Memória em cada precisão
| Versão | Pesos | Com contexto | Menor Mac |
|---|---|---|---|
| 8 bits | 74,4 GB | 80,4 GB | 128 GB |
| 6 bits | 56,9 GB | 61,5 GB | 96 GB |
| 4 bits | 39,4 GB | 42,6 GB | 64 GB |
| 3 bits qualidade menor | 30,6 GB | 33 GB | 48 GB |
| 2 bits qualidade menor | 21,9 GB | 23,7 GB | 32 GB |
Em cada chip da Apple
O menor tamanho de memória de cada chip que roda Llama 3.3 70B Instruct, a melhor versão que cabe e a velocidade de escrita que você pode esperar.
| Chip | Precisa | Versão | Tokens/s |
|---|---|---|---|
| M6 | 32 GB | 2 bits Lento | 3–6 |
| M5 Ultra | 96 GB | 4 bits Roda bem | 14–24 |
| M5 Max | 64 GB | 4 bits Lento | 7–12 |
| M5 Pro | 64 GB | 4 bits Lento | 4–6 |
| M5 | 32 GB | 2 bits Lento | 3–6 |
| M4 Max | 64 GB | 4 bits Lento | 6–11 |
| M4 Pro | 64 GB | 4 bits Lento | 3–6 |
| M4 | 32 GB | 2 bits Lento | 2–4 |
| M3 Ultra | 96 GB | 6 bits Lento | 6–12 |
| M3 Max | 64 GB | 4 bits Lento | 5–8 |
| M3 Pro | 36 GB | 2 bits Lento | 3–5 |
| M3 | nenhum tamanho serve | Grande demais | – |
| M2 Ultra | 64 GB | 4 bits Lento | 9–16 |
| M2 Max | 64 GB | 4 bits Lento | 5–8 |
| M2 Pro | 32 GB | 2 bits Lento | 4–7 |
| M2 | nenhum tamanho serve | Grande demais | – |
| M1 Ultra | 64 GB | 4 bits Lento | 9–16 |
| M1 Max | 64 GB | 4 bits Lento | 5–8 |
| M1 Pro | 32 GB | 2 bits Lento | 4–7 |
| M1 | nenhum tamanho serve | Grande demais | – |
Como rodar
- O jeito fácil: baixe o MLX Harness, grátis e open source. Procure Llama 3.3 70B 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-3.3-70B-Instruct-4bitVersão MLX: mlx-community/Llama-3.3-70B-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 3.3 70B Instruct
| Criado por | Meta |
|---|---|
| Parâmetros | 70B (denso) |
| Contexto | 128K tokens |
| Licença | Llama 3.3 Community License |
| Lançamento | 2024-12 |
| Entrada | Texto |
| Pesos | meta-llama/Llama-3.3-70B-Instruct |
Perguntas
- Quanta memória Llama 3.3 70B Instruct precisa?
- Cerca de 39,4 GB de pesos com 4 bits, mais espaço para o contexto: 42,6 GB no total. No Mac, isso significa 64 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 3.3 70B 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 14–24 tokens por segundo (4 bits). O menor Mac que o roda, com 64 GB, chega a cerca de 9–16 em um M2 Ultra.
- A quantização prejudica Llama 3.3 70B 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 3.3 70B Instruct e leva para esta página.
[](https://mlx.app/run/llama-3.3-70b)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.