लोकल AI साठी M1.

M1 मध्ये 16 GB पर्यंत युनिफाइड मेमरी आहे, जी 68 GB/s पर्यंतच्या वेगाने वाचली जाते. ही चिप असलेल्या Mac वर लँग्वेज मॉडेल चालवण्यासाठी याचा अर्थ काय, ते इथे Apple च्याच आकड्यांवरून काढले आहे.

1AI साठी महत्त्वाचे स्पेक्स

युनिफाइड मेमरी16 GB
मेमरी बँडविड्थ68 GB/s
या Mac मध्येMacBook Air (2020), 13-inch MacBook Pro (2020), Mac mini (2020), iMac (2021)
यासाठी समर्पित सीटCore सीट: दिवसाला 20 MLX पर्यंत माइन करते

2कोणती मॉडेल बसतात

प्रति वेट 4 बिटवर मॉडेलला प्रत्येक अब्ज पॅरामीटरसाठी अर्ध्या गिगाबाइटपेक्षा थोडी जास्त मेमरी लागते, शिवाय कॉन्टेक्स्ट आणि macOS साठी जागा. 16 GB सह M1 वर सुमारे 21 अब्ज पॅरामीटरपर्यंतची मॉडेल आरामात चालतात.

4-बिट मॉडेललागणारी मेमरीM1 वर बसते का
8B मॉडेल4.5 GBहो
14B मॉडेल7.9 GBहो
32B मॉडेल18 GBनाही
70B मॉडेल39.4 GBनाही
gpt-oss-120b, मिक्स्चर-ऑफ-एक्सपर्ट्स65 GBनाही
Qwen3.5-397B-A17B, मिक्स्चर-ऑफ-एक्सपर्ट्स223.3 GBनाही
DeepSeek-V4.1-Flash, मिक्स्चर-ऑफ-एक्सपर्ट्स316 GBनाही

3वेग किती मिळतो

मजकूर लिहिण्याचा वेग मेमरी बँडविड्थमुळे मर्यादित असतो: प्रत्येक नवीन टोकनसाठी मॉडेलचे सक्रिय वेट एकदा वाचले जातात. M1 ची 68 GB/s बँडविड्थ प्रति टोकन वाचल्या जाणाऱ्या बाइट्सने भागल्यावर खालील मर्यादा मिळते. प्रत्यक्ष रन सहसा तिच्या सुमारे 45% ते 80% पर्यंत पोहोचतात (llama.cpp बेंचमार्क).

4-बिट मॉडेलप्रति टोकन वाचलेला डेटाएका चॅटची मर्यादा
8B मॉडेल4.5 GB15 टोकन/सेकंद
14B मॉडेल7.9 GB9 टोकन/सेकंद

5इतर चिपशी तुलना करा

6प्रश्न

M1 वर 70B मॉडेल चालू शकते का?
आरामात नाही. 4-बिटवर 70B मॉडेलला सुमारे 40 GB लागतात, आणि M1 मध्ये जास्तीत जास्त 16 GB आहे. सुमारे 21B पॅरामीटरपर्यंतची मॉडेल चांगली बसतात.
M1 वर प्रति सेकंद किती टोकन मिळतात?
4-बिटवरील 8B मॉडेलसाठी मर्यादा सुमारे 15 टोकन प्रति सेकंद आहे, आणि प्रत्यक्ष रन तिच्या साधारण निम्म्यापासून चार-पंचमांशपर्यंत पोहोचतात. मोठी मॉडेल त्याच प्रमाणात हळू चालतात.
AI साठी M1 चांगला पर्याय आहे का?
मॉडेल लोकल चालवण्यासाठी मेमरी आणि बँडविड्थ सर्वात महत्त्वाच्या असतात. M1 मध्ये 68 GB/s वेगाने 16 GB पर्यंत मेमरी आहे, जी सुमारे 21 अब्ज पॅरामीटरपर्यंतच्या मॉडेलसाठी पुरेशी आहे. MLX Node वापरून MLX Network चे AI जॉब चालवून यातून कमाईही करता येते.

स्रोत

  1. Apple: M1apple.com
  2. llama.cpp: Apple Silicon benchmarksgithub.com
लोकल LLM साठी M1: मेमरी, वेग आणि कोणती मॉडेल चालतील | MLX