آیا MacBook Pro با M4 Max برای LLMهای محلی خوب است؟

با 128 GB، 47 از 73 مدل باز را خوب اجرا میکند، تا Qwen3.5 122B A10B، و با gpt-oss-20b حدود 129–230 توکن در ثانیه مینویسد. M4 Max حافظه را با 546 GB/s میخواند، که سرعت نوشتن را تعیین میکند.

یک MacBook Pro با M4 Max برای هوش مصنوعی چقدر حافظه باید داشته باشد؟

با 36 GB، 38 مدل باز خوب اجرا میشوند؛ با 128 GB، 47 مدل، تا Qwen3.5 122B A10B. حافظه تعیین میکند کدام مدلها جا میشوند و بعداً قابل ارتقا نیست.

MacBook Pro با M4 Max برای هوش مصنوعی محلی: LLMها بر اساس حافظه

بر اساس اندازهٔ حافظه

حافظه	خوب اجرا می‌شوند	بزرگ‌ترین که خوب اجرا می‌شود	gpt-oss-20b
36 GB410 GB/s	38	Qwen3.6 35B A3B	97–173 tok/s
48 GB546 GB/s	38	Qwen3.6 35B A3B	129–230 tok/s
64 GB546 GB/s	39	Nemotron 3.5 Bolt 74B A9B	129–230 tok/s
128 GB546 GB/s	47	Qwen3.5 122B A10B	129–230 tok/s

مدل‌ها: MacBook Pro (14-inch, M4 Pro or M4 Max, 2024), MacBook Pro (16-inch, 2024). هر اندازهٔ حافظه برای هر مدلی عرضه نمی‌شود؛ مشخصات فنی Apple فهرست می‌کند که هر کدام با چه حافظه‌ای عرضه می‌شود.

پرسش‌ها

آیا MacBook Pro با M4 Max برای LLMهای محلی خوب است؟: با 128 GB، 47 از 73 مدل باز را خوب اجرا می‌کند، تا Qwen3.5 122B A10B، و با gpt-oss-20b حدود 129–230 توکن در ثانیه می‌نویسد. M4 Max حافظه را با 546 GB/s می‌خواند، که سرعت نوشتن را تعیین می‌کند.
یک MacBook Pro با M4 Max برای هوش مصنوعی چقدر حافظه باید داشته باشد؟: با 36 GB، 38 مدل باز خوب اجرا می‌شوند؛ با 128 GB، 47 مدل، تا Qwen3.5 122B A10B. حافظه تعیین می‌کند کدام مدل‌ها جا می‌شوند و بعداً قابل ارتقا نیست.

Macهای دیگر

MacBook Pro با تراشه‌های دیگر:

Macهای دیگر با M4 Max:

Mac Studio M4 Max

رودررو:

در برابر PC و کارت گرافیک:

تراشهٔ M4 Max 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.