Apple Silicon، 83 مدل باز هوش مصنوعی و جدولی 4,756 ردیفی که نشان می‌دهد کدام مدل روی کدام Mac و با چه سرعتی اجرا می‌شود. JSON و CSV، با مجوز CC BY 4.0، و هر عدد با منبع.

به‌روزرسانی · نسخهٔ 2026-10-19

پیکربندی‌های Mac58ردیف · JSON و CSVمدل‌های باز هوش مصنوعی83ردیف · JSON و CSVکدام کجا اجرا می‌شود4,756ردیف · JSON و CSV

پیکربندی‌های Mac با Apple Silicon

همهٔ تراشه‌های Apple Silicon از M1 تا M6 در همهٔ اندازه‌های حافظه‌ای که Apple می‌فروشد: حافظهٔ یکپارچه، پهنای باند حافظه، گزینه‌های هستهٔ GPU و Macهایی که این تراشه را دارند؛ برگرفته از صفحه‌های مشخصات فنی Apple، با منبع هر ردیف. در سایت: همهٔ Macها.

14 ستون · 58 ردیف · بررسی‌شده در 19 اکتبر 2026

ستوننوعمعنا
macمتنشناسه: تراشه و اندازهٔ حافظه، مانند mlx.app/mac/<mac>
chipمتننام تراشه
chip_idمتنشناسهٔ تراشه
generationعددنسل سری M (1 = M1)
tierمتنbase، pro، max یا ultra
memory_gbعددحافظهٔ یکپارچه، GB
bandwidth_gbsعددپهنای باند حافظه طبق اعلام Apple، GB/s (جایی که Apple اعلام نکرده خالی است: M1)
bandwidth_gbs_usedعددپهنای باند به‌کاررفته در برآوردها، GB/s (M1: 68، از گفته‌های نسبی Apple؛ یادداشت را ببینید)
gpu_memory_default_gbعددحدود 75% حافظهٔ یکپارچه: مقداری که macOS به‌طور پیش‌فرض به GPU می‌دهد (محاسبه‌شده)
gpu_coresمتنگزینه‌های هستهٔ GPU با این اندازهٔ حافظه (فهرست)
macsمتنMacهایی که این تراشه را دارند، با نام مدل‌های Apple (فهرست)
noteمتننکته‌های احتیاطی منابع
pageمتنصفحه‌ای در mlx.app با همهٔ مدل‌هایی که این Mac اجرا می‌کند
sourcesمتنصفحه‌های Apple که اعداد از آن‌ها برداشته شده (فهرست)

مدل‌های باز هوش مصنوعی: پارامترها، پارامترهای فعال و حافظه

همهٔ مدل‌های زبانی با وزن باز در mlx.app/compare: پارامترهای کل و فعال، معماری (dense یا ترکیب خبرگان (MoE))، طول زمینه، مجوز، تاریخ انتشار، دقت و اندازهٔ وزن‌ها؛ برگرفته از کارت رسمی هر مدل در Hugging Face، فایل config.json و فهرست فایل‌ها. در سایت: همهٔ مدل‌ها.

19 ستون · 83 ردیف · بررسی‌شده در 19 اکتبر 2026

ستوننوعمعنا
modelمتنشناسه، مانند mlx.app/run/<model>
nameمتننام مدل
makerمتنمنتشرکننده
hf_repoمتنمخزن رسمی Hugging Face
params_bعددکل پارامترها، میلیارد (کارت مدل)
active_params_bعددپارامترهای خوانده‌شده برای هر توکن تولیدی، میلیارد (در مدل‌های dense برابر params_b، جز مدل حلقه‌ای که بلوک مشترکش را در هر دور یک بار می‌خواند: با تعداد دور پیش‌فرض)
architectureمتنdense یا moe
context_tokensعددبیشینهٔ زمینه، توکن (config.json)
licenseمتنمجوز ذکرشده در کارت
releasedمتنتاریخ انتشار (YYYY-MM-DD؛ اگر کارت ذکر نکرده باشد، تاریخ ساخت مخزن)
modalityمتنورودی‌ها: text یا text+image
precisionمتندقت وزن‌های رسمی
repo_weights_gbعدداندازهٔ فایل‌های وزن رسمی، GB دهدهی
native_gbعددوزن‌ها در قالب کم‌بیت بومی مدل، GB (فقط مدل‌هایی که این‌گونه منتشر شده‌اند)
native_bitsعددبیت به ازای هر وزن در آن قالب بومی
offload_gbعددجدول‌های جست‌وجویی که محیط اجرا می‌تواند روی دیسک نگه دارد، GB (در برآورد حافظه حساب نمی‌شود)
mlx_buildمتننسخهٔ MLX جامعه در Hugging Face، اگر باشد
pageمتنصفحه‌ای در mlx.app با حافظهٔ لازم و همهٔ Macهایی که آن را اجرا می‌کنند
sourcesمتنصفحه‌هایی که اعداد از آن‌ها برداشته شده (فهرست)

کدام مدل باز روی کدام Mac و با چه سرعتی اجرا می‌شود (برآورد)

همهٔ پیکربندی‌های Mac با Apple Silicon در برابر همهٔ مدل‌های باز: پردقت‌ترین نسخه‌ای که در حافظهٔ اختصاص‌یافته از سوی macOS به GPU جا می‌شود، حافظهٔ لازم با جای خالی برای زمینه، و بازهٔ برآوردی سرعت نوشتن بر حسب توکن در ثانیه. برآورد از مشخصات منتشرشده، نه اندازه‌گیری؛ روش در mlx.app/compare آمده است. در سایت: ماشین‌حساب.

16 ستون · 4,756 ردیف · بررسی‌شده در 19 اکتبر 2026

ستوننوعمعنا
macمتنپیکربندی Mac (macs را ببینید)
chipمتننام تراشه
memory_gbعددحافظهٔ یکپارچه، GB
bandwidth_gbsعددپهنای باند حافظهٔ به‌کاررفته در برآورد، GB/s
modelمتنمدل (models را ببینید)
model_nameمتننام مدل
versionمتننسخهٔ پیشنهادی: بیشترین دقتی که جا می‌شود (MLX با 8، 6، 4، 3 یا 2 بیت، یا قالب بومی)
bits_per_weightعددبیت ذخیره‌شده برای هر وزن، با مقیاس‌های گروهی MLX (+0.5)
weights_gbعددوزن‌ها در حافظه، GB
needs_gbعددوزن‌ها به‌علاوهٔ جای زمینه و محیط اجرا (8% یا 1.5 GB، هر کدام بیشتر)، GB
fitمتنfits (در محدودهٔ 75% پیش‌فرض GPU)، tight (در محدودهٔ 90% حافظه)، no
groupمتنRuns well (جا می‌شود، 10+ tok/s)، Runs, but slowly، Only just fits، Too big
below_4_bitدرست/نادرستدرست، وقتی فقط نسخه‌ای زیر 4 بیت جا شود (کیفیت افت می‌کند)
tok_s_lowعددسرعت برآوردی نوشتن، کران پایین (45% سقف پهنای باند)، توکن/ثانیه؛ اگر جا نشود خالی
tok_s_highعددسرعت برآوردی نوشتن، کران بالا (80% سقف)، توکن/ثانیه
tok_s_ceilingعددسقف پهنای باند: پهنای باند ÷ بایت‌های خوانده‌شده برای هر توکن، توکن/ثانیه

برآوردها و نحوهٔ محاسبهٔ آن‌ها

جدول‌های Mac و مدل واقعیت‌هایی‌اند که از مشخصات فنی Apple و کارت رسمی هر مدل در Hugging Face برداشته شده‌اند؛ هر ردیف منبعش را ذکر می‌کند. جدول تناسب محاسبه شده است، نه اندازه‌گیری: مدلی جا می‌شود که وزن‌هایش در دقتی معین (بیت به ازای هر وزن به‌علاوهٔ مقیاس‌های گروهی نیم‌بیتی MLX)، همراه با جای زمینه، در 75% حافظهٔ یکپارچه‌ای بماند که macOS به‌طور پیش‌فرض به GPU می‌دهد. سرعت نوشتن برابر است با پهنای باند حافظه تقسیم بر بایت‌های خوانده‌شده برای هر توکن، و به‌صورت 45% تا 80% این سقف نمایش داده می‌شود؛ بازه‌ای که اجراهای واقعی در بنچمارک‌های عمومی llama.cpp روی Apple Silicon به آن می‌رسند. خواندن پرامپت، زمینه‌های طولانی و پردازش دسته‌ای پوشش داده نمی‌شوند. روش کامل: mlx.app/compare. Mac خودتان را در MLX Bench بسنجید.

شامل نمی‌شود: امتیازهای Artificial Analysis Intelligence Index (در صفحه‌ها با پیوند نمایش داده می‌شوند، اما شرایط آن‌ها حق بازنشر را محفوظ می‌دارد) و نتایج بنچمارک llama.cpp (از توضیح روش پیوند داده شده‌اند، کپی نشده‌اند).

استفاده کنید و منبع را ذکر کنید

رایگان تحت Creative Commons Attribution 4.0: با پیوند به این صفحه، کپی کنید، تغییر دهید و منتشر کنید، حتی برای مقاصد تجاری. خود مشخصات واقعیت‌هایی از Apple و سازندگان مدل‌اند؛ نام مدل‌ها و محصولات متعلق به صاحبانشان است. MLX وابسته به Apple Inc. نیست.

MLX Network (2026). MLX open data: Apple Silicon Macs, open AI models and what runs where (version 2026-10-19). https://mlx.app/data. CC BY 4.0.

نشانی‌های بالا همیشه جدیدترین نسخه را می‌دهند؛ هر فایل نسخهٔ خود را دارد (version در JSON، سرآیند X-Dataset-Version و نامی که با آن ذخیره می‌شود). index.json همهٔ فایل‌ها را با اندازه و SHA-256 فهرست می‌کند.

داده‌های باز بیشتر

  • Explorer API: همهٔ بلوک‌ها، تراکنش‌ها، حساب‌ها و جایگاه‌های MLX Network، به‌صورت JSON.
  • llms.txt و llms-full.txt: سایت به‌صورت متن ساده برای دستیارهای هوش مصنوعی، با متن کامل همهٔ راهنماها.
  • نقشهٔ سایت: همهٔ صفحه‌ها، با تاریخ آخرین بررسی اطلاعاتشان.