Quanta memória Llama 4 Scout 17B-16E Instruct precisa?

Cerca de 61,3 GB de pesos com 4 bits, mais espaço para o contexto: 66,2 GB no total. No Mac, isso significa 96 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 Scout 17B-16E 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 56–100 tokens por segundo (4 bits). O menor Mac que o roda, com 96 GB, chega a cerca de 56–100 em um M5 Ultra.

Por que Llama 4 Scout 17B-16E Instruct roda mais rápido do que o tamanho sugere?

É um modelo mixture-of-experts: ele mantém 109B parâmetros na memória, mas lê só 17B a cada token, então escreve na velocidade de um modelo bem menor.

Um Mac roda Llama 4 Scout 17B-16E Instruct? Memória e velocidade

Memória em cada precisão

Versão	Pesos	Com contexto	Menor Mac
8 bits	116 GB	125 GB	192 GB
6 bits	88,6 GB	95,7 GB	128 GB
4 bits	61,3 GB	66,2 GB	96 GB
3 bits qualidade menor	47,7 GB	51,5 GB	96 GB
2 bits qualidade menor	34,1 GB	36,8 GB	64 GB

Em cada chip da Apple

O menor tamanho de memória de cada chip que roda Llama 4 Scout 17B-16E 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	96 GB	4 bits Roda bem	56–100
M5 Max	128 GB	6 bits Roda bem	20–36
M5 Pro	64 GB	2 bits Roda bem	26–46
M5	nenhum tamanho serve	Grande demais	–
M4 Max	128 GB	6 bits Roda bem	18–32
M4 Pro	64 GB	2 bits Roda bem	23–41
M4	nenhum tamanho serve	Grande demais	–
M3 Ultra	96 GB	4 bits Roda bem	38–68
M3 Max	96 GB	4 bits Roda bem	14–25
M3 Pro	nenhum tamanho serve	Grande demais	–
M3	nenhum tamanho serve	Grande demais	–
M2 Ultra	128 GB	6 bits Roda bem	26–46
M2 Max	96 GB	4 bits Roda bem	19–33
M2 Pro	nenhum tamanho serve	Grande demais	–
M2	nenhum tamanho serve	Grande demais	–
M1 Ultra	128 GB	6 bits Roda bem	26–46
M1 Max	64 GB	2 bits Roda bem	34–60
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 Scout 17B-16E 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-Scout-17B-16E-Instruct-4bitVersão MLX: mlx-community/Llama-4-Scout-17B-16E-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 Scout 17B-16E Instruct

Criado por	Meta
Parâmetros	109B no total · 17B ativos (mixture-of-experts)
Contexto	10M tokens
Licença	Llama 4 Community License
Lançamento	2025-04
Entrada	Texto e imagens
Inteligência	6,5 no Artificial Analysis Intelligence Index
Pesos	meta-llama/Llama-4-Scout-17B-16E-Instruct

Perguntas

Quanta memória Llama 4 Scout 17B-16E Instruct precisa?: Cerca de 61,3 GB de pesos com 4 bits, mais espaço para o contexto: 66,2 GB no total. No Mac, isso significa 96 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 Scout 17B-16E 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 56–100 tokens por segundo (4 bits). O menor Mac que o roda, com 96 GB, chega a cerca de 56–100 em um M5 Ultra.
Por que Llama 4 Scout 17B-16E Instruct roda mais rápido do que o tamanho sugere?: É um modelo mixture-of-experts: ele mantém 109B parâmetros na memória, mas lê só 17B a cada token, então escreve na velocidade de um modelo bem menor.

Modelos parecidos

Todos os modelos · Todos os Macs · Compare o seu Mac

Para o model card ou o README do seu modelo

Mostra o menor Mac que roda bem Llama 4 Scout 17B-16E Instruct e leva para esta página.

[![Runs on a Mac](https://mlx.app/badge/run/llama-4-scout.svg)](https://mlx.app/run/llama-4-scout)

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.