Il chip M2 Ultra può far girare un modello da 70B?

Sì. Un modello da 70B a 4 bit richiede circa 40 GB, e il chip M2 Ultra ha fino a 192 GB. Aspettati un tetto di circa 20 token al secondo per una chat.

Quanti token al secondo fa il chip M2 Ultra?

Con un modello da 8B a 4 bit il tetto è di circa 178 token al secondo, e nelle prove reali si arriva più o meno tra la metà e i quattro quinti. I modelli più grandi sono proporzionalmente più lenti.

Il chip M2 Ultra è adatto all'AI?

Per eseguire modelli in locale contano soprattutto memoria e larghezza di banda. Il chip M2 Ultra ha fino a 192 GB a 800 GB/s, abbastanza per modelli fino a circa 256 miliardi di parametri. Può anche guadagnare eseguendo lavoro di AI per MLX Network con MLX Node.

M2 Ultra per LLM in locale: memoria, velocità e modelli

1Le specifiche che contano per l'AI

Memoria unificata	192 GB
Larghezza di banda della memoria	800 GB/s
Presente in	Mac Studio (2023), Mac Pro (2023)
Posto dedicato adatto	Posto Ultra: mina fino a 320 MLX al giorno

2Quali modelli ci stanno

A 4 bit per peso un modello richiede poco più di mezzo gigabyte per miliardo di parametri, più spazio per il contesto e per macOS. Con 192 GB, il chip M2 Ultra ospita comodamente modelli fino a circa 256 miliardi di parametri.

Modello a 4 bit	Memoria richiesta	Ci sta sul chip M2 Ultra
Modello da 8B	4,5 GB	Sì
Modello da 14B	7,9 GB	Sì
Modello da 32B	18 GB	Sì
Modello da 70B	39,4 GB	Sì
gpt-oss-120b, mixture-of-experts	65 GB	Sì
Qwen3.5-397B-A17B, mixture-of-experts	223,3 GB	No
DeepSeek-V4.1-Flash, mixture-of-experts	316 GB	No

3Quanto è veloce

La scrittura del testo è limitata dalla larghezza di banda della memoria: ogni nuovo token legge una volta i pesi attivi del modello. Dividendo i 800 GB/s del chip M2 Ultra per i byte letti per token si ottiene il tetto qui sotto. Nelle prove reali si arriva di solito dal 45% all'80% circa di questo tetto (benchmark di llama.cpp).

Modello a 4 bit	Letti per token	Tetto per una chat
Modello da 8B	4,5 GB	178 token/s
Modello da 14B	7,9 GB	101 token/s
Modello da 32B	18 GB	44 token/s
Modello da 70B	39,4 GB	20 token/s
gpt-oss-120b, mixture-of-experts	2,7 GB	296 token/s

5Confronta con altri chip

6Domande

Il chip M2 Ultra può far girare un modello da 70B?: Sì. Un modello da 70B a 4 bit richiede circa 40 GB, e il chip M2 Ultra ha fino a 192 GB. Aspettati un tetto di circa 20 token al secondo per una chat.
Quanti token al secondo fa il chip M2 Ultra?: Con un modello da 8B a 4 bit il tetto è di circa 178 token al secondo, e nelle prove reali si arriva più o meno tra la metà e i quattro quinti. I modelli più grandi sono proporzionalmente più lenti.
Il chip M2 Ultra è adatto all'AI?: Per eseguire modelli in locale contano soprattutto memoria e larghezza di banda. Il chip M2 Ultra ha fino a 192 GB a 800 GB/s, abbastanza per modelli fino a circa 256 miliardi di parametri. Può anche guadagnare eseguendo lavoro di AI per MLX Network con MLX Node.

Fonti

Apple: M2 Ultraapple.com
llama.cpp: Apple Silicon benchmarksgithub.com