حافظه در هر دقت
| نسخه | وزنها | با کانتکست | کوچکترین Mac |
|---|---|---|---|
| 8 بیت | 313 GB | 339 GB | 512 GB |
| 6 بیت | 240 GB | 259 GB | 512 GB |
| 4 بیت | 166 GB | 179 GB | 256 GB |
| 3 بیت کیفیت پایین‌تر | 129 GB | 139 GB | 192 GB |
| 2 بیت کیفیت پایین‌تر | 92.2 GB | 99.6 GB | 192 GB |
روی هر تراشهٔ Apple
کوچکترین حافظهٔ هر تراشه که Hy3 را اجرا میکند، بهترین نسخه‌ای که در آن جا میشود و سرعت نوشتنی که می‌توانید انتظار داشته باشید.
| تراشه | نیاز | نسخه | توکن/ثانیه |
|---|---|---|---|
| M6 | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M5 Ultra | 256 GB | 4 بیت خوب اجرا میشود | 46–81 |
| M5 Max | 128 GB | 2 بیت به‌زحمت | 42–74 |
| M5 Pro | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M5 | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M4 Max | 128 GB | 2 بیت به‌زحمت | 37–66 |
| M4 Pro | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M4 | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M3 Ultra | 256 GB | 4 بیت خوب اجرا میشود | 31–56 |
| M3 Max | 128 GB | 2 بیت به‌زحمت | 27–48 |
| M3 Pro | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M3 | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M2 Ultra | 192 GB | 3 بیت خوب اجرا میشود | 39–70 |
| M2 Max | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M2 Pro | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M2 | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M1 Ultra | 128 GB | 2 بیت به‌زحمت | 55–97 |
| M1 Max | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M1 Pro | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M1 | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
چطور اجرایش کنید
- راه آسان: MLX Harness را دانلود کنید، رایگان و متن‌باز. Hy3 را جست‌وجو کنید، نسخه‌ای را که در Mac شما جا میشود دانلود کنید و گفت‌وگو را شروع کنید. همچنین مدل را از طریق یک API سازگار با OpenAI در اختیار اپ‌های دیگرتان می‌گذارد.دانلود MLX Harnessرایگان · Apple Silicon · macOS 14.5 یا جدیدتر
- در Terminal با MLX از Apple:
pip install mlx-lmmlx_lm.chat --model mlx-community/Hy3-OptiQ-2bitنسخه: mlx-community/Hy3-OptiQ-2bit در Hugging Face. دقت‌های دیگر کنار آن هستند.
گام به گام: دانلود و اجرای LLM روی Mac · نحوهٔ استفاده از MLX Harness · MLX در برابر Ollama و llama.cpp
دربارهٔ Hy3
| سازنده | Tencent |
|---|---|
| پارامترها | 295B در کل · 21B فعال (mixture-of-experts) |
| کانتکست | 256K توکن |
| مجوز | Apache-2.0 |
| انتشار | 2026-07 |
| ورودی | متن |
| هوش | 25.3 در Artificial Analysis Intelligence Index |
| وزنها | tencent/Hy3 |
پرسش‌ها
- Hy3 چقدر حافظه لازم دارد؟
- حدود 166 GB برای وزنها در 4 بیت، بهعلاوهٔ جا برای کانتکست: در کل 179 GB. روی Mac یعنی 256 GB حافظهٔ یکپارچه یا بیشتر، چون macOS بهطور پیشفرض اجازه میدهد GPU حدود 75% آن را استفاده کند.
- Hy3 روی Mac چقدر سریع است؟
- سرعت نوشتن به پهنای باند حافظه بستگی دارد. سریعترین Mac برای آن در اینجا یک M5 Ultra با 256 GB است، با حدود 46–81 توکن در ثانیه (4 بیت). کوچکترین Mac که آن را اجرا میکند، با 256 GB، روی یک M5 Ultra به حدود 46–81 میرسد.
- چرا Hy3 سریعتر از آنچه اندازهاش نشان میدهد اجرا میشود؟
- این یک مدل mixture-of-experts است: 295B پارامتر را در حافظه نگه میدارد اما برای هر توکن فقط 21B را میخواند، پس با سرعت مدلی بسیار کوچکتر مینویسد.
مدل‌های مشابه
برای کارت مدل یا README شما
کوچکترین Mac را که Hy3 را خوب اجرا میکند نشان میدهد و به اینجا لینک میدهد.
[](https://mlx.app/run/hy3)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.