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 | 74.4 GB | 80.4 GB | 128 GB |
| 6ビット | 56.9 GB | 61.5 GB | 96 GB |
| 4ビット | 39.4 GB | 42.6 GB | 64 GB |
| 3ビット 品質低め | 30.6 GB | 33 GB | 48 GB |
| 2ビット 品質低め | 21.9 GB | 23.7 GB | 32 GB |
すべての Apple チップで
各チップで Llama 3.3 70B 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 | 32 GB | 2ビット 遅め | 3–6 |
| M5 Ultra | 96 GB | 4ビット 快適 | 14–24 |
| M5 Max | 64 GB | 4ビット 遅め | 7–12 |
| M5 Pro | 64 GB | 4ビット 遅め | 4–6 |
| M5 | 32 GB | 2ビット 遅め | 3–6 |
| M4 Max | 64 GB | 4ビット 遅め | 6–11 |
| M4 Pro | 64 GB | 4ビット 遅め | 3–6 |
| M4 | 32 GB | 2ビット 遅め | 2–4 |
| M3 Ultra | 96 GB | 6ビット 遅め | 6–12 |
| M3 Max | 64 GB | 4ビット 遅め | 5–8 |
| M3 Pro | 36 GB | 2ビット 遅め | 3–5 |
| M3 | 収まる容量なし | 大きすぎ | – |
| M2 Ultra | 64 GB | 4ビット 遅め | 9–16 |
| M2 Max | 64 GB | 4ビット 遅め | 5–8 |
| M2 Pro | 32 GB | 2ビット 遅め | 4–7 |
| M2 | 収まる容量なし | 大きすぎ | – |
| M1 Ultra | 64 GB | 4ビット 遅め | 9–16 |
| M1 Max | 64 GB | 4ビット 遅め | 5–8 |
| M1 Pro | 32 GB | 2ビット 遅め | 4–7 |
| M1 | 収まる容量なし | 大きすぎ | – |
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 3.3 70B 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-3.3-70B-Instruct-4bitビルド：Hugging Face の mlx-community/Llama-3.3-70B-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 3.3 70B Instruct について
| 開発元 | Meta |
|---|---|
| パラメータ | 70B（Dense） |
| コンテキスト | 128K トークン |
| ライセンス | Llama 3.3 Community License |
| 公開日 | 2024-12 |
| 入力 | テキスト |
| 重み | meta-llama/Llama-3.3-70B-Instruct |
よくある質問
- Llama 3.3 70B Instruct にはどれくらいのメモリが必要？
- 4ビット で重みが約 39.4 GB、これにコンテキスト用の余裕を足して合計 42.6 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 64 GB 以上のユニファイドメモリが必要です。
- Llama 3.3 70B 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 14–24 トークン（4ビット）。動かせる最小構成は 64 GB の M2 Ultra で、毎秒約 9–16 トークンです。
- 量子化で Llama 3.3 70B 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 3.3 70B 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-3.3-70b)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。