Memory sa bawat precision
| Bersyon | Weights | Kasama ang context | Pinakamaliit na Mac |
|---|---|---|---|
| native na 4.48-bit | 173 GB | 187 GB | 256 GB |
| 3-bit mas mababang kalidad | 135 GB | 146 GB | 256 GB |
| 2-bit mas mababang kalidad | 96.6 GB | 104 GB | 192 GB |
Sa bawat Apple chip
Ang pinakamaliit na memory size ng bawat chip na kaya ang MiMo V2.6 Flash, ang pinakamagandang bersyong kasya rito, at ang bilis ng pagsusulat na maaasahan mo.
| Chip | Kailangan | Bersyon | Token/s |
|---|---|---|---|
| M6 | walang kasyang size | Masyadong malaki | – |
| M5 Ultra | 256 GB | native na 4.48-bit Maayos | 64–114 |
| M5 Max | 128 GB | 2-bit Halos hindi kasya | 59–105 |
| M5 Pro | walang kasyang size | Masyadong malaki | – |
| M5 | walang kasyang size | Masyadong malaki | – |
| M4 Max | 128 GB | 2-bit Halos hindi kasya | 52–93 |
| M4 Pro | walang kasyang size | Masyadong malaki | – |
| M4 | walang kasyang size | Masyadong malaki | – |
| M3 Ultra | 256 GB | native na 4.48-bit Maayos | 44–78 |
| M3 Max | 128 GB | 2-bit Halos hindi kasya | 38–68 |
| M3 Pro | walang kasyang size | Masyadong malaki | – |
| M3 | walang kasyang size | Masyadong malaki | – |
| M2 Ultra | 192 GB | 2-bit Maayos | 77–136 |
| M2 Max | walang kasyang size | Masyadong malaki | – |
| M2 Pro | walang kasyang size | Masyadong malaki | – |
| M2 | walang kasyang size | Masyadong malaki | – |
| M1 Ultra | 128 GB | 2-bit Halos hindi kasya | 77–136 |
| M1 Max | walang kasyang size | Masyadong malaki | – |
| M1 Pro | walang kasyang size | Masyadong malaki | – |
| M1 | walang kasyang size | Masyadong malaki | – |
Paano ito patakbuhin
- Ang madaling paraan: i-download ang MLX Harness, libre at open source. Hanapin ang MiMo V2.6 Flash, i-download ang bersyong kasya sa Mac mo, at mag-chat. Ibinibigay rin nito ang model sa iba mo pang app sa pamamagitan ng API na compatible sa OpenAI.I-download ang MLX HarnessLibre · Apple Silicon · macOS 14.5 o mas bago
- Sa Terminal gamit ang MLX ng Apple:
pip install mlx-lmmlx_lm.chat --model mlx-community/MiMo-V2.6-Flash-RL-mxfp4-q8Build: mlx-community/MiMo-V2.6-Flash-RL-mxfp4-q8 sa Hugging Face. Katabi nito ang ibang precision.
Hakbang-hakbang: mag-download at magpatakbo ng LLM sa Mac · paano gamitin ang MLX Harness · MLX vs Ollama vs llama.cpp
Tungkol sa MiMo V2.6 Flash
| Gawa ng | Xiaomi |
|---|---|
| Mga parameter | 309B kabuuan · 15B aktibo (mixture of experts) |
| Context | 1M token |
| Lisensya | MIT |
| Inilabas | 2026-09 |
| Input | Text at larawan |
| Intelligence | 37.9 sa Artificial Analysis Intelligence Index |
| Weights | XiaomiMiMo/MiMo-V2.6-Flash-RL |
Mga tanong
- Gaano karaming memory ang kailangan ng MiMo V2.6 Flash?
- Mga 173 GB ng weights sa native na 4.48-bit, dagdag ang espasyo para sa context: 187 GB lahat-lahat. Sa Mac, ibig sabihin nito ay 256 GB na unified memory o higit pa, dahil bilang default, mga 75% nito ang ipinapagamit ng macOS sa GPU.
- Gaano kabilis ang MiMo V2.6 Flash sa Mac?
- Nakadepende sa memory bandwidth ang bilis ng pagsusulat. Ang pinakamabilis na Mac para dito ay M5 Ultra na may 256 GB, sa mga 64–114 token bawat segundo (native na 4.48-bit). Ang pinakamaliit na Mac na kaya ito, na may 256 GB, ay umaabot sa mga 64–114 sa M5 Ultra.
- Bakit mas mabilis ang MiMo V2.6 Flash kaysa sa inaasahan sa laki nito?
- Isa itong mixture-of-experts na model: may 309B na parameter ito sa memory pero 15B lang ang binabasa nito sa bawat token, kaya nagsusulat ito sa bilis ng mas maliit na model.
Mga katulad na model
Para sa model card o README mo
Ipinapakita ang pinakamaliit na Mac na maayos na nagpapatakbo ng MiMo V2.6 Flash at nagli-link dito.
[](https://mlx.app/run/mimo-v2.6-flash)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.