Memória em cada precisão
| Versão | Pesos | Com contexto | Menor Mac |
|---|---|---|---|
| 8 bits | 3,4 GB | 4,9 GB | 8 GB |
| 6 bits | 2,6 GB | 4,1 GB | 8 GB |
| 4 bits | 1,8 GB | 3,3 GB | 8 GB |
| 3 bits qualidade menor | 1,4 GB | 2,9 GB | 8 GB |
| 2 bits qualidade menor | 1 GB | 2,5 GB | 8 GB |
Em cada chip da Apple
O menor tamanho de memória de cada chip que roda Llama 3.2 3B Instruct, a melhor versão que cabe e a velocidade de escrita que você pode esperar.
| Chip | Precisa | Versão | Tokens/s |
|---|---|---|---|
| M6 | 16 GB | 8 bits Roda bem | 20–36 |
| M5 Ultra | 96 GB | 8 bits Roda bem | 159–282 |
| M5 Max | 36 GB | 8 bits Roda bem | 61–108 |
| M5 Pro | 24 GB | 8 bits Roda bem | 41–72 |
| M5 | 16 GB | 8 bits Roda bem | 20–36 |
| M4 Max | 36 GB | 8 bits Roda bem | 54–96 |
| M4 Pro | 24 GB | 8 bits Roda bem | 36–64 |
| M4 | 16 GB | 8 bits Roda bem | 16–28 |
| M3 Ultra | 96 GB | 8 bits Roda bem | 108–193 |
| M3 Max | 36 GB | 8 bits Roda bem | 40–71 |
| M3 Pro | 18 GB | 8 bits Roda bem | 20–35 |
| M3 | 8 GB | 8 bits Roda bem | 13–24 |
| M2 Ultra | 64 GB | 8 bits Roda bem | 106–188 |
| M2 Max | 32 GB | 8 bits Roda bem | 53–94 |
| M2 Pro | 16 GB | 8 bits Roda bem | 26–47 |
| M2 | 8 GB | 8 bits Roda bem | 13–24 |
| M1 Ultra | 64 GB | 8 bits Roda bem | 106–188 |
| M1 Max | 32 GB | 8 bits Roda bem | 53–94 |
| M1 Pro | 16 GB | 8 bits Roda bem | 26–47 |
| M1 | 8 GB | 6 bits Roda bem | 12–21 |
Como rodar
- O jeito fácil: baixe o MLX Harness, grátis e open source. Procure Llama 3.2 3B Instruct, baixe a versão que cabe no seu Mac e comece a conversar. O MLX Harness também disponibiliza o modelo para os seus outros apps por uma API compatível com a OpenAI.Baixe o MLX HarnessGrátis · Apple Silicon · macOS 14.5 ou posterior
- No Terminal, com o MLX da Apple:
pip install mlx-lmmlx_lm.chat --model mlx-community/Llama-3.2-3B-Instruct-4bitVersão MLX: mlx-community/Llama-3.2-3B-Instruct-4bit no Hugging Face. As outras precisões ficam logo ao lado.
Passo a passo: baixar e rodar LLMs no Mac · como usar o MLX Harness · MLX vs Ollama vs llama.cpp
Sobre Llama 3.2 3B Instruct
| Criado por | Meta |
|---|---|
| Parâmetros | 3,21B (denso) |
| Contexto | 128K tokens |
| Licença | Llama 3.2 Community License |
| Lançamento | 2024-09 |
| Entrada | Texto |
| Pesos | meta-llama/Llama-3.2-3B-Instruct |
Perguntas
- Quanta memória Llama 3.2 3B Instruct precisa?
- Cerca de 1,8 GB de pesos com 4 bits, mais espaço para o contexto: 3,3 GB no total. No Mac, isso significa 8 GB de memória unificada ou mais, já que o macOS deixa a GPU usar cerca de 75% dela por padrão.
- Qual é a velocidade de Llama 3.2 3B Instruct no Mac?
- A velocidade de escrita depende da largura de banda da memória. Aqui, o Mac mais rápido para ele é um M5 Ultra com 96 GB, a cerca de 159–282 tokens por segundo (8 bits). O menor Mac que o roda, com 8 GB, chega a cerca de 13–24 em um M3.
- A quantização prejudica Llama 3.2 3B Instruct?
- Com 4 bits, a maioria dos modelos fica perto da qualidade original; abaixo de 4 bits, a qualidade cai mais rápido. Escolha a maior precisão que cabe no seu Mac com folga.
Modelos parecidos
Para o model card ou o README do seu modelo
Mostra o menor Mac que roda bem Llama 3.2 3B Instruct e leva para esta página.
[](https://mlx.app/run/llama-3.2-3b)Como é calculado
Memória: os parâmetros do modelo com 8, 6, 4, 3 ou 2 bits por peso, mais as escalas por grupo do MLX (meio bit por peso), ou o formato nativo do modelo, com espaço extra para o contexto. Por padrão, o macOS deixa a GPU usar cerca de 75% da memória unificada. Velocidade: a largura de banda da memória dividida pelos bytes lidos por token é o teto para uma conversa; nos benchmarks públicos de Apple Silicon do llama.cpp, execuções reais chegam a cerca de 45% a 80% desse teto, que é a faixa mostrada. São estimativas, não medições: meça o seu Mac no MLX Bench. Dados dos modelos tirados de cada model card oficial; dados dos chips, das especificações técnicas da Apple. Verificado em 2026-10-19. Os mesmos dados de mlx.app/compare.