آیا M4 Max برای LLM سریعتر از M3 Max است؟

M4 Max حافظه را حدود 37% سریعتر از M3 Max میخواند (546 در برابر 400 GB/s)، پس با هر مدلی که در هر دو جا شود حدود 37% سریعتر مینویسد. اما خواندن یک پرامپت طولانی به توان محاسباتی GPU بستگی دارد که این مقایسه آن را پوشش نمیدهد.

کدام مدلهای بزرگتری اجرا میکند، M3 Max یا M4 Max؟

هیچکدام: هر دو تا 128 GB حافظه دارند. در این اندازه M3 Max 47 و M4 Max 47 مدل از 73 مدل باز را خوب اجرا میکنند؛ تراشهٔ سریعتر تعداد بیشتری از آنها را به 10 توکن در ثانیه میرساند.

M3 Max در برابر M4 Max برای LLM: حافظه، سرعت، کدام را بخریم

کنار هم

	M3 Max	M4 Max
اندازه‌های حافظه	36, 48, 64, 96, 128 GB	36, 48, 64, 128 GB
پهنای باند حافظه	300–400 GB/s	410–546 GB/s
برای مدل‌ها، حداکثر	حدود 96 GB	حدود 96 GB
مدل‌هایی که خوب اجرا می‌شوند	47 از 73	47 از 73
ردهٔ جایگاه MLX	Pro	Pro
در دستگاه‌های	MacBook Pro (14-inch, M3 Pro or M3 Max, Nov 2023), MacBook Pro (16-inch, Nov 2023)	MacBook Pro (14-inch, M4 Pro or M4 Max, 2024), MacBook Pro (16-inch, 2024), Mac Studio (2025)

سرعت با مدل‌های محبوب

توکن در ثانیه برای یک گفت‌وگو، هر تراشه با بیشترین حافظه‌اش (128 GB و 128 GB)، با بهترین نسخهٔ مدل که جا می‌شود.

مدل	M3 Max	M4 Max
Llama 3.1 8B Instruct8B	21–38 8 بیت	29–51 8 بیت
gpt-oss-20b21B · 3.6B فعال	95–168 4.25 بیت اصلی	129–230 4.25 بیت اصلی
Qwen3.6 35B A3B35B · 3B فعال	56–100 8 بیت	77–137 8 بیت
Qwen3.8 27B27B	12–21 4 بیت	11–20 6 بیت
Llama 3.3 70B Instruct70B	2–4 8 بیت	3–6 8 بیت
gpt-oss-120b117B · 5.1B فعال	67–119 4.25 بیت اصلی	91–162 4.25 بیت اصلی
Qwen3.5 122B A10B122B · 10B فعال	32–57 4 بیت	44–78 4 بیت
DeepSeek V4 Flash 0731284B · 13B فعال	44–78 2 بیت کیفیت پایین‌تر	60–107 2 بیت کیفیت پایین‌تر

پرسش‌ها

آیا M4 Max برای LLM سریع‌تر از M3 Max است؟: M4 Max حافظه را حدود 37% سریع‌تر از M3 Max می‌خواند (546 در برابر 400 GB/s)، پس با هر مدلی که در هر دو جا شود حدود 37% سریع‌تر می‌نویسد. اما خواندن یک پرامپت طولانی به توان محاسباتی GPU بستگی دارد که این مقایسه آن را پوشش نمی‌دهد.
کدام مدل‌های بزرگ‌تری اجرا می‌کند، M3 Max یا M4 Max؟: هیچ‌کدام: هر دو تا 128 GB حافظه دارند. در این اندازه M3 Max 47 و M4 Max 47 مدل از 73 مدل باز را خوب اجرا می‌کنند؛ تراشهٔ سریع‌تر تعداد بیشتری از آن‌ها را به 10 توکن در ثانیه می‌رساند.

مقایسه‌های بیشتر

تراشهٔ M3 Max برای هوش مصنوعی محلی · تراشهٔ M4 Max برای هوش مصنوعی محلی · همهٔ مدل‌ها را مقایسه کنید · بهترین Mac برای LLM محلی

چطور محاسبه شده

حافظه: پارامترهای مدل در 8، 6، 4، 3 یا 2 بیت برای هر وزن به‌علاوهٔ مقیاس‌های گروهی MLX (نیم بیت برای هر وزن)، یا قالب اصلی آن، به‌اضافهٔ جا برای کانتکست. macOS به‌طور پیش‌فرض اجازه می‌دهد GPU حدود 75% حافظهٔ یکپارچه را استفاده کند. سرعت: پهنای باند حافظه تقسیم بر بایت‌هایی که برای هر توکن خوانده می‌شود، سقف سرعت یک گفت‌وگوست؛ در بنچمارک‌های عمومی llama.cpp روی Apple Silicon اجراهای واقعی به حدود 45% تا 80% آن می‌رسند و همین بازه نمایش داده می‌شود. این‌ها برآوردند، نه اندازه‌گیری: Mac خودتان را روی MLX Bench بسنجید. ارقام مدل‌ها از کارت رسمی هر مدل و ارقام تراشه‌ها از مشخصات فنی Apple است. بررسی‌شده در 2026-10-19. همان داده‌های mlx.app/compare.