Mag-log inGumawa ng wallet

Ano ang kaya ng M1 Ultra na may 64 GB?

39 sa 73 na open model ang tumatakbo nang maayos dito. Bilang default, mga 48 GB sa 64 GB nito ang magagamit ng GPU, at binabasa nito ang memory sa 800 GB/s, na siyang nagtatakda kung gaano ito kabilis magsulat. Makikita sa: Mac Studio (2022).

Pinakamatalino na maayos tumakboQwen3.8 27B8-bit · 28.7 GB · 13–22 tok/sPinakamalaki na maayos tumakboNemotron 3.5 Bolt 74B A9B4-bit · 41.6 GB · 71–125 tok/sPara sa codeQwen3 Coder 30B A3B Instruct8-bit · 32.4 GB · 103–183 tok/s

Tumatakbo nang maayos 47

Kasya at may espasyo pa para sa context, sa 10 o higit pang token bawat segundo.

ModelBersyonMemoryToken/s
Qwen3.8 27B27B · Intelligence 33.78-bit28.7 GB13–22
Nemotron 3.5 Bolt 74B A9B74B · 9B aktibo · Intelligence 21.44-bit41.6 GB71–125
Qwen3.6 35B A3B35B · 3B aktibo · Intelligence 18.28-bit37.2 GB113–200
Muse Glimmer 30B29.6B · Intelligence 17.58-bit31.5 GB11–20
Gemma 4 31B30.7B · Intelligence 14.78-bit32.6 GB11–20
Nemotron 3.5 Lightning 30B A3B30B · 3B aktibo · Intelligence 12.98-bit31.9 GB113–200
Granite 4.2 30B30B · Intelligence 12.78-bit31.9 GB11–20
MiniCPM5 2B2.52B · Intelligence 12.58-bit2.7 GB133–237
Qwen3.5 9B9B · Intelligence 11.28-bit9.6 GB38–67
Granite 4.2 8B8B · Intelligence 11.18-bit8.5 GB42–75
Granite 4.2 3B3B · Intelligence 9.18-bit3.2 GB113–200
gpt-oss-20b21B · 3.6B aktibo · Intelligence 9native na 4.25-bit13.8 GB189–337
Nemotron 3 Nano 30B A3B30B · 3.5B aktibo · Intelligence 8.98-bit31.9 GB97–173
Gemma 4 E4B8B · Intelligence 8.98-bit8.5 GB75–133
Ministral 3 8B8.9B · Intelligence 5.58-bit9.5 GB38–67
Nemotron 3 Nano 4B3.97B · Intelligence 4.88-bit4.2 GB86–152
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B aktibo8-bit32.4 GB103–183
GLM-4.7 Flash30B · 3B aktibo8-bit31.9 GB113–200
Qwen3.6 27B27B8-bit28.7 GB13–22
Gemma 4 26B A4B25.2B · 3.8B aktibo8-bit26.8 GB90–160
Devstral Small 2 (24B)24B8-bit25.5 GB14–25
Magistral Small 1.2 (2509)24B8-bit25.5 GB14–25
Mistral Small 3.2 (24B)24B8-bit25.5 GB14–25
LFM2.5 24B A2B24B · 2B aktibo8-bit25.5 GB171–305
Phi-4 Reasoning Vision 15B15B8-bit15.9 GB23–40
Phi-4 (14B)14B8-bit14.9 GB24–43
Gemma 4 12B Unified12B8-bit12.7 GB28–50
Qwen3 8B8.2B8-bit8.7 GB41–74
Llama 3.1 8B Instruct8B8-bit8.5 GB42–75
Gemma 4 E2B5.1B8-bit5.4 GB150–267
Qwen3.5 4B4B8-bit4.3 GB84–149
Phi-4 mini instruct3.8B8-bit4 GB90–160
Llama 3.2 3B Instruct3.21B8-bit3.4 GB106–188
SmolLM3 3B3B8-bit3.2 GB113–200
LFM2.5 2.6B2.69B8-bit2.9 GB124–221
Qwen3.5 2B2B8-bit2.1 GB171–305
Llama 3.2 1B Instruct1.23B8-bit1.3 GB277–492
Qwen3.5 0.8B0.8B8-bit0.9 GB400–711
Qwen3 0.6B0.6B8-bit0.6 GB600–1067
Qwen3.5 122B A10B122B · 10B aktibo · Intelligence 15.62-bit mas mababang kalidad38.1 GB116–206
gpt-oss-120b117B · 5.1B aktibo · Intelligence 11.62-bit mas mababang kalidad36.6 GB225–400
Mistral Small 4 (119B)119B · 6.5B aktibo · Intelligence 11.32-bit mas mababang kalidad37.2 GB180–320
Qwen3 Coder Next80B · 3B aktibo · Intelligence 9.23-bit mas mababang kalidad35 GB277–492
Llama 4 Scout 17B-16E Instruct109B · 17B aktibo · Intelligence 6.52-bit mas mababang kalidad34.1 GB68–121
Ornith 1.5 122B122B · 10B aktibo2-bit mas mababang kalidad38.1 GB116–206
Nemotron 3 Super 120B A12B120B · 12B aktibo2-bit mas mababang kalidad37.5 GB95–168
GLM-4.5 Air106B · 12B aktibo2-bit mas mababang kalidad33.1 GB95–168

Tumatakbo, pero mabagal 3

Kasya, pero wala pang 10 token bawat segundo: ayos para sa batch work, mabagal para sa chat.

ModelBersyonMemoryToken/s
Llama 3.3 70B Instruct70B4-bit39.4 GB9–16
Mistral Medium 3.5 (128B)128B · Intelligence 14.22-bit mas mababang kalidad40 GB9–16
Devstral 2 (123B)123B2-bit mas mababang kalidad38.4 GB9–17

Masyadong malaki 23

Kailangan ng higit sa 64 GB na memory, kahit sa 2 bit.

Ibang Mac

Bawat Mac na may 64 GB, anumang chip.

Ang M1 Ultra na may mas malaki o mas maliit na memory:

Mga katabing chip:

Harapan:

Ihambing ito sa anumang Mac o GPU · Ang M1 Ultra para sa local AI · Ang pinakamagandang Mac para sa local LLM · Bawat Mac

Mga tanong

Ano ang pinakamagandang LLM para sa M1 Ultra na may 64 GB?
Sa mga model na may nailathalang Intelligence Index, Qwen3.8 27B ang may pinakamataas na score sa mga tumatakbo nang maayos dito: 8-bit, mga 13–22 token bawat segundo. Ang pinakamalaking tumatakbo nang maayos ay Nemotron 3.5 Bolt 74B A9B.
Kaya ba ng M1 Ultra na may 64 GB ang Llama 3.3 70B?
Oo, pero mabagal: 4-bit, sa mga 9–16 token bawat segundo.
Gaano kabilis ang gpt-oss-20b sa M1 Ultra?
Mga 189–337 token bawat segundo (native na 4.25-bit), batay sa 800 GB/s na memory bandwidth ng chip.

Patakbuhin ang mga ito gamit ang MLX Harness (libre, open source) o ang mlx-lm ng Apple sa Terminal: hakbang-hakbang.

Paano ito kinuwenta

Memory: ang mga parameter ng model sa 8, 6, 4, 3 o 2 bit kada weight dagdag ang group scales ng MLX (kalahating bit kada weight), o ang native format nito, at may espasyo pa para sa context. Bilang default, mga 75% ng unified memory ang ipinapagamit ng macOS sa GPU. Bilis: ang memory bandwidth na hinati sa mga byte na binabasa kada token ang pinakamataas na posible para sa isang usapan; sa mga pampublikong benchmark ng llama.cpp sa Apple Silicon, umaabot ang totoong takbo sa mga 45% hanggang 80% nito, at iyon ang range na ipinapakita. Mga tantiya ito, hindi sukat: sukatin ang sarili mong Mac sa MLX Bench. Ang mga numero ng model ay mula sa opisyal na model card ng bawat isa, at ang sa chip ay mula sa Tech Specs ng Apple. Sinuri noong 2026-10-19. Parehong data ng mlx.app/compare.

Anong LLM ang kaya ng M1 Ultra na may 64 GB? Mga model at bilis