Berdampingan
| M1 | M4 | |
|---|---|---|
| Ukuran memori | 8, 16 GB | 16, 24, 32 GB |
| Bandwidth memori | 68 GB/s | 120 GB/s |
| Untuk model, paling banyak | sekitar 12 GB | sekitar 24 GB |
| Model yang berjalan baik | 14 dari 73 | 27 dari 73 |
| Kelas kursi MLX | Core | Core |
| Ada di | MacBook Air (M1, 2020), MacBook Pro (13-inch, M1, 2020), Mac mini (M1, 2020), iMac (24-inch, M1, 2021) | MacBook Pro (14-inch, M4, 2024), iMac (24-inch, 2024, Two ports), iMac (24-inch, 2024, Four ports), Mac mini (2024), MacBook Air (13-inch, M4, 2025), MacBook Air (15-inch, M4, 2025) |
Kecepatan dengan model populer
Token per detik untuk satu percakapan, setiap chip pada ukuran memori terbesarnya (16 GB dan 32 GB), dengan versi terbaik model yang muat.
| Model | M1 | M4 |
|---|---|---|
| Llama 3.1 8B Instruct8B | 4–6 8-bit | 12–21 4-bit |
| gpt-oss-20b21B · 3,6B aktif | 19–34 3-bit kualitas lebih rendah | 28–51 4,25-bit bawaan |
| Qwen3.6 35B A3B35B · 3B aktif | 34–60 2-bit kualitas lebih rendah | 32–56 4-bit |
| Qwen3.8 27B27B | 4–6 2-bit kualitas lebih rendah | 2–4 6-bit |
| Llama 3.3 70B Instruct70B | terlalu besar | 2–4 2-bit kualitas lebih rendah |
| gpt-oss-120b117B · 5,1B aktif | terlalu besar | terlalu besar |
| Qwen3.5 122B A10B122B · 10B aktif | terlalu besar | terlalu besar |
| DeepSeek V4 Flash 0731284B · 13B aktif | terlalu besar | terlalu besar |
Pertanyaan
- Apakah M4 lebih cepat daripada M1 untuk LLM?
- M4 membaca memori sekitar 76% lebih cepat daripada M1 (120 vs 68 GB/s), jadi ia menulis sekitar 76% 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 atau M4?
- M4: M4 tersedia hingga 32 GB memori, M1 hingga 16 GB. Pada konfigurasi terbesarnya, ia menjalankan 27 dari 73 model terbuka dengan baik, dibandingkan 14.
Perbandingan lainnya
M1 untuk AI lokal · M4 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.