بر اساس اندازهٔ حافظه
| حافظه | خوب اجرا میشوند | بزرگ‌ترین که خوب اجرا می‌شود | gpt-oss-20b |
|---|---|---|---|
| 16 GB200 GB/s | 22 | Phi-4 Reasoning Vision 15B | 56–100 tok/s |
| 32 GB200 GB/s | 30 | Qwen3.6 35B A3B | 47–84 tok/s |
مدلها: Mac mini (2023). هر اندازهٔ حافظه برای هر مدلی عرضه نمی‌شود؛ مشخصات فنی Apple فهرست میکند که هر کدام با چه حافظه‌ای عرضه می‌شود.
پرسش‌ها
- آیا Mac mini با M2 Pro برای LLMهای محلی خوب است؟
- با 32 GB، 30 از 73 مدل باز را خوب اجرا میکند، تا Qwen3.6 35B A3B، و با gpt-oss-20b حدود 47–84 توکن در ثانیه مینویسد. M2 Pro حافظه را با 200 GB/s میخواند، که سرعت نوشتن را تعیین میکند.
- یک Mac mini با M2 Pro برای هوش مصنوعی چقدر حافظه باید داشته باشد؟
- با 16 GB، 22 مدل باز خوب اجرا میشوند؛ با 32 GB، 30 مدل، تا Qwen3.6 35B A3B. حافظه تعیین میکند کدام مدلها جا میشوند و بعداً قابل ارتقا نیست.
Macهای دیگر
Mac mini با تراشه‌های دیگر:
Macهای دیگر با M2 Pro:
رودررو:
تراشهٔ M2 Pro برای هوش مصنوعی محلی · بهترین Mac برای LLM محلی · همهٔ Macها
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.