آیا M4 Max برای LLM سریعتر از M3 Ultra است؟

M3 Ultra حافظه را حدود 50% سریعتر از M4 Max میخواند (819 در برابر 546 GB/s)، پس با هر مدلی که در هر دو جا شود حدود 50% 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 Ultra یا M4 Max؟

M3 Ultra: M3 Ultra تا 512 GB حافظه دارد و M4 Max تا 128 GB. در بیشترین حافظهاش 60 از 73 مدل باز را خوب اجرا میکند، در برابر 47.

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

کنار هم

	M3 Ultra	M4 Max
اندازه‌های حافظه	96, 256, 512 GB	36, 48, 64, 128 GB
پهنای باند حافظه	819 GB/s	410–546 GB/s
برای مدل‌ها، حداکثر	حدود 384 GB	حدود 96 GB
مدل‌هایی که خوب اجرا می‌شوند	60 از 73	47 از 73
ردهٔ جایگاه MLX	Ultra	Pro
در دستگاه‌های	Mac Studio (2025)	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 (512 GB و 128 GB)، با بهترین نسخهٔ مدل که جا می‌شود.

مدل	M3 Ultra	M4 Max
Llama 3.1 8B Instruct8B	43–77 8 بیت	29–51 8 بیت
gpt-oss-20b21B · 3.6B فعال	194–345 4.25 بیت اصلی	129–230 4.25 بیت اصلی
Qwen3.6 35B A3B35B · 3B فعال	115–205 8 بیت	77–137 8 بیت
Qwen3.8 27B27B	13–23 8 بیت	11–20 6 بیت
Llama 3.3 70B Instruct70B	5–9 8 بیت	3–6 8 بیت
gpt-oss-120b117B · 5.1B فعال	137–243 4.25 بیت اصلی	91–162 4.25 بیت اصلی
Qwen3.5 122B A10B122B · 10B فعال	35–62 8 بیت	44–78 4 بیت
DeepSeek V4 Flash 0731284B · 13B فعال	27–47 8 بیت	60–107 2 بیت کیفیت پایین‌تر

پرسش‌ها

آیا M4 Max برای LLM سریع‌تر از M3 Ultra است؟: M3 Ultra حافظه را حدود 50% سریع‌تر از M4 Max می‌خواند (819 در برابر 546 GB/s)، پس با هر مدلی که در هر دو جا شود حدود 50% 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 Ultra یا M4 Max؟: M3 Ultra: M3 Ultra تا 512 GB حافظه دارد و M4 Max تا 128 GB. در بیشترین حافظه‌اش 60 از 73 مدل باز را خوب اجرا می‌کند، در برابر 47.

مقایسه‌های بیشتر

تراشهٔ M3 Ultra 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.