Pamięć przy każdej precyzji
| Wersja | Wagi | Z kontekstem | Najmniejszy Mac |
|---|---|---|---|
| 8-bit | 130 GB | 140 GB | 192 GB |
| 6-bit | 99,1 GB | 107 GB | 192 GB |
| 4-bit | 68,6 GB | 74,1 GB | 128 GB |
| 3-bit niższa jakość | 53,4 GB | 57,7 GB | 96 GB |
| 2-bit niższa jakość | 38,1 GB | 41,1 GB | 64 GB |
Na każdym układzie Apple
Najmniejsza pamięć każdego układu, na której działa Ornith 1.5 122B, najlepsza wersja, która się mieści, i spodziewana szybkość generowania.
| Układ | Potrzebuje | Wersja | Tokeny/s |
|---|---|---|---|
| M6 | żaden rozmiar nie pasuje | Za duży | – |
| M5 Ultra | 256 GB | 8-bit Działa dobrze | 51–91 |
| M5 Max | 128 GB | 4-bit Działa dobrze | 49–88 |
| M5 Pro | 64 GB | 2-bit Działa dobrze | 45–79 |
| M5 | żaden rozmiar nie pasuje | Za duży | – |
| M4 Max | 128 GB | 4-bit Działa dobrze | 44–78 |
| M4 Pro | 64 GB | 2-bit Działa dobrze | 40–70 |
| M4 | żaden rozmiar nie pasuje | Za duży | – |
| M3 Ultra | 256 GB | 8-bit Działa dobrze | 35–62 |
| M3 Max | 128 GB | 4-bit Działa dobrze | 32–57 |
| M3 Pro | żaden rozmiar nie pasuje | Za duży | – |
| M3 | żaden rozmiar nie pasuje | Za duży | – |
| M2 Ultra | 128 GB | 4-bit Działa dobrze | 64–114 |
| M2 Max | 64 GB | 2-bit Działa dobrze | 58–103 |
| M2 Pro | żaden rozmiar nie pasuje | Za duży | – |
| M2 | żaden rozmiar nie pasuje | Za duży | – |
| M1 Ultra | 128 GB | 4-bit Działa dobrze | 64–114 |
| M1 Max | 64 GB | 2-bit Działa dobrze | 58–103 |
| M1 Pro | żaden rozmiar nie pasuje | Za duży | – |
| M1 | żaden rozmiar nie pasuje | Za duży | – |
Jak go uruchomić
- Najprościej: pobierz MLX Harness, za darmo i z otwartym kodem. Wyszukaj Ornith 1.5 122B, pobierz wersję pasującą do Twojego Maca i rozmawiaj. Aplikacja udostępnia też model innym Twoim aplikacjom przez API zgodne z OpenAI.Pobierz MLX HarnessZa darmo · Apple Silicon · macOS 14.5 lub nowszy
- W Terminalu z MLX od Apple: Nie ma jeszcze wersji MLX od społeczności, więc utwórz ją z oficjalnych wag:
pip install mlx-lmmlx_lm.convert --hf-path ornith-ai/Ornith-1.5-122B -q
Krok po kroku: pobierz i uruchom LLM na Macu · jak używać MLX Harness · MLX, Ollama i llama.cpp
O modelu Ornith 1.5 122B
| Twórca | Ornith AI |
|---|---|
| Parametry | 122B łącznie · 10B aktywnych (mixture of experts) |
| Kontekst | tokeny: 256K |
| Licencja | MIT |
| Wydany | 2026-10 |
| Wejście | Tekst i obrazy |
| Wagi | ornith-ai/Ornith-1.5-122B |
Pytania
- Ile pamięci potrzebuje Ornith 1.5 122B?
- Około 68,6 GB na wagi (4-bit) plus miejsce na kontekst: łącznie 74,1 GB. Na Macu oznacza to 128 GB pamięci zunifikowanej lub więcej, bo macOS domyślnie pozwala GPU używać około 75% pamięci.
- Jak szybko działa Ornith 1.5 122B na Macu?
- Szybkość generowania zależy od przepustowości pamięci. Najszybszy Mac dla tego modelu to M2 Ultra z 128 GB: około 64–114 tokenów na sekundę (4-bit). Najmniejszy Mac, który go uruchomi, M2 Ultra z 128 GB, osiąga około 64–114.
- Dlaczego Ornith 1.5 122B działa szybciej, niż wskazuje jego rozmiar?
- To model mixture-of-experts: trzyma w pamięci 122B parametrów, ale dla każdego tokenu odczytuje tylko 10B, więc generuje z szybkością znacznie mniejszego modelu.
Podobne modele
Do karty modelu lub README
Pokazuje najmniejszego Maca, na którym Ornith 1.5 122B działa dobrze, i prowadzi tutaj.
[](https://mlx.app/run/ornith-1.5-122b)Jak to liczymy
Pamięć: parametry modelu przy 8, 6, 4, 3 lub 2 bitach na wagę plus skale grup MLX (pół bita na wagę) albo jego natywny format, a do tego miejsce na kontekst. Domyślnie macOS pozwala GPU używać około 75% pamięci zunifikowanej. Szybkość: przepustowość pamięci podzielona przez liczbę bajtów odczytywanych na token to górna granica dla jednej rozmowy; w publicznych testach llama.cpp na Apple Silicon rzeczywiste uruchomienia osiągają od około 45% do 80% tej wartości i właśnie ten zakres pokazujemy. To szacunki, nie pomiary: zmierz swojego Maca w MLX Bench. Dane modeli pochodzą z oficjalnych kart modeli, dane układów ze specyfikacji technicznych Apple. Sprawdzono 2026-10-19. Te same dane co na mlx.app/compare.