1Parametry, które liczą się w AI
| Pamięć zunifikowana | 16 GB |
|---|---|
| Przepustowość pamięci | 68 GB/s |
| Występuje w | MacBook Air (2020), 13-inch MacBook Pro (2020), Mac mini (2020), iMac (2021) |
| Dedykowane miejsce dla niego | Miejsce Core: wydobywa do 20 MLX dziennie |
2Które modele się zmieszczą
Przy 4 bitach na wagę model potrzebuje nieco ponad pół gigabajta na każdy miliard parametrów, plus miejsca na kontekst i macOS. Mając do dyspozycji 16 GB, układ M1 swobodnie mieści modele do około 21 mld parametrów.
| Model w 4 bitach | Potrzebna pamięć | Mieści się w układzie M1 |
|---|---|---|
| Model 8B | 4,5 GB | Tak |
| Model 14B | 7,9 GB | Tak |
| Model 32B | 18 GB | Nie |
| Model 70B | 39,4 GB | Nie |
| gpt-oss-120b, mixture-of-experts | 65 GB | Nie |
| Qwen3.5-397B-A17B, mixture-of-experts | 223,3 GB | Nie |
| DeepSeek-V4.1-Flash, mixture-of-experts | 316 GB | Nie |
3Jak szybko działa
Pisanie tekstu ogranicza przepustowość pamięci: każdy nowy token to jednokrotny odczyt aktywnych wag modelu. Dzieląc 68 GB/s układu M1 przez liczbę bajtów odczytywanych na token, otrzymujemy pułap podany niżej. W praktyce osiąga się zwykle od 45% do 80% tej wartości (benchmarki llama.cpp).
| Model w 4 bitach | Odczyt na token | Pułap dla jednej rozmowy |
|---|---|---|
| Model 8B | 4,5 GB | 15 tok/s |
| Model 14B | 7,9 GB | 9 tok/s |
5Porównaj z innymi układami
6Pytania
- Czy układ M1 uruchomi model 70B?
- Nie swobodnie. Model 70B w 4 bitach potrzebuje około 40 GB, a układ M1 ma najwyżej 16 GB. Dobrze mieszczą się modele do około 21 mld parametrów.
- Ile tokenów na sekundę osiąga układ M1?
- Dla modelu 8B w 4 bitach pułap wynosi około 15 tokenów na sekundę, a w praktyce osiąga się mniej więcej od połowy do czterech piątych tej wartości. Większe modele są proporcjonalnie wolniejsze.
- Czy układ M1 nadaje się do AI?
- Przy lokalnym uruchamianiu modeli najważniejsze są pamięć i przepustowość. Układ M1 ma do 16 GB przy 68 GB/s, co wystarcza na modele do około 21 mld parametrów. Może też zarabiać, wykonując pracę AI dla MLX Network w MLX Node.
Źródła
- Apple: M1apple.com
- llama.cpp: Apple Silicon benchmarksgithub.com