Память при каждой точности
| Версия | Веса | С контекстом | Минимальный Mac |
|---|---|---|---|
| 8 бит | 74,4 ГБ | 80,4 ГБ | 128 ГБ |
| 6 бит | 56,9 ГБ | 61,5 ГБ | 96 ГБ |
| 4 бит | 39,4 ГБ | 42,6 ГБ | 64 ГБ |
| 3 бит ниже качество | 30,6 ГБ | 33 ГБ | 48 ГБ |
| 2 бит ниже качество | 21,9 ГБ | 23,7 ГБ | 32 ГБ |
На каждом чипе Apple
Минимальный объем памяти каждого чипа, на котором запускается Llama 3.3 70B Instruct, лучшая версия, которая помещается, и ожидаемая скорость генерации.
| Чип | Нужно | Версия | Токенов/с |
|---|---|---|---|
| M6 | 32 ГБ | 2 бит Медленно | 3–6 |
| M5 Ultra | 96 ГБ | 4 бит Работает хорошо | 14–24 |
| M5 Max | 64 ГБ | 4 бит Медленно | 7–12 |
| M5 Pro | 64 ГБ | 4 бит Медленно | 4–6 |
| M5 | 32 ГБ | 2 бит Медленно | 3–6 |
| M4 Max | 64 ГБ | 4 бит Медленно | 6–11 |
| M4 Pro | 64 ГБ | 4 бит Медленно | 3–6 |
| M4 | 32 ГБ | 2 бит Медленно | 2–4 |
| M3 Ultra | 96 ГБ | 6 бит Медленно | 6–12 |
| M3 Max | 64 ГБ | 4 бит Медленно | 5–8 |
| M3 Pro | 36 ГБ | 2 бит Медленно | 3–5 |
| M3 | ни один объем не подходит | Слишком большая | – |
| M2 Ultra | 64 ГБ | 4 бит Медленно | 9–16 |
| M2 Max | 64 ГБ | 4 бит Медленно | 5–8 |
| M2 Pro | 32 ГБ | 2 бит Медленно | 4–7 |
| M2 | ни один объем не подходит | Слишком большая | – |
| M1 Ultra | 64 ГБ | 4 бит Медленно | 9–16 |
| M1 Max | 64 ГБ | 4 бит Медленно | 5–8 |
| M1 Pro | 32 ГБ | 2 бит Медленно | 4–7 |
| M1 | ни один объем не подходит | Слишком большая | – |
Как запустить
- Самый простой способ: скачайте MLX Harness — бесплатно и с открытым кодом. Найдите Llama 3.3 70B Instruct, скачайте версию, которая подходит вашему Mac, и общайтесь. Приложение также отдает модель другим вашим программам через API, совместимый с OpenAI.Скачать MLX HarnessБесплатно · Apple Silicon · macOS 14.5 или новее
- В Терминале с MLX от Apple:
pip install mlx-lmmlx_lm.chat --model mlx-community/Llama-3.3-70B-Instruct-4bitСборка: mlx-community/Llama-3.3-70B-Instruct-4bit на Hugging Face. Рядом лежат версии с другой точностью.
Пошагово: скачать и запустить LLM на Mac · как пользоваться MLX Harness · MLX, Ollama и llama.cpp
О модели Llama 3.3 70B Instruct
| Разработчик | Meta |
|---|---|
| Параметры | 70B (плотная) |
| Контекст | токенов: 128K |
| Лицензия | Llama 3.3 Community License |
| Выпуск | 2024-12 |
| Ввод | Текст |
| Веса | meta-llama/Llama-3.3-70B-Instruct |
Вопросы
- Сколько памяти нужно модели Llama 3.3 70B Instruct?
- Около 39,4 ГБ на веса (4 бит) плюс место для контекста: всего 42,6 ГБ. На Mac это значит 64 ГБ объединенной памяти или больше, ведь по умолчанию macOS отдает GPU около 75% памяти.
- Насколько быстро Llama 3.3 70B Instruct работает на Mac?
- Скорость генерации зависит от пропускной способности памяти. Самый быстрый Mac для нее здесь — M5 Ultra с 96 ГБ: около 14–24 токенов в секунду (4 бит). Минимальный Mac, который ее запускает, — M2 Ultra с 64 ГБ — выдает около 9–16.
- Ухудшает ли квантование Llama 3.3 70B Instruct?
- При 4 битах большинство моделей остаются близки к исходному качеству; ниже 4 бит качество падает быстрее. Выбирайте максимальную точность, которая помещается в ваш Mac с запасом.
Похожие модели
Для карточки модели или README
Показывает минимальный Mac, на котором Llama 3.3 70B Instruct хорошо работает, и ведет сюда.
[](https://mlx.app/run/llama-3.3-70b)Как это рассчитано
Память: параметры модели при 8, 6, 4, 3 или 2 битах на вес плюс групповые масштабы MLX (полбита на вес) или ее нативный формат, а сверху — место для контекста. По умолчанию macOS отдает GPU около 75% объединенной памяти. Скорость: пропускная способность памяти, деленная на число байтов, читаемых на каждый токен, — это потолок для одного диалога; в публичных тестах llama.cpp на Apple Silicon реальные запуски достигают примерно 45–80% от него, и показан именно этот диапазон. Это оценки, а не измерения: измерьте свой Mac в MLX Bench. Данные моделей — из официальных карточек моделей, данные чипов — из технических характеристик Apple. Проверено 2026-10-19. Те же данные, что и на mlx.app/compare.