Berdampingan
| M1 Pro | M4 Pro | |
|---|---|---|
| Ukuran memori | 16, 32 GB | 24, 48, 64 GB |
| Bandwidth memori | 200 GB/s | 273 GB/s |
| Untuk model, paling banyak | sekitar 24 GB | sekitar 48 GB |
| Model yang berjalan baik | 30 dari 73 | 31 dari 73 |
| Kelas kursi MLX | Pro | Pro |
| Ada di | MacBook Pro (14-inch, 2021), MacBook Pro (16-inch, 2021) | Mac mini (2024), MacBook Pro (14-inch, M4 Pro or M4 Max, 2024), MacBook Pro (16-inch, 2024) |
Kecepatan dengan model populer
Token per detik untuk satu percakapan, setiap chip pada ukuran memori terbesarnya (32 GB dan 64 GB), dengan versi terbaik model yang muat.
| Model | M1 Pro | M4 Pro |
|---|---|---|
| Llama 3.1 8B Instruct8B | 11–19 8-bit | 14–26 8-bit |
| gpt-oss-20b21B · 3,6B aktif | 47–84 4,25-bit bawaan | 65–115 4,25-bit bawaan |
| Qwen3.6 35B A3B35B · 3B aktif | 53–94 4-bit | 38–68 8-bit |
| Qwen3.8 27B27B | 4–7 6-bit | 4–8 8-bit |
| Llama 3.3 70B Instruct70B | 4–7 2-bit kualitas lebih rendah | 3–6 4-bit |
| gpt-oss-120b117B · 5,1B aktif | terlalu besar | 77–137 2-bit kualitas lebih rendah |
| Qwen3.5 122B A10B122B · 10B aktif | terlalu besar | 40–70 2-bit kualitas lebih rendah |
| DeepSeek V4 Flash 0731284B · 13B aktif | terlalu besar | terlalu besar |
Pertanyaan
- Apakah M4 Pro lebih cepat daripada M1 Pro untuk LLM?
- M4 Pro membaca memori sekitar 37% lebih cepat daripada M1 Pro (273 vs 200 GB/s), jadi ia menulis sekitar 37% lebih cepat untuk model apa pun yang muat di keduanya. Membaca prompt yang panjang bergantung pada daya komputasi GPU, yang tidak dicakup perbandingan ini.
- Mana yang bisa menjalankan model lebih besar, M1 Pro atau M4 Pro?
- M4 Pro: M4 Pro tersedia hingga 64 GB memori, M1 Pro hingga 32 GB. Pada konfigurasi terbesarnya, ia menjalankan 31 dari 73 model terbuka dengan baik, dibandingkan 30.
Perbandingan lainnya
- M1 vs M1 Pro
- M1 Pro vs M1 Max
- M1 Pro vs M2 Pro
- M3 Pro vs M4 Pro
- M4 vs M4 Pro
- M4 Pro vs M4 Max
- M4 Pro vs M5 Pro
- M4 Pro vs M5 Max
M1 Pro untuk AI lokal · M4 Pro untuk AI lokal · Bandingkan semua model · Mac terbaik untuk LLM lokal
Cara menghitungnya
Memori: parameter model pada 8, 6, 4, 3, atau 2 bit per bobot ditambah skala grup MLX (setengah bit per bobot), atau format bawaannya, ditambah ruang untuk konteks. Secara bawaan macOS mengizinkan GPU memakai sekitar 75% memori terpadu. Kecepatan: bandwidth memori dibagi jumlah byte yang dibaca per token adalah batas atas untuk satu percakapan; dalam benchmark Apple Silicon publik llama.cpp, proses nyata mencapai sekitar 45% hingga 80% darinya, dan rentang itulah yang ditampilkan. Ini perkiraan, bukan pengukuran: ukur Mac Anda sendiri di MLX Bench. Angka model dari kartu model resmi masing-masing, angka chip dari Spesifikasi Teknis Apple. Diperiksa 2026-10-19. Data sama dengan mlx.app/compare.