Memori di setiap presisi
| Versi | Bobot | Dengan konteks | Mac terkecil |
|---|---|---|---|
| 8-bit | 131 GB | 141 GB | 192 GB |
| 6-bit | 99,9 GB | 108 GB | 192 GB |
| 4-bit | 69,2 GB | 74,7 GB | 128 GB |
| 3-bit kualitas lebih rendah | 53,8 GB | 58,1 GB | 96 GB |
| 2-bit kualitas lebih rendah | 38,4 GB | 41,5 GB | 64 GB |
Di setiap chip Apple
Ukuran memori terkecil setiap chip yang bisa menjalankan Devstral 2 (123B), versi terbaik yang muat, dan kecepatan menulis yang bisa Anda harapkan.
| Chip | Butuh | Versi | Token/s |
|---|---|---|---|
| M6 | tidak ada ukuran yang muat | Terlalu besar | – |
| M5 Ultra | 256 GB | 8-bit Lambat | 4–7 |
| M5 Max | 128 GB | 4-bit Lambat | 4–7 |
| M5 Pro | 64 GB | 2-bit Lambat | 4–6 |
| M5 | tidak ada ukuran yang muat | Terlalu besar | – |
| M4 Max | 128 GB | 4-bit Lambat | 4–6 |
| M4 Pro | 64 GB | 2-bit Lambat | 3–6 |
| M4 | tidak ada ukuran yang muat | Terlalu besar | – |
| M3 Ultra | 256 GB | 8-bit Lambat | 3–5 |
| M3 Max | 128 GB | 4-bit Lambat | 3–5 |
| M3 Pro | tidak ada ukuran yang muat | Terlalu besar | – |
| M3 | tidak ada ukuran yang muat | Terlalu besar | – |
| M2 Ultra | 128 GB | 4-bit Lambat | 5–9 |
| M2 Max | 64 GB | 2-bit Lambat | 5–8 |
| M2 Pro | tidak ada ukuran yang muat | Terlalu besar | – |
| M2 | tidak ada ukuran yang muat | Terlalu besar | – |
| M1 Ultra | 128 GB | 4-bit Lambat | 5–9 |
| M1 Max | 64 GB | 2-bit Lambat | 5–8 |
| M1 Pro | tidak ada ukuran yang muat | Terlalu besar | – |
| M1 | tidak ada ukuran yang muat | Terlalu besar | – |
Cara menjalankannya
- Cara mudah: unduh MLX Harness, gratis dan open source. Cari Devstral 2 (123B), unduh versi yang cocok untuk Mac Anda, lalu mulai chat. Aplikasi ini juga menyajikan model ke aplikasi Anda yang lain melalui API yang kompatibel dengan OpenAI.Unduh MLX HarnessGratis · Apple Silicon · macOS 14.5 atau lebih baru
- Di Terminal dengan MLX dari Apple:
pip install mlx-lmmlx_lm.chat --model mlx-community/Devstral-2-123B-Instruct-2512-4bitBuild: mlx-community/Devstral-2-123B-Instruct-2512-4bit di Hugging Face. Presisi lain ada di sebelahnya.
Langkah demi langkah: unduh dan jalankan LLM di Mac · cara memakai MLX Harness · MLX vs Ollama vs llama.cpp
Tentang Devstral 2 (123B)
| Dibuat oleh | Mistral AI |
|---|---|
| Parameter | 123B (dense) |
| Konteks | 256K token |
| Lisensi | Modified MIT |
| Dirilis | 2025-11 |
| Input | Teks |
| Bobot | mistralai/Devstral-2-123B-Instruct-2512 |
Pertanyaan
- Berapa memori yang dibutuhkan Devstral 2 (123B)?
- Sekitar 69,2 GB untuk bobot pada 4-bit, ditambah ruang untuk konteks: total 74,7 GB. Di Mac artinya memori terpadu 128 GB atau lebih, karena secara bawaan macOS mengizinkan GPU memakai sekitar 75% darinya.
- Seberapa cepat Devstral 2 (123B) di Mac?
- Kecepatan menulis bergantung pada bandwidth memori. Mac tercepat untuknya di sini adalah M2 Ultra dengan 128 GB, sekitar 5–9 token per detik (4-bit). Mac terkecil yang bisa menjalankannya, dengan 128 GB, mencapai sekitar 5–9 pada M2 Ultra.
- Apakah kuantisasi menurunkan kualitas Devstral 2 (123B)?
- Pada 4 bit, sebagian besar model tetap mendekati kualitas aslinya; di bawah 4 bit kualitas turun lebih cepat. Pilih presisi tertinggi yang muat di Mac Anda dengan ruang tersisa.
Model serupa
Untuk kartu model atau README Anda
Menampilkan Mac terkecil yang menjalankan Devstral 2 (123B) dengan baik dan menautkan ke sini.
[](https://mlx.app/run/devstral-2-123b)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.