La puce M2 Ultra peut-elle faire tourner un modèle 70B ?

Oui. Un modèle 70B en 4 bits nécessite environ 40 GB, et la puce M2 Ultra offre jusqu’à 192 GB. Comptez un plafond d’environ 20 tokens par seconde pour une conversation.

Combien de tokens par seconde avec la puce M2 Ultra ?

Pour un modèle 8B en 4 bits, le plafond est d’environ 178 tokens par seconde, et en pratique on en atteint entre la moitié et les quatre cinquièmes. Les modèles plus gros sont proportionnellement plus lents.

La puce M2 Ultra est-elle bonne pour l’IA ?

Pour faire tourner des modèles en local, ce sont la mémoire et la bande passante qui comptent le plus. La puce M2 Ultra offre jusqu’à 192 GB à 800 GB/s, assez pour des modèles jusqu’à environ 256 milliards de paramètres. Elle peut aussi rapporter en exécutant des tâches d’IA pour MLX Network avec MLX Node.

M2 Ultra pour LLM en local : mémoire, vitesse et modèles

1Les caractéristiques qui comptent pour l’IA

Mémoire unifiée	192 GB
Bande passante mémoire	800 GB/s
Présente dans	Mac Studio (2023), Mac Pro (2023)
Place dédiée adaptée	Place Ultra : mine jusqu’à 320 MLX par jour

2Quels modèles tiennent

À 4 bits par poids, un modèle a besoin d’un peu plus d’un demi-gigaoctet par milliard de paramètres, plus de la place pour son contexte et pour macOS. Avec 192 GB, la puce M2 Ultra accueille sans peine des modèles jusqu’à environ 256 milliards de paramètres.

Modèle en 4 bits	Mémoire nécessaire	Tient sur la puce M2 Ultra
Modèle 8B	4,5 GB	Oui
Modèle 14B	7,9 GB	Oui
Modèle 32B	18 GB	Oui
Modèle 70B	39,4 GB	Oui
gpt-oss-120b, mixture-of-experts	65 GB	Oui
Qwen3.5-397B-A17B, mixture-of-experts	223,3 GB	Non
DeepSeek-V4.1-Flash, mixture-of-experts	316 GB	Non

3Quelle vitesse attendre

La génération de texte est limitée par la bande passante mémoire : chaque nouveau token lit une fois les poids actifs du modèle. En divisant les 800 GB/s de la puce M2 Ultra par les octets lus par token, on obtient le plafond ci-dessous. En pratique, on atteint généralement 45 % à 80 % de ce plafond (benchmarks llama.cpp).

Modèle en 4 bits	Lu par token	Plafond pour une conversation
Modèle 8B	4,5 GB	178 tokens/s
Modèle 14B	7,9 GB	101 tokens/s
Modèle 32B	18 GB	44 tokens/s
Modèle 70B	39,4 GB	20 tokens/s
gpt-oss-120b, mixture-of-experts	2,7 GB	296 tokens/s

5Comparer avec d’autres puces

6Questions

La puce M2 Ultra peut-elle faire tourner un modèle 70B ?: Oui. Un modèle 70B en 4 bits nécessite environ 40 GB, et la puce M2 Ultra offre jusqu’à 192 GB. Comptez un plafond d’environ 20 tokens par seconde pour une conversation.
Combien de tokens par seconde avec la puce M2 Ultra ?: Pour un modèle 8B en 4 bits, le plafond est d’environ 178 tokens par seconde, et en pratique on en atteint entre la moitié et les quatre cinquièmes. Les modèles plus gros sont proportionnellement plus lents.
La puce M2 Ultra est-elle bonne pour l’IA ?: Pour faire tourner des modèles en local, ce sont la mémoire et la bande passante qui comptent le plus. La puce M2 Ultra offre jusqu’à 192 GB à 800 GB/s, assez pour des modèles jusqu’à environ 256 milliards de paramètres. Elle peut aussi rapporter en exécutant des tâches d’IA pour MLX Network avec MLX Node.

Sources

Apple: M2 Ultraapple.com
llama.cpp: Apple Silicon benchmarksgithub.com