بر اساس اندازهٔ حافظه
| حافظه | خوب اجرا میشوند | بزرگ‌ترین که خوب اجرا می‌شود | gpt-oss-20b |
|---|---|---|---|
| 16 GB153 GB/s | 20 | Gemma 4 12B Unified | 43–77 tok/s |
| 24 GB170 GB/s | 24 | Gemma 4 26B A4B | 40–72 tok/s |
| 32 GB170 GB/s | 29 | Qwen3.6 35B A3B | 40–72 tok/s |
مدلها: Mac mini (M6 or M5 Pro). 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 M6 برای LLMهای محلی خوب است؟
- با 32 GB، 29 از 73 مدل باز را خوب اجرا میکند، تا Qwen3.6 35B A3B، و با gpt-oss-20b حدود 40–72 توکن در ثانیه مینویسد. M6 حافظه را با 170 GB/s میخواند، که سرعت نوشتن را تعیین میکند.
- یک Mac mini با M6 برای هوش مصنوعی چقدر حافظه باید داشته باشد؟
- با 16 GB، 20 مدل باز خوب اجرا میشوند؛ با 32 GB، 29 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:
رودررو:
تراشهٔ M6 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.