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 GB153 GB/s | 23 | Gemma 4 26B A4B | 36–64 tok/s |
| 32 GB153 GB/s | 28 | Qwen3.6 35B A3B | 36–64 tok/s |
مدلها: MacBook Air (13-inch, M5), MacBook Air (15-inch, M5). هر اندازهٔ حافظه برای هر مدلی عرضه نمی‌شود؛ مشخصات فنی Apple فهرست میکند که هر کدام با چه حافظه‌ای عرضه می‌شود.
پرسش‌ها
- آیا MacBook Air با M5 برای LLMهای محلی خوب است؟
- با 32 GB، 28 از 73 مدل باز را خوب اجرا میکند، تا Qwen3.6 35B A3B، و با gpt-oss-20b حدود 36–64 توکن در ثانیه مینویسد. M5 حافظه را با 153 GB/s میخواند، که سرعت نوشتن را تعیین میکند.
- یک MacBook Air با M5 برای هوش مصنوعی چقدر حافظه باید داشته باشد؟
- با 16 GB، 20 مدل باز خوب اجرا میشوند؛ با 32 GB، 28 مدل، تا Qwen3.6 35B A3B. حافظه تعیین میکند کدام مدلها جا میشوند و بعداً قابل ارتقا نیست.
Macهای دیگر
MacBook Air با تراشه‌های دیگر:
Macهای دیگر با M5:
رودررو:
تراشهٔ M5 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.