حافظه در هر دقت
| نسخه | وزنها | با کانتکست | کوچکترین Mac |
|---|---|---|---|
| 4 بیت اصلی | 595 GB | 643 GB | بیش از هر Mac |
| 3 بیت کیفیت پایین‌تر | 438 GB | 473 GB | بیش از هر Mac |
| 2 بیت کیفیت پایین‌تر | 313 GB | 338 GB | 512 GB |
روی هر تراشهٔ Apple
کوچکترین حافظهٔ هر تراشه که Kimi K2.6 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 | 512 GB | 2 بیت خوب اجرا میشود | 54–96 |
| M5 Max | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M5 Pro | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M5 | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M4 Max | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M4 Pro | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M4 | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M3 Ultra | 512 GB | 2 بیت خوب اجرا میشود | 37–66 |
| M3 Max | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M3 Pro | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M3 | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| M2 Ultra | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| 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 | هیچ اندازه‌ای کافی نیست | خیلی بزرگ | – |
| 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. Kimi K2.6 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/Kimi-K2.6-mlx-DQ3_K_M-q8نسخه: mlx-community/Kimi-K2.6-mlx-DQ3_K_M-q8 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 Kimi K2.6
| سازنده | Moonshot AI |
|---|---|
| پارامترها | 1,000B در کل · 32B فعال (mixture-of-experts) |
| کانتکست | 256K توکن |
| مجوز | Modified MIT |
| انتشار | 2026-04 |
| ورودی | متن و تصویر |
| وزنها | moonshotai/Kimi-K2.6 |
پرسش‌ها
- Kimi K2.6 چقدر حافظه لازم دارد؟
- حدود 595 GB برای وزنها در 4 بیت اصلی، بهعلاوهٔ جا برای کانتکست: در کل 643 GB. این بیش از حافظهٔ هر Mac امروزی است.
- Kimi K2.6 روی Mac چقدر سریع است؟
- سرعت نوشتن به پهنای باند حافظه بستگی دارد. سریعترین Mac برای آن در اینجا یک M5 Ultra با 512 GB است، با حدود 54–96 توکن در ثانیه (2 بیت). کوچکترین Mac که آن را اجرا میکند، با 512 GB، روی یک M5 Ultra به حدود 54–96 میرسد.
- چرا Kimi K2.6 سریعتر از آنچه اندازهاش نشان میدهد اجرا میشود؟
- این یک مدل mixture-of-experts است: 1,000B پارامتر را در حافظه نگه میدارد اما برای هر توکن فقط 32B را میخواند، پس با سرعت مدلی بسیار کوچکتر مینویسد.
مدل‌های مشابه
برای کارت مدل یا README شما
کوچکترین Mac را که Kimi K2.6 را خوب اجرا میکند نشان میدهد و به اینجا لینک میدهد.
[](https://mlx.app/run/kimi-k2.6)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.