Сколько памяти нужно модели Nemotron 3.5 Bolt 74B A9B?

Около 41,6 ГБ на веса (4 бит) плюс место для контекста: всего 44,9 ГБ. На Mac это значит 64 ГБ объединенной памяти или больше, ведь по умолчанию macOS отдает GPU около 75% памяти.

Насколько быстро Nemotron 3.5 Bolt 74B A9B работает на Mac?

Скорость генерации зависит от пропускной способности памяти. Самый быстрый Mac для нее здесь — M5 Ultra с 96 ГБ: около 74–132 токенов в секунду (6 бит). Минимальный Mac, который ее запускает, — M2 Ultra с 64 ГБ — выдает около 71–125.

Почему Nemotron 3.5 Bolt 74B A9B работает быстрее, чем можно ожидать по размеру?

Это модель mixture-of-experts: она держит в памяти 74B параметров, но на каждый токен читает только 9B, поэтому пишет со скоростью гораздо меньшей модели.

Запустится ли Nemotron 3.5 Bolt 74B A9B на Mac? Память, скорость

Память при каждой точности

Версия	Веса	С контекстом	Минимальный Mac
8 бит	78,6 ГБ	84,9 ГБ	128 ГБ
6 бит	60,1 ГБ	64,9 ГБ	96 ГБ
4 бит	41,6 ГБ	44,9 ГБ	64 ГБ
3 бит ниже качество	32,4 ГБ	35 ГБ	48 ГБ
2 бит ниже качество	23,1 ГБ	24,9 ГБ	36 ГБ

На каждом чипе Apple

Минимальный объем памяти каждого чипа, на котором запускается Nemotron 3.5 Bolt 74B A9B, лучшая версия, которая помещается, и ожидаемая скорость генерации.

Чип	Нужно	Версия	Токенов/с
M6	32 ГБ	2 бит Еле помещается	27–49
M5 Ultra	96 ГБ	6 бит Работает хорошо	74–132
M5 Max	64 ГБ	4 бит Работает хорошо	54–96
M5 Pro	64 ГБ	4 бит Работает хорошо	27–48
M5	32 ГБ	2 бит Еле помещается	25–44
M4 Max	64 ГБ	4 бит Работает хорошо	48–86
M4 Pro	64 ГБ	4 бит Работает хорошо	24–43
M4	32 ГБ	2 бит Еле помещается	19–34
M3 Ultra	96 ГБ	6 бит Работает хорошо	50–90
M3 Max	64 ГБ	4 бит Работает хорошо	35–63
M3 Pro	36 ГБ	2 бит Работает хорошо	24–43
M3	ни один объем не подходит	Слишком большая	–
M2 Ultra	64 ГБ	4 бит Работает хорошо	71–125
M2 Max	64 ГБ	4 бит Работает хорошо	35–63
M2 Pro	32 ГБ	2 бит Еле помещается	32–57
M2	ни один объем не подходит	Слишком большая	–
M1 Ultra	64 ГБ	4 бит Работает хорошо	71–125
M1 Max	64 ГБ	4 бит Работает хорошо	35–63
M1 Pro	32 ГБ	2 бит Еле помещается	32–57
M1	ни один объем не подходит	Слишком большая	–

Как запустить

Самый простой способ: скачайте MLX Harness — бесплатно и с открытым кодом. Найдите Nemotron 3.5 Bolt 74B A9B, 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: Готовой сборки MLX от сообщества пока нет, поэтому создайте ее из официальных весов:pip install mlx-lmmlx_lm.convert --hf-path nvidia/NVIDIA-Nemotron-3.5-Bolt-74B-A9B-BF16 -q

Пошагово: скачать и запустить LLM на Mac · как пользоваться MLX Harness · MLX, Ollama и llama.cpp

О модели Nemotron 3.5 Bolt 74B A9B

Разработчик	NVIDIA
Параметры	74B всего · 9B активных (mixture of experts)
Контекст	токенов: 256K
Лицензия	OpenMDW-1.1
Выпуск	2026-10
Ввод	Текст и изображения
Интеллект	21,4 в Artificial Analysis Intelligence Index
Веса	nvidia/NVIDIA-Nemotron-3.5-Bolt-74B-A9B-BF16

Вопросы

Сколько памяти нужно модели Nemotron 3.5 Bolt 74B A9B?: Около 41,6 ГБ на веса (4 бит) плюс место для контекста: всего 44,9 ГБ. На Mac это значит 64 ГБ объединенной памяти или больше, ведь по умолчанию macOS отдает GPU около 75% памяти.
Насколько быстро Nemotron 3.5 Bolt 74B A9B работает на Mac?: Скорость генерации зависит от пропускной способности памяти. Самый быстрый Mac для нее здесь — M5 Ultra с 96 ГБ: около 74–132 токенов в секунду (6 бит). Минимальный Mac, который ее запускает, — M2 Ultra с 64 ГБ — выдает около 71–125.
Почему Nemotron 3.5 Bolt 74B A9B работает быстрее, чем можно ожидать по размеру?: Это модель mixture-of-experts: она держит в памяти 74B параметров, но на каждый токен читает только 9B, поэтому пишет со скоростью гораздо меньшей модели.

Для карточки модели или README

Показывает минимальный Mac, на котором Nemotron 3.5 Bolt 74B A9B хорошо работает, и ведет сюда.

[![Runs on a Mac](https://mlx.app/badge/run/nemotron-3.5-bolt-74b-a9b.svg)](https://mlx.app/run/nemotron-3.5-bolt-74b-a9b)

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.