精度ごとのメモリ
| バージョン | 重み | コンテキスト込み | 最小構成の Mac |
|---|---|---|---|
| 8ビット | 3.4 GB | 4.9 GB | 8 GB |
| 6ビット | 2.6 GB | 4.1 GB | 8 GB |
| 4ビット | 1.8 GB | 3.3 GB | 8 GB |
| 3ビット 品質低め | 1.4 GB | 2.9 GB | 8 GB |
| 2ビット 品質低め | 1 GB | 2.5 GB | 8 GB |
すべての Apple チップで
各チップで Llama 3.2 3B Instruct が動く最小のメモリ容量、そこに収まる最適なバージョン、期待できる生成速度です。
| チップ | 必要量 | バージョン | トークン/秒 |
|---|---|---|---|
| M6 | 16 GB | 8ビット 快適 | 20–36 |
| M5 Ultra | 96 GB | 8ビット 快適 | 159–282 |
| M5 Max | 36 GB | 8ビット 快適 | 61–108 |
| M5 Pro | 24 GB | 8ビット 快適 | 41–72 |
| M5 | 16 GB | 8ビット 快適 | 20–36 |
| M4 Max | 36 GB | 8ビット 快適 | 54–96 |
| M4 Pro | 24 GB | 8ビット 快適 | 36–64 |
| M4 | 16 GB | 8ビット 快適 | 16–28 |
| M3 Ultra | 96 GB | 8ビット 快適 | 108–193 |
| M3 Max | 36 GB | 8ビット 快適 | 40–71 |
| M3 Pro | 18 GB | 8ビット 快適 | 20–35 |
| M3 | 8 GB | 8ビット 快適 | 13–24 |
| M2 Ultra | 64 GB | 8ビット 快適 | 106–188 |
| M2 Max | 32 GB | 8ビット 快適 | 53–94 |
| M2 Pro | 16 GB | 8ビット 快適 | 26–47 |
| M2 | 8 GB | 8ビット 快適 | 13–24 |
| M1 Ultra | 64 GB | 8ビット 快適 | 106–188 |
| M1 Max | 32 GB | 8ビット 快適 | 53–94 |
| M1 Pro | 16 GB | 8ビット 快適 | 26–47 |
| M1 | 8 GB | 6ビット 快適 | 12–21 |
動かし方
- いちばん簡単な方法：無料でオープンソースの MLX Harness をダウンロードします。Llama 3.2 3B Instruct を検索し、お使いの Mac に合うバージョンをダウンロードすれば、すぐにチャットできます。OpenAI 互換 API で、ほかのアプリにモデルを提供することもできます。MLX Harness をダウンロード無料 · Apple Silicon · macOS 14.5 以降
- ターミナルで Apple の MLX を使う：
pip install mlx-lmmlx_lm.chat --model mlx-community/Llama-3.2-3B-Instruct-4bitビルド：Hugging Face の mlx-community/Llama-3.2-3B-Instruct-4bit。ほかの精度も同じ場所にあります。
手順：Mac で LLM をダウンロードして動かす · MLX Harness の使い方 · MLX、Ollama、llama.cpp の比較
Llama 3.2 3B Instruct について
| 開発元 | Meta |
|---|---|
| パラメータ | 3.21B（Dense） |
| コンテキスト | 128K トークン |
| ライセンス | Llama 3.2 Community License |
| 公開日 | 2024-09 |
| 入力 | テキスト |
| 重み | meta-llama/Llama-3.2-3B-Instruct |
よくある質問
- Llama 3.2 3B Instruct にはどれくらいのメモリが必要？
- 4ビット で重みが約 1.8 GB、これにコンテキスト用の余裕を足して合計 3.3 GB です。macOS は標準でユニファイドメモリの約 75% を GPU に使わせるため、Mac では 8 GB 以上のユニファイドメモリが必要です。
- Llama 3.2 3B Instruct は Mac でどれくらい速い？
- 生成速度はメモリ帯域幅で決まります。ここで最速なのは 96 GB の M5 Ultra で、毎秒約 159–282 トークン（8ビット）。動かせる最小構成は 8 GB の M3 で、毎秒約 13–24 トークンです。
- 量子化で Llama 3.2 3B Instruct の品質は落ちる？
- 4 ビットなら、ほとんどのモデルは元の品質に近いままです。4 ビットを下回ると品質は急に落ちます。お使いの Mac に余裕をもって収まる、いちばん高い精度を選んでください。
似たモデル
モデルカードや README に
Llama 3.2 3B Instruct が快適に動く最小構成の Mac を表示し、このページにリンクします。
[](https://mlx.app/run/llama-3.2-3b)計算方法
メモリ：モデルのパラメータを重みあたり 8、6、4、3、2 ビットで計算し、MLX のグループスケール（重みあたり 0.5 ビット）を加えたもの、またはネイティブ形式のサイズに、コンテキスト用の余裕を足しています。macOS は標準で、ユニファイドメモリの約 75% を GPU に使わせます。速度：メモリ帯域幅をトークンあたりの読み込みバイト数で割った値が、1 つの会話の上限です。llama.cpp の Apple Silicon 公開ベンチマークでは、実際の速度はその約 45%〜80% に達しており、その範囲を表示しています。これは実測ではなく推定です。ご自分の Mac は MLX Bench で測れます。モデルの数値は各公式モデルカード、チップの数値は Apple の技術仕様から。2026-10-19 確認。mlx.app/compare と同じデータです。