Memory sa bawat precision
| Bersyon | Weights | Kasama ang context | Pinakamaliit na Mac |
|---|---|---|---|
| 8-bit | 130 GB | 140 GB | 192 GB |
| 6-bit | 99.1 GB | 107 GB | 192 GB |
| 4-bit | 68.6 GB | 74.1 GB | 128 GB |
| 3-bit mas mababang kalidad | 53.4 GB | 57.7 GB | 96 GB |
| 2-bit mas mababang kalidad | 38.1 GB | 41.1 GB | 64 GB |
Sa bawat Apple chip
Ang pinakamaliit na memory size ng bawat chip na kaya ang Ornith 1.5 122B, 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 | 8-bit Maayos | 51–91 |
| M5 Max | 128 GB | 4-bit Maayos | 49–88 |
| M5 Pro | 64 GB | 2-bit Maayos | 45–79 |
| M5 | walang kasyang size | Masyadong malaki | – |
| M4 Max | 128 GB | 4-bit Maayos | 44–78 |
| M4 Pro | 64 GB | 2-bit Maayos | 40–70 |
| M4 | walang kasyang size | Masyadong malaki | – |
| M3 Ultra | 256 GB | 8-bit Maayos | 35–62 |
| M3 Max | 128 GB | 4-bit Maayos | 32–57 |
| M3 Pro | walang kasyang size | Masyadong malaki | – |
| M3 | walang kasyang size | Masyadong malaki | – |
| M2 Ultra | 128 GB | 4-bit Maayos | 64–114 |
| M2 Max | 64 GB | 2-bit Maayos | 58–103 |
| M2 Pro | walang kasyang size | Masyadong malaki | – |
| M2 | walang kasyang size | Masyadong malaki | – |
| M1 Ultra | 128 GB | 4-bit Maayos | 64–114 |
| M1 Max | 64 GB | 2-bit Maayos | 58–103 |
| 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 Ornith 1.5 122B, 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: Wala pang MLX build mula sa community, kaya gumawa ng isa mula sa opisyal na weights:
pip install mlx-lmmlx_lm.convert --hf-path ornith-ai/Ornith-1.5-122B -q
Hakbang-hakbang: mag-download at magpatakbo ng LLM sa Mac · paano gamitin ang MLX Harness · MLX vs Ollama vs llama.cpp
Tungkol sa Ornith 1.5 122B
| Gawa ng | Ornith AI |
|---|---|
| Mga parameter | 122B kabuuan · 10B aktibo (mixture of experts) |
| Context | 256K token |
| Lisensya | MIT |
| Inilabas | 2026-10 |
| Input | Text at larawan |
| Weights | ornith-ai/Ornith-1.5-122B |
Mga tanong
- Gaano karaming memory ang kailangan ng Ornith 1.5 122B?
- Mga 68.6 GB ng weights sa 4-bit, dagdag ang espasyo para sa context: 74.1 GB lahat-lahat. Sa Mac, ibig sabihin nito ay 128 GB na unified memory o higit pa, dahil bilang default, mga 75% nito ang ipinapagamit ng macOS sa GPU.
- Gaano kabilis ang Ornith 1.5 122B sa Mac?
- Nakadepende sa memory bandwidth ang bilis ng pagsusulat. Ang pinakamabilis na Mac para dito ay M2 Ultra na may 128 GB, sa mga 64–114 token bawat segundo (4-bit). Ang pinakamaliit na Mac na kaya ito, na may 128 GB, ay umaabot sa mga 64–114 sa M2 Ultra.
- Bakit mas mabilis ang Ornith 1.5 122B kaysa sa inaasahan sa laki nito?
- Isa itong mixture-of-experts na model: may 122B na parameter ito sa memory pero 10B 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 Ornith 1.5 122B at nagli-link dito.
[](https://mlx.app/run/ornith-1.5-122b)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.