1AI માટે મહત્ત્વના સ્પેક્સ
| યુનિફાઇડ મેમરી | 96 GB |
|---|---|
| મેમરી બૅન્ડવિડ્થ | 400 GB/s |
| કયા Macમાં છે | 14- and 16-inch MacBook Pro (2023), Mac Studio (2023) |
| તેના માટે સમર્પિત સીટ | Pro સીટ: દિવસે 80 MLX સુધી માઇન કરે છે |
2કયાં મૉડલ સમાય છે
દરેક વેઇટ દીઠ 4 બિટ પર મૉડલને દર અબજ પૅરામીટરે અડધા ગીગાબાઇટથી થોડી વધુ મેમરી જોઈએ, ઉપરાંત તેના કૉન્ટેક્સ્ટ અને macOS માટે જગ્યા. 96 GB સાથે M2 Max આશરે 128 અબજ પૅરામીટર સુધીનાં મૉડલ આરામથી સમાવે છે.
| 4-બિટ પર મૉડલ | જોઈતી મેમરી | M2 Max પર સમાય છે |
|---|---|---|
| 8B મૉડલ | 4.5 GB | હા |
| 14B મૉડલ | 7.9 GB | હા |
| 32B મૉડલ | 18 GB | હા |
| 70B મૉડલ | 39.4 GB | હા |
| gpt-oss-120b, mixture-of-experts | 65 GB | હા |
| Qwen3.5-397B-A17B, mixture-of-experts | 223.3 GB | ના |
| DeepSeek-V4.1-Flash, mixture-of-experts | 316 GB | ના |
3તે કેટલી ઝડપે ચાલે છે
ટેક્સ્ટ લખવાની ઝડપ મેમરી બૅન્ડવિડ્થથી મર્યાદિત છે: દરેક નવો ટોકન મૉડલના સક્રિય વેઇટ એક વાર વાંચે છે. M2 Maxની 400 GB/sને દર ટોકને વંચાતા બાઇટથી ભાગતાં નીચેની ટોચમર્યાદા મળે છે. વાસ્તવિક રન સામાન્ય રીતે તેના આશરે 45% થી 80% સુધી પહોંચે છે (llama.cpp બેન્ચમાર્ક).
| 4-બિટ પર મૉડલ | દર ટોકને વંચાય | એક ચૅટ માટે ટોચમર્યાદા |
|---|---|---|
| 8B મૉડલ | 4.5 GB | સેકન્ડે 89 ટોકન |
| 14B મૉડલ | 7.9 GB | સેકન્ડે 51 ટોકન |
| 32B મૉડલ | 18 GB | સેકન્ડે 22 ટોકન |
| 70B મૉડલ | 39.4 GB | સેકન્ડે 10 ટોકન |
| gpt-oss-120b, mixture-of-experts | 2.7 GB | સેકન્ડે 148 ટોકન |
5બીજી ચિપ સાથે સરખાવો
6પ્રશ્નો
- શું M2 Max 70B મૉડલ ચલાવી શકે?
- હા. 4-બિટ પર 70B મૉડલને આશરે 40 GB જોઈએ, અને M2 Maxમાં 96 GB સુધી મેમરી છે. એક ચૅટ માટે સેકન્ડે આશરે 10 ટોકનની ટોચમર્યાદા ગણો.
- M2 Max સેકન્ડે કેટલા ટોકન આપે છે?
- 4-બિટ પર 8B મૉડલ માટે ટોચમર્યાદા સેકન્ડે આશરે 89 ટોકન છે, અને વાસ્તવિક રન તેના આશરે અડધાથી ચાર-પંચમાંશ સુધી પહોંચે છે. મોટાં મૉડલ એ જ પ્રમાણમાં ધીમાં ચાલે છે.
- શું M2 Max AI માટે સારી છે?
- મૉડલ લોકલી ચલાવવા માટે મેમરી અને બૅન્ડવિડ્થ સૌથી વધુ મહત્ત્વનાં છે. M2 Maxમાં 400 GB/s પર 96 GB સુધી મેમરી છે, જે આશરે 128 અબજ પૅરામીટર સુધીનાં મૉડલ માટે પૂરતી છે. તે MLX Node વડે MLX Network માટે AIનું કામ ચલાવીને કમાઈ પણ શકે છે.
સ્રોત
- Apple: M2 Pro and M2 Maxapple.com
- llama.cpp: Apple Silicon benchmarksgithub.com