Memória em cada precisão
| Versão | Pesos | Com contexto | Menor Mac |
|---|---|---|---|
| 8 bits | 425 GB | 459 GB | mais que qualquer Mac |
| 6 bits | 325 GB | 351 GB | 512 GB |
| 4 bits | 225 GB | 243 GB | 512 GB |
| 3 bits qualidade menor | 175 GB | 189 GB | 256 GB |
| 2 bits qualidade menor | 125 GB | 135 GB | 192 GB |
Em cada chip da Apple
O menor tamanho de memória de cada chip que roda Llama 4 Maverick 17B-128E Instruct, a melhor versão que cabe e a velocidade de escrita que você pode esperar.
| Chip | Precisa | Versão | Tokens/s |
|---|---|---|---|
| M6 | nenhum tamanho serve | Grande demais | – |
| M5 Ultra | 512 GB | 6 bits Roda bem | 39–70 |
| M5 Max | nenhum tamanho serve | Grande demais | – |
| M5 Pro | nenhum tamanho serve | Grande demais | – |
| M5 | nenhum tamanho serve | Grande demais | – |
| M4 Max | nenhum tamanho serve | Grande demais | – |
| M4 Pro | nenhum tamanho serve | Grande demais | – |
| M4 | nenhum tamanho serve | Grande demais | – |
| M3 Ultra | 512 GB | 6 bits Roda bem | 27–47 |
| M3 Max | nenhum tamanho serve | Grande demais | – |
| M3 Pro | nenhum tamanho serve | Grande demais | – |
| M3 | nenhum tamanho serve | Grande demais | – |
| M2 Ultra | 192 GB | 2 bits Roda bem | 68–121 |
| M2 Max | nenhum tamanho serve | Grande demais | – |
| M2 Pro | nenhum tamanho serve | Grande demais | – |
| M2 | nenhum tamanho serve | Grande demais | – |
| M1 Ultra | nenhum tamanho serve | Grande demais | – |
| M1 Max | nenhum tamanho serve | Grande demais | – |
| M1 Pro | nenhum tamanho serve | Grande demais | – |
| M1 | nenhum tamanho serve | Grande demais | – |
Como rodar
- O jeito fácil: baixe o MLX Harness, grátis e open source. Procure Llama 4 Maverick 17B-128E 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-4-Maverick-17B-128E-Instruct-4bitVersão MLX: mlx-community/Llama-4-Maverick-17B-128E-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 4 Maverick 17B-128E Instruct
| Criado por | Meta |
|---|---|
| Parâmetros | 400B no total · 17B ativos (mixture-of-experts) |
| Contexto | 1M tokens |
| Licença | Llama 4 Community License |
| Lançamento | 2025-04 |
| Entrada | Texto e imagens |
| Inteligência | 9,3 no Artificial Analysis Intelligence Index |
| Pesos | meta-llama/Llama-4-Maverick-17B-128E-Instruct |
Perguntas
- Quanta memória Llama 4 Maverick 17B-128E Instruct precisa?
- Cerca de 225 GB de pesos com 4 bits, mais espaço para o contexto: 243 GB no total. No Mac, isso significa 512 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 4 Maverick 17B-128E 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 512 GB, a cerca de 39–70 tokens por segundo (6 bits). O menor Mac que o roda, com 512 GB, chega a cerca de 39–70 em um M5 Ultra.
- Por que Llama 4 Maverick 17B-128E Instruct roda mais rápido do que o tamanho sugere?
- É um modelo mixture-of-experts: ele mantém 400B parâmetros na memória, mas lê só 17B a cada token, então escreve na velocidade de um modelo bem menor.
Modelos parecidos
Para o model card ou o README do seu modelo
Mostra o menor Mac que roda bem Llama 4 Maverick 17B-128E Instruct e leva para esta página.
[](https://mlx.app/run/llama-4-maverick)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.