प्रत्येक प्रिसिजनला मेमरी
| आवृत्ती | वेट | कॉन्टेक्स्टसह | सर्वात लहान Mac |
|---|---|---|---|
| नेटिव्ह 4.25-बिट | 65.3 GB | 70.5 GB | 96 GB |
| 3-बिट कमी गुणवत्ता | 51.2 GB | 55.3 GB | 96 GB |
| 2-बिट कमी गुणवत्ता | 36.6 GB | 39.5 GB | 64 GB |
प्रत्येक Apple चिपवर
प्रत्येक चिपचा gpt-oss-120b चालवणारा सर्वात लहान मेमरी आकार, त्यात बसणारी सर्वोत्तम आवृत्ती, आणि अपेक्षित लिहिण्याचा वेग.
| चिप | लागते | आवृत्ती | टोकन/सेकंद |
|---|---|---|---|
| M6 | कोणताही आकार बसत नाही | खूप मोठे | – |
| M5 Ultra | 96 GB | नेटिव्ह 4.25-बिट चांगले चालते | 200–356 |
| M5 Max | 128 GB | नेटिव्ह 4.25-बिट चांगले चालते | 102–182 |
| M5 Pro | 64 GB | 2-बिट चांगले चालते | 86–154 |
| M5 | कोणताही आकार बसत नाही | खूप मोठे | – |
| M4 Max | 128 GB | नेटिव्ह 4.25-बिट चांगले चालते | 91–162 |
| M4 Pro | 64 GB | 2-बिट चांगले चालते | 77–137 |
| M4 | कोणताही आकार बसत नाही | खूप मोठे | – |
| M3 Ultra | 96 GB | नेटिव्ह 4.25-बिट चांगले चालते | 137–243 |
| M3 Max | 96 GB | नेटिव्ह 4.25-बिट चांगले चालते | 50–89 |
| M3 Pro | कोणताही आकार बसत नाही | खूप मोठे | – |
| M3 | कोणताही आकार बसत नाही | खूप मोठे | – |
| M2 Ultra | 128 GB | नेटिव्ह 4.25-बिट चांगले चालते | 133–237 |
| M2 Max | 96 GB | नेटिव्ह 4.25-बिट चांगले चालते | 67–119 |
| M2 Pro | कोणताही आकार बसत नाही | खूप मोठे | – |
| M2 | कोणताही आकार बसत नाही | खूप मोठे | – |
| M1 Ultra | 128 GB | नेटिव्ह 4.25-बिट चांगले चालते | 133–237 |
| M1 Max | 64 GB | 2-बिट चांगले चालते | 113–200 |
| M1 Pro | कोणताही आकार बसत नाही | खूप मोठे | – |
| M1 | कोणताही आकार बसत नाही | खूप मोठे | – |
ते कसे चालवायचे
- सोपा मार्ग: MLX Harness डाउनलोड करा, ते मोफत आणि ओपन सोर्स आहे. gpt-oss-120b शोधा, तुमच्या Mac मध्ये बसणारी आवृत्ती डाउनलोड करा, आणि चॅट करा. ते OpenAI-compatible API द्वारे हे मॉडेल तुमच्या इतर ॲप्सनाही देते.MLX Harness डाउनलोड करामोफत · Apple Silicon · macOS 14.5 किंवा नंतरचे
- Terminal मध्ये Apple च्या MLX सह:
pip install mlx-lmmlx_lm.chat --model mlx-community/gpt-oss-120b-MXFP4-Q8बिल्ड: Hugging Face वर mlx-community/gpt-oss-120b-MXFP4-Q8. इतर प्रिसिजन त्याच्याच शेजारी आहेत.
टप्प्याटप्प्याने: Mac वर LLM डाउनलोड करा आणि चालवा · MLX Harness कसे वापरायचे · MLX विरुद्ध Ollama विरुद्ध llama.cpp
gpt-oss-120b बद्दल
| निर्माते | OpenAI |
|---|---|
| पॅरामीटर | 117B एकूण · 5.1B सक्रिय (mixture of experts) |
| कॉन्टेक्स्ट | 128K टोकन |
| परवाना | Apache-2.0 |
| प्रकाशित | 2025-08 |
| इनपुट | मजकूर |
| इंटेलिजन्स | Artificial Analysis Intelligence Index वर 11.6 |
| वेट | openai/gpt-oss-120b |
मार्गदर्शन: mlx.app वर टप्प्याटप्प्याने
प्रश्न
- gpt-oss-120b ला किती मेमरी लागते?
- नेटिव्ह 4.25-बिट ला सुमारे 65.3 GB वेट, शिवाय कॉन्टेक्स्टसाठी जागा: एकूण 70.5 GB. Mac वर याचा अर्थ 96 GB किंवा जास्त युनिफाइड मेमरी, कारण डिफॉल्टनुसार macOS GPU ला त्यापैकी सुमारे 75% वापरू देते.
- Mac वर gpt-oss-120b किती वेगाने चालते?
- लिहिण्याचा वेग मेमरी बँडविड्थवर अवलंबून असतो. यासाठी इथला सर्वात वेगवान Mac 96 GB असलेला M5 Ultra आहे, सेकंदाला सुमारे 200–356 टोकन (नेटिव्ह 4.25-बिट). ते चालवणारा सर्वात लहान Mac, 96 GB असलेला M5 Ultra, सुमारे 200–356 पर्यंत पोहोचतो.
- gpt-oss-120b त्याच्या आकाराच्या मानाने वेगाने का चालते?
- हे mixture-of-experts मॉडेल आहे: ते मेमरीत 117B पॅरामीटर ठेवते, पण प्रत्येक टोकनसाठी फक्त 5.1B वाचते, त्यामुळे ते खूप लहान मॉडेलच्या वेगाने लिहिते.
तत्सम मॉडेल
तुमच्या मॉडेल कार्ड किंवा README साठी
gpt-oss-120b चांगले चालवणारा सर्वात लहान Mac दाखवते आणि इथे लिंक करते.
[](https://mlx.app/run/gpt-oss-120b)हिशोब कसा केला
मेमरी: मॉडेलचे पॅरामीटर प्रति वेट 8, 6, 4, 3 किंवा 2 बिटला, शिवाय MLX चे ग्रुप स्केल (प्रति वेट अर्धा बिट), किंवा त्याचा नेटिव्ह फॉरमॅट, आणि वर कॉन्टेक्स्टसाठी जागा. डिफॉल्टनुसार macOS GPU ला युनिफाइड मेमरीपैकी सुमारे 75% वापरू देते. वेग: मेमरी बँडविड्थला प्रत्येक टोकनसाठी वाचल्या जाणाऱ्या बाइटने भागल्यास एका संभाषणाची कमाल मर्यादा मिळते; llama.cpp च्या सार्वजनिक Apple Silicon बेंचमार्क मध्ये प्रत्यक्ष रन त्याच्या सुमारे 45% ते 80% पर्यंत पोहोचतात, आणि हीच रेंज दाखवली आहे. हे अंदाज आहेत, मोजमाप नाही: तुमचा Mac MLX Bench वर मोजा. मॉडेलचे आकडे प्रत्येक अधिकृत मॉडेल कार्डमधून, चिपचे आकडे Apple च्या Tech Specs मधून. 2026-10-19 रोजी तपासले. mlx.app/compare वरचाच डेटा.