Bisakah M3 menjalankan model 70B?

Tidak dengan lega. Model 70B pada 4-bit butuh sekitar 40 GB, sedangkan M3 punya paling banyak 24 GB. Model hingga sekitar 32B parameter berjalan baik.

Berapa token per detik yang didapat M3?

Untuk model 8B pada 4-bit, batas atasnya sekitar 22 token per detik, dan penggunaan nyata mencapai kira-kira setengah hingga empat perlimanya. Model yang lebih besar melambat secara proporsional.

Apakah M3 bagus untuk AI?

Untuk menjalankan model secara lokal, memori dan bandwidth paling menentukan. M3 punya hingga 24 GB pada 100 GB/s, cukup untuk model hingga sekitar 32 miliar parameter. Mac ini juga bisa memperoleh token dengan menjalankan pekerjaan AI untuk MLX Network lewat MLX Node.

M3 untuk LLM lokal: memori, kecepatan, model

1Spesifikasi yang penting untuk AI

Memori terpadu	24 GB
Bandwidth memori	100 GB/s
Ada di	MacBook Air (2024), 14-inch MacBook Pro (2023), iMac (2023)
Kursi khusus untuknya	Kursi Core: menambang hingga 20 MLX per hari

2Model yang muat

Pada 4 bit per bobot, model butuh sedikit lebih dari setengah gigabyte per miliar parameter, ditambah ruang untuk konteks dan macOS. Dengan 24 GB, M3 dengan lega menampung model hingga sekitar 32 miliar parameter.

Model 4-bit	Memori yang dibutuhkan	Muat di M3
Model 8B	4,5 GB	Ya
Model 14B	7,9 GB	Ya
Model 32B	18 GB	Ya
Model 70B	39,4 GB	Tidak
gpt-oss-120b, mixture-of-experts	65 GB	Tidak
Qwen3.5-397B-A17B, mixture-of-experts	223,3 GB	Tidak
DeepSeek-V4.1-Flash, mixture-of-experts	316 GB	Tidak

3Seberapa cepat

Kecepatan menulis teks dibatasi oleh bandwidth memori: setiap token baru membaca bobot aktif model satu kali. Membagi 100 GB/s milik M3 dengan jumlah byte yang dibaca per token menghasilkan batas atas di bawah. Penggunaan nyata biasanya mencapai sekitar 45% hingga 80% darinya (benchmark llama.cpp).

Model 4-bit	Dibaca per token	Batas atas satu chat
Model 8B	4,5 GB	22 token/detik
Model 14B	7,9 GB	13 token/detik
Model 32B	18 GB	6 token/detik

5Bandingkan dengan chip lain

6Pertanyaan

Bisakah M3 menjalankan model 70B?: Tidak dengan lega. Model 70B pada 4-bit butuh sekitar 40 GB, sedangkan M3 punya paling banyak 24 GB. Model hingga sekitar 32B parameter berjalan baik.
Berapa token per detik yang didapat M3?: Untuk model 8B pada 4-bit, batas atasnya sekitar 22 token per detik, dan penggunaan nyata mencapai kira-kira setengah hingga empat perlimanya. Model yang lebih besar melambat secara proporsional.
Apakah M3 bagus untuk AI?: Untuk menjalankan model secara lokal, memori dan bandwidth paling menentukan. M3 punya hingga 24 GB pada 100 GB/s, cukup untuk model hingga sekitar 32 miliar parameter. Mac ini juga bisa memperoleh token dengan menjalankan pekerjaan AI untuk MLX Network lewat MLX Node.

Sumber

Apple: M3, M3 Pro and M3 Maxapple.com
llama.cpp: Apple Silicon benchmarksgithub.com