Mémoire à chaque précision
| Version | Poids | Avec contexte | Plus petit Mac |
|---|---|---|---|
| 8 bits | 425 GB | 459 GB | plus que tout Mac |
| 6 bits | 325 GB | 351 GB | 512 GB |
| 4 bits | 225 GB | 243 GB | 512 GB |
| 3 bits qualité moindre | 175 GB | 189 GB | 256 GB |
| 2 bits qualité moindre | 125 GB | 135 GB | 192 GB |
Sur chaque puce Apple
Pour chaque puce, la plus petite capacité de mémoire qui fait tourner Llama 4 Maverick 17B-128E Instruct, la meilleure version qui y tient et la vitesse d’écriture à attendre.
| Puce | Demande | Version | Tokens/s |
|---|---|---|---|
| M6 | aucune capacité ne suffit | Trop grand | – |
| M5 Ultra | 512 GB | 6 bits Tourne bien | 39–70 |
| M5 Max | aucune capacité ne suffit | Trop grand | – |
| M5 Pro | aucune capacité ne suffit | Trop grand | – |
| M5 | aucune capacité ne suffit | Trop grand | – |
| M4 Max | aucune capacité ne suffit | Trop grand | – |
| M4 Pro | aucune capacité ne suffit | Trop grand | – |
| M4 | aucune capacité ne suffit | Trop grand | – |
| M3 Ultra | 512 GB | 6 bits Tourne bien | 27–47 |
| M3 Max | aucune capacité ne suffit | Trop grand | – |
| M3 Pro | aucune capacité ne suffit | Trop grand | – |
| M3 | aucune capacité ne suffit | Trop grand | – |
| M2 Ultra | 192 GB | 2 bits Tourne bien | 68–121 |
| M2 Max | aucune capacité ne suffit | Trop grand | – |
| M2 Pro | aucune capacité ne suffit | Trop grand | – |
| M2 | aucune capacité ne suffit | Trop grand | – |
| M1 Ultra | aucune capacité ne suffit | Trop grand | – |
| M1 Max | aucune capacité ne suffit | Trop grand | – |
| M1 Pro | aucune capacité ne suffit | Trop grand | – |
| M1 | aucune capacité ne suffit | Trop grand | – |
Comment le faire tourner
- Le plus simple : téléchargez MLX Harness, gratuit et open source. Cherchez Llama 4 Maverick 17B-128E Instruct, téléchargez la version adaptée à votre Mac, et discutez. MLX Harness met aussi le modèle à disposition de vos autres apps via une API compatible OpenAI.Télécharger MLX HarnessGratuit · Apple Silicon · macOS 14.5 ou version ultérieure
- Dans le Terminal avec MLX d’Apple :
pip install mlx-lmmlx_lm.chat --model mlx-community/Llama-4-Maverick-17B-128E-Instruct-4bitVersion MLX : mlx-community/Llama-4-Maverick-17B-128E-Instruct-4bit sur Hugging Face. Les autres précisions sont juste à côté.
Pas à pas : télécharger et exécuter des LLM sur Mac · utiliser MLX Harness · MLX, Ollama ou llama.cpp
À propos de Llama 4 Maverick 17B-128E Instruct
| Créé par | Meta |
|---|---|
| Paramètres | 400B au total · 17B actifs (mixture-of-experts) |
| Contexte | 1M tokens |
| Licence | Llama 4 Community License |
| Sortie | 2025-04 |
| Entrée | Texte et images |
| Intelligence | 9,3 sur l’Artificial Analysis Intelligence Index |
| Poids | meta-llama/Llama-4-Maverick-17B-128E-Instruct |
Questions
- De combien de mémoire Llama 4 Maverick 17B-128E Instruct a-t-il besoin ?
- Environ 225 GB de poids en 4 bits, plus de la place pour le contexte : 243 GB au total. Sur un Mac, il faut donc 512 GB de mémoire unifiée ou plus, car macOS laisse le GPU en utiliser environ 75 % par défaut.
- À quelle vitesse Llama 4 Maverick 17B-128E Instruct tourne-t-il sur un Mac ?
- La vitesse d’écriture dépend de la bande passante mémoire. Ici, le Mac le plus rapide pour ce modèle est équipé d’une puce M5 Ultra avec 512 GB, à environ 39–70 tokens par seconde (6 bits). Le plus petit Mac qui le fait tourner, avec 512 GB, atteint environ 39–70 avec une puce M5 Ultra.
- Pourquoi Llama 4 Maverick 17B-128E Instruct est-il plus rapide que sa taille ne le laisse penser ?
- C’est un modèle mixture-of-experts : il garde 400B paramètres en mémoire mais n’en lit que 17B pour chaque token, il écrit donc à la vitesse d’un modèle bien plus petit.
Modèles similaires
Pour votre fiche de modèle ou votre README
Affiche le plus petit Mac qui fait bien tourner Llama 4 Maverick 17B-128E Instruct et renvoie vers cette page.
[](https://mlx.app/run/llama-4-maverick)Comment c’est calculé
Mémoire : les paramètres du modèle à 8, 6, 4, 3 ou 2 bits par poids, plus les facteurs d’échelle par groupe de MLX (un demi-bit par poids), ou son format natif, avec en plus de la place pour le contexte. Par défaut, macOS laisse le GPU utiliser environ 75 % de la mémoire unifiée. Vitesse : la bande passante mémoire divisée par les octets lus pour chaque token donne le plafond pour une conversation ; dans les benchmarks Apple Silicon publics de llama.cpp, les exécutions réelles atteignent environ 45 % à 80 % de ce plafond, et c’est la fourchette affichée. Ce sont des estimations, pas des mesures : mesurez votre propre Mac sur MLX Bench. Chiffres des modèles tirés de chaque fiche officielle, chiffres des puces tirés des caractéristiques techniques d’Apple. Vérifié le 2026-10-19. Mêmes données que mlx.app/compare.