O M2 Ultra roda um modelo de 70B?

Sim. Um modelo de 70B em 4 bits precisa de cerca de 40 GB, e o M2 Ultra tem até 192 GB. Espere um teto de cerca de 20 tokens por segundo para um chat.

Quantos tokens por segundo o M2 Ultra alcança?

Para um modelo de 8B em 4 bits, o teto é de cerca de 178 tokens por segundo, e na prática se chega a algo entre metade e quatro quintos disso. Modelos maiores são proporcionalmente mais lentos.

O M2 Ultra é bom para IA?

Para rodar modelos localmente, memória e largura de banda são o que mais importa. O M2 Ultra tem até 192 GB a 800 GB/s, o suficiente para modelos de até cerca de 256 bilhões de parâmetros. Ele também pode ganhar executando trabalho de IA para a MLX Network com o MLX Node.

M2 Ultra para LLMs locais: memória, velocidade e o que cabe

1As especificações que importam para IA

Memória unificada	192 GB
Largura de banda da memória	800 GB/s
Presente em	Mac Studio (2023), Mac Pro (2023)
Vaga dedicada para ele	Vaga Ultra: minera até 320 MLX por dia

2Quais modelos cabem

Com 4 bits por peso, um modelo precisa de pouco mais de meio gigabyte por bilhão de parâmetros, mais espaço para o contexto e para o macOS. Com 192 GB, o M2 Ultra comporta com folga modelos de até cerca de 256 bilhões de parâmetros.

Modelo em 4 bits	Memória necessária	Cabe no M2 Ultra
Modelo de 8B	4,5 GB	Sim
Modelo de 14B	7,9 GB	Sim
Modelo de 32B	18 GB	Sim
Modelo de 70B	39,4 GB	Sim
gpt-oss-120b, mixture-of-experts	65 GB	Sim
Qwen3.5-397B-A17B, mixture-of-experts	223,3 GB	Não
DeepSeek-V4.1-Flash, mixture-of-experts	316 GB	Não

3Qual a velocidade

Gerar texto é limitado pela largura de banda da memória: cada novo token lê uma vez os pesos ativos do modelo. Dividindo os 800 GB/s do M2 Ultra pelos bytes lidos por token, chega-se ao teto abaixo. Na prática, costuma-se atingir de 45% a 80% dele (benchmarks do llama.cpp).

Modelo em 4 bits	Lido por token	Teto para um chat
Modelo de 8B	4,5 GB	178 tokens/s
Modelo de 14B	7,9 GB	101 tokens/s
Modelo de 32B	18 GB	44 tokens/s
Modelo de 70B	39,4 GB	20 tokens/s
gpt-oss-120b, mixture-of-experts	2,7 GB	296 tokens/s

5Compare com outros chips

6Perguntas

O M2 Ultra roda um modelo de 70B?: Sim. Um modelo de 70B em 4 bits precisa de cerca de 40 GB, e o M2 Ultra tem até 192 GB. Espere um teto de cerca de 20 tokens por segundo para um chat.
Quantos tokens por segundo o M2 Ultra alcança?: Para um modelo de 8B em 4 bits, o teto é de cerca de 178 tokens por segundo, e na prática se chega a algo entre metade e quatro quintos disso. Modelos maiores são proporcionalmente mais lentos.
O M2 Ultra é bom para IA?: Para rodar modelos localmente, memória e largura de banda são o que mais importa. O M2 Ultra tem até 192 GB a 800 GB/s, o suficiente para modelos de até cerca de 256 bilhões de parâmetros. Ele também pode ganhar executando trabalho de IA para a MLX Network com o MLX Node.

Fontes

Apple: M2 Ultraapple.com
llama.cpp: Apple Silicon benchmarksgithub.com