ઓપન ડેટા.

mlx.app/compare પાછળના ડેટાના મફત ડાઉનલોડ: Apple Silicon Mac ના 58 કૉન્ફિગરેશન, 83 ઓપન AI મૉડલ અને કયું મૉડલ કયા Mac પર કેટલી ઝડપે ચાલે છે તે બતાવતું 4,756 પંક્તિનું કોષ્ટક. JSON અને CSV, CC BY 4.0, દરેક આંકડાનો સ્રોત સાથે.

અપડેટ · આવૃત્તિ 2026-10-19

Mac કૉન્ફિગરેશન58પંક્તિઓ · JSON અને CSVઓપન AI મૉડલ83પંક્તિઓ · JSON અને CSVકયું ક્યાં ચાલે છે4,756પંક્તિઓ · JSON અને CSV

Apple Silicon Mac કૉન્ફિગરેશન

M1 થી M6 સુધીની દરેક Apple Silicon ચિપ, Apple જે દરેક મેમરી કદ સાથે તેને વેચે છે તે સાથે: યુનિફાઇડ મેમરી, મેમરી બેન્ડવિડ્થ, GPU કોર વિકલ્પો અને તે ચિપ ધરાવતા Mac. Apple ના ટેક સ્પેક્સ પાનાંમાંથી લીધેલું, દરેક પંક્તિનો સ્રોત આપેલો. સાઇટ પર: દરેક Mac.

14 કૉલમ · 58 પંક્તિઓ · ચકાસણી 19 ઑક્ટોબર, 2026

કૉલમપ્રકારઅર્થ
macલખાણઓળખકર્તા: ચિપ અને મેમરી કદ, mlx.app/mac/<mac> પ્રમાણે
chipલખાણચિપનું નામ
chip_idલખાણચિપ ઓળખકર્તા
generationસંખ્યાM-શ્રેણીની પેઢી (1 = M1)
tierલખાણbase, pro, max અથવા ultra
memory_gbસંખ્યાયુનિફાઇડ મેમરી, GB
bandwidth_gbsસંખ્યાApple એ પ્રકાશિત કરેલી મેમરી બેન્ડવિડ્થ, GB/s (Apple એ ન આપી હોય ત્યાં ખાલી: M1)
bandwidth_gbs_usedસંખ્યાઅંદાજો માટે વપરાતી બેન્ડવિડ્થ, GB/s (M1: 68, Apple ના તુલનાત્મક નિવેદનો પરથી; નોંધ જુઓ)
gpu_memory_default_gbસંખ્યાયુનિફાઇડ મેમરીના લગભગ 75%: macOS ડિફૉલ્ટ રીતે GPU ને જેટલી વાપરવા દે છે (કાઢેલું)
gpu_coresલખાણઆ મેમરી કદ સાથે GPU કોર વિકલ્પો (સૂચિ)
macsલખાણઆ ચિપ ધરાવતા Mac, Apple ના મૉડલ નામો પ્રમાણે (સૂચિ)
noteલખાણસ્રોતોમાંની ચેતવણીઓ
pageલખાણઆ Mac ચલાવી શકે તે બધાં મૉડલ ધરાવતું mlx.app નું પાનું
sourcesલખાણઆંકડા લીધેલાં Apple નાં પાનાં (સૂચિ)

ઓપન AI મૉડલ: પેરામીટર, સક્રિય પેરામીટર અને મેમરી

mlx.app/compare પરનું દરેક ઓપન-વેટ ભાષા મૉડલ: કુલ અને સક્રિય પેરામીટર, આર્કિટેક્ચર (dense અથવા મિક્સચર ઑફ એક્સપર્ટ્સ (MoE)), કૉન્ટેક્સ્ટની લંબાઈ, લાઇસન્સ, રિલીઝ તારીખ, પ્રિસિઝન અને વેટનું કદ. દરેક મૉડલના સત્તાવાર Hugging Face કાર્ડ, config.json અને ફાઇલ સૂચિમાંથી લીધેલું. સાઇટ પર: દરેક મૉડલ.

19 કૉલમ · 83 પંક્તિઓ · ચકાસણી 19 ઑક્ટોબર, 2026

કૉલમપ્રકારઅર્થ
modelલખાણઓળખકર્તા, mlx.app/run/<model> પ્રમાણે
nameલખાણમૉડલનું નામ
makerલખાણકોણે રિલીઝ કર્યું
hf_repoલખાણસત્તાવાર Hugging Face રિપોઝિટરી
params_bસંખ્યાકુલ પેરામીટર, અબજ (મૉડલ કાર્ડ)
active_params_bસંખ્યાદરેક બનેલા ટોકન માટે વંચાતા પેરામીટર, અબજ (dense મૉડલ માટે params_b જેટલા, લૂપ મૉડલ સિવાય, જે પોતાનો સહિયારો બ્લૉક દરેક ફેરામાં એક વાર વાંચે છે: ડિફૉલ્ટ ફેરાની સંખ્યાએ)
architectureલખાણdense અથવા moe
context_tokensસંખ્યામહત્તમ કૉન્ટેક્સ્ટ, ટોકન (config.json)
licenseલખાણકાર્ડ પર જણાવેલું લાઇસન્સ
releasedલખાણરિલીઝ તારીખ (YYYY-MM-DD; કાર્ડમાં ન હોય તો રિપોઝિટરી બન્યાની તારીખ)
modalityલખાણઇનપુટ: text, અથવા text+image
precisionલખાણસત્તાવાર વેટની પ્રિસિઝન
repo_weights_gbસંખ્યાસત્તાવાર વેટ ફાઇલોનું કદ, દશાંશ GB
native_gbસંખ્યામૉડલના પોતાના લો-બિટ ફૉર્મેટમાં વેટ, GB (માત્ર એ રીતે રિલીઝ થયેલાં મૉડલ)
native_bitsસંખ્યાએ મૂળ ફૉર્મેટમાં દરેક વેટ દીઠ બિટ
offload_gbસંખ્યારનટાઇમ ડિસ્ક પર રાખી શકે તેવાં લુકઅપ ટેબલ, GB (મેમરી અંદાજમાં ગણાતાં નથી)
mlx_buildલખાણHugging Face પર સમુદાયનું MLX બિલ્ડ, જો હોય તો
pageલખાણજરૂરી મેમરી અને તેને ચલાવી શકતા બધા Mac ધરાવતું mlx.app નું પાનું
sourcesલખાણઆંકડા લીધેલાં પાનાં (સૂચિ)

કયું ઓપન મૉડલ કયા Mac પર કેટલી ઝડપે ચાલે છે (અંદાજ)

દરેક Apple Silicon Mac કૉન્ફિગરેશન સામે દરેક ઓપન મૉડલ: macOS GPU ને આપે છે તે મેમરીમાં સમાતી સૌથી ઊંચી પ્રિસિઝનની આવૃત્તિ, કૉન્ટેક્સ્ટ માટે જગ્યા સાથે તેને કેટલી મેમરી જોઈએ, અને ટોકન પ્રતિ સેકન્ડમાં લખવાની અંદાજિત ઝડપની શ્રેણી. પ્રકાશિત સ્પેક્સ પરથી અંદાજ, માપ નહીં; પદ્ધતિ mlx.app/compare પર છે. સાઇટ પર: કૅલ્ક્યુલેટર.

16 કૉલમ · 4,756 પંક્તિઓ · ચકાસણી 19 ઑક્ટોબર, 2026

કૉલમપ્રકારઅર્થ
macલખાણMac કૉન્ફિગરેશન (macs જુઓ)
chipલખાણચિપનું નામ
memory_gbસંખ્યાયુનિફાઇડ મેમરી, GB
bandwidth_gbsસંખ્યાઅંદાજ માટે વપરાયેલી મેમરી બેન્ડવિડ્થ, GB/s
modelલખાણમૉડલ (models જુઓ)
model_nameલખાણમૉડલનું નામ
versionલખાણભલામણ કરેલી આવૃત્તિ: સમાતી સૌથી ઊંચી પ્રિસિઝન (8, 6, 4, 3 અથવા 2-બિટ MLX, અથવા મૂળ ફૉર્મેટ)
bits_per_weightસંખ્યાદરેક વેટ દીઠ સાચવેલા બિટ, MLX ના ગ્રુપ સ્કેલ સહિત (+0.5)
weights_gbસંખ્યામેમરીમાં વેટ, GB
needs_gbસંખ્યાવેટ વત્તા કૉન્ટેક્સ્ટ અને રનટાઇમ માટે જગ્યા (8% અથવા 1.5 GB, જે વધુ હોય), GB
fitલખાણfits (GPU ના ડિફૉલ્ટ 75% માં), tight (મેમરીના 90% માં), no
groupલખાણRuns well (સમાય છે, 10+ tok/s), Runs, but slowly, Only just fits, Too big
below_4_bitસાચું/ખોટુંફક્ત 4 બિટથી ઓછી આવૃત્તિ સમાય ત્યારે સાચું (ગુણવત્તા ઘટે છે)
tok_s_lowસંખ્યાલખવાની અંદાજિત ઝડપ, નીચલો છેડો (બેન્ડવિડ્થ મર્યાદાના 45%), ટોકન/s; ન સમાય તો ખાલી
tok_s_highસંખ્યાલખવાની અંદાજિત ઝડપ, ઉપલો છેડો (મર્યાદાના 80%), ટોકન/s
tok_s_ceilingસંખ્યાબેન્ડવિડ્થ મર્યાદા: બેન્ડવિડ્થ / દરેક ટોકન દીઠ વંચાતા બાઇટ, ટોકન/s

અંદાજ, અને તે કેવી રીતે કાઢવામાં આવે છે

Mac અને મૉડલનાં કોષ્ટકો Apple ના ટેક સ્પેક્સ અને દરેક મૉડલના સત્તાવાર Hugging Face કાર્ડમાંથી લીધેલી હકીકતો છે; દરેક પંક્તિ પોતાનો સ્રોત જણાવે છે. ફિટ કોષ્ટક ગણતરીથી બનેલું છે, માપેલું નથી: કોઈ પ્રિસિઝન પર મૉડલના વેટ (દરેક વેટ દીઠ બિટ વત્તા MLX ના અડધા બિટના ગ્રુપ સ્કેલ), કૉન્ટેક્સ્ટની જગ્યા સાથે, macOS ડિફૉલ્ટ રીતે GPU ને આપે છે તે યુનિફાઇડ મેમરીના 75% માં રહે તો મૉડલ સમાય છે. લખવાની ઝડપ એટલે મેમરી બેન્ડવિડ્થ ભાગ્યા દરેક ટોકન દીઠ વંચાતા બાઇટ, જે એ મર્યાદાના 45% થી 80% તરીકે બતાવાય છે, એટલે કે llama.cpp ના જાહેર Apple Silicon બેન્ચમાર્કમાં ખરા રન જે શ્રેણી સુધી પહોંચે છે. પ્રૉમ્પ્ટ વાંચવું, લાંબા કૉન્ટેક્સ્ટ અને બૅચિંગ આમાં આવતાં નથી. પૂરી પદ્ધતિ: mlx.app/compare. તમારું પોતાનું Mac MLX Bench પર માપો.

સમાવેલ નથી: Artificial Analysis Intelligence Index ના સ્કોર (પાનાં પર લિંક સાથે બતાવાય છે, પણ તેમની શરતો ફરી વહેંચવાનો હક અનામત રાખે છે) અને llama.cpp ના બેન્ચમાર્ક પરિણામો (પદ્ધતિમાંથી લિંક કરેલાં, કૉપી કરેલાં નથી).

વાપરો, અને સંદર્ભ આપો

Creative Commons Attribution 4.0 હેઠળ મફત: આ પાનાની લિંક સાથે કૉપી કરો, બદલો અને પ્રકાશિત કરો, વ્યાવસાયિક રીતે પણ. સ્પેક્સ પોતે Apple અને મૉડલ બનાવનારાઓની હકીકતો છે; મૉડલ અને પ્રોડક્ટનાં નામ તેમના માલિકોનાં છે. MLX નો Apple Inc. સાથે કોઈ સંબંધ નથી.

MLX Network (2026). MLX open data: Apple Silicon Macs, open AI models and what runs where (version 2026-10-19). https://mlx.app/data. CC BY 4.0.

ઉપરના URL હંમેશાં નવીનતમ આવૃત્તિ આપે છે; દરેક ફાઇલમાં તેની આવૃત્તિ હોય છે (JSON માં version, X-Dataset-Version હેડર અને જે નામે તે સેવ થાય છે તે). index.json દરેક ફાઇલને તેના કદ અને SHA-256 સાથે બતાવે છે.

વધુ ઓપન ડેટા

  • Explorer API: MLX Network પરનો દરેક બ્લૉક, વ્યવહાર, ખાતું અને સીટ, JSON માં.
  • llms.txt અને llms-full.txt: AI સહાયકો માટે સાદા લખાણમાં સાઇટ, દરેક માર્ગદર્શિકા પૂરી.
  • સાઇટમૅપ: દરેક પાનું, તેની હકીકતો છેલ્લે ચકાસ્યાની તારીખ સાથે.