ఓపెన్ డేటా.

mlx.app/compare వెనుక ఉన్న డేటాను ఉచితంగా డౌన్‌లోడ్ చేయండి: 58 Apple Silicon Mac కాన్ఫిగరేషన్లు, 83 ఓపెన్ AI మోడళ్లు, ఏ మోడల్ ఏ Mac‌పై ఎంత వేగంగా రన్ అవుతుందో చూపే 4,756 వరుసల పట్టిక. JSON మరియు CSV, CC BY 4.0, ప్రతి సంఖ్యకూ మూలం ఉంది.

నవీకరణ · వెర్షన్ 2026-10-19

Mac కాన్ఫిగరేషన్లు58వరుసలు · JSON మరియు CSVఓపెన్ AI మోడళ్లు83వరుసలు · JSON మరియు CSVఏది ఎక్కడ రన్ అవుతుంది4,756వరుసలు · JSON మరియు CSV

Apple Silicon Mac కాన్ఫిగరేషన్లు

M1 నుండి M6 వరకు ప్రతి Apple Silicon చిప్, Apple అమ్మే ప్రతి మెమరీ పరిమాణంతో: యూనిఫైడ్ మెమరీ, మెమరీ బ్యాండ్‌విడ్త్, GPU కోర్ ఎంపికలు, ఆ చిప్ ఉన్న Macలు. Apple టెక్ స్పెక్స్ పేజీల నుండి చదివినవి, ప్రతి వరుసకూ మూలంతో. సైట్‌లో: ప్రతి Mac.

14 నిలువు వరుసలు · 58 వరుసలు · తనిఖీ 19 అక్టోబర్, 2026

నిలువు వరుసరకంఅర్థం
macవచనంగుర్తింపు: చిప్ మరియు మెమరీ పరిమాణం, mlx.app/mac/<mac>‌లో ఉన్నట్టు
chipవచనంచిప్ పేరు
chip_idవచనంచిప్ గుర్తింపు
generationసంఖ్యM సిరీస్ తరం (1 = M1)
tierవచనంbase, pro, max లేదా ultra
memory_gbసంఖ్యయూనిఫైడ్ మెమరీ, GB
bandwidth_gbsసంఖ్యApple ప్రచురించిన మెమరీ బ్యాండ్‌విడ్త్, GB/s (Apple ప్రచురించని చోట ఖాళీ: M1)
bandwidth_gbs_usedసంఖ్యఅంచనాలకు వాడే బ్యాండ్‌విడ్త్, GB/s (M1: 68, Apple సాపేక్ష ప్రకటనల నుండి; గమనిక చూడండి)
gpu_memory_default_gbసంఖ్యయూనిఫైడ్ మెమరీలో దాదాపు 75%: macOS డిఫాల్ట్‌గా GPUని వాడనిచ్చేది (లెక్కించినది)
gpu_coresవచనంఈ మెమరీ పరిమాణంతో GPU కోర్ ఎంపికలు (జాబితా)
macsవచనంఈ చిప్ ఉన్న Macలు, Apple మోడల్ పేర్లతో (జాబితా)
noteవచనంమూలాల్లోని హెచ్చరికలు
pageవచనంఈ Mac రన్ చేసే ప్రతి మోడల్ ఉన్న mlx.app పేజీ
sourcesవచనంసంఖ్యలు చదివిన Apple పేజీలు (జాబితా)

ఓపెన్ AI మోడళ్లు: పారామీటర్లు, యాక్టివ్ పారామీటర్లు, మెమరీ

mlx.app/compare‌లోని ప్రతి ఓపెన్-వెయిట్ భాషా మోడల్: మొత్తం మరియు యాక్టివ్ పారామీటర్లు, ఆర్కిటెక్చర్ (dense లేదా మిక్స్చర్ ఆఫ్ ఎక్స్‌పర్ట్స్ (MoE)), కాంటెక్స్ట్ పొడవు, లైసెన్స్, విడుదల తేదీ, ఖచ్చితత్వం, వెయిట్‌ల పరిమాణం. ప్రతి మోడల్ అధికారిక Hugging Face కార్డ్, config.json, ఫైల్ జాబితా నుండి చదివినవి. సైట్‌లో: ప్రతి మోడల్.

19 నిలువు వరుసలు · 83 వరుసలు · తనిఖీ 19 అక్టోబర్, 2026

నిలువు వరుసరకంఅర్థం
modelవచనంగుర్తింపు, mlx.app/run/<model>‌లో ఉన్నట్టు
nameవచనంమోడల్ పేరు
makerవచనంవిడుదల చేసినవారు
hf_repoవచనంఅధికారిక Hugging Face రిపాజిటరీ
params_bసంఖ్యమొత్తం పారామీటర్లు, బిలియన్లు (మోడల్ కార్డ్)
active_params_bసంఖ్యప్రతి తయారైన టోకెన్‌కు చదివే పారామీటర్లు, బిలియన్లు (dense మోడళ్లకు params_bకి సమానం, లూప్ మోడల్ మినహా; అది తన భాగస్వామ్య బ్లాక్‌ను ప్రతి లూప్‌కు ఒకసారి చదువుతుంది: డిఫాల్ట్ లూప్ సంఖ్య వద్ద)
architectureవచనంdense లేదా moe
context_tokensసంఖ్యగరిష్ఠ కాంటెక్స్ట్, టోకెన్లు (config.json)
licenseవచనంకార్డ్‌లో పేర్కొన్న లైసెన్స్
releasedవచనంవిడుదల తేదీ (YYYY-MM-DD; కార్డ్‌లో లేకపోతే రిపాజిటరీ సృష్టించిన తేదీ)
modalityవచనంఇన్‌పుట్‌లు: text, లేదా text+image
precisionవచనంఅధికారిక వెయిట్‌ల ఖచ్చితత్వం
repo_weights_gbసంఖ్యఅధికారిక వెయిట్ ఫైళ్ల పరిమాణం, దశాంశ GB
native_gbసంఖ్యమోడల్ సొంత తక్కువ-బిట్ ఫార్మాట్‌లో వెయిట్‌లు, GB (అలా విడుదలైన మోడళ్లకు మాత్రమే)
native_bitsసంఖ్యఆ సొంత ఫార్మాట్‌లో ఒక్కో వెయిట్‌కు బిట్‌లు
offload_gbసంఖ్యరన్‌టైమ్ డిస్క్‌పై వదిలేయగల లుకప్ టేబుళ్లు, GB (మెమరీ అంచనాల్లో లెక్కించవు)
mlx_buildవచనంHugging Face‌లో కమ్యూనిటీ MLX బిల్డ్, ఉంటే
pageవచనంకావలసిన మెమరీ మరియు దాన్ని రన్ చేసే ప్రతి Mac ఉన్న mlx.app పేజీ
sourcesవచనంసంఖ్యలు చదివిన పేజీలు (జాబితా)

ఏ ఓపెన్ మోడల్ ఏ Mac‌పై ఎంత వేగంగా రన్ అవుతుంది (అంచనాలు)

ప్రతి Apple Silicon Mac కాన్ఫిగరేషన్‌కూ ప్రతి ఓపెన్ మోడల్‌కూ: macOS GPUకి ఇచ్చే మెమరీలో సరిపోయే అత్యధిక ఖచ్చితత్వ వెర్షన్, కాంటెక్స్ట్‌కు స్థలంతో కావలసిన మెమరీ, సెకనుకు టోకెన్లలో రాసే వేగం అంచనా శ్రేణి. ప్రచురించిన స్పెక్స్ నుండి అంచనాలు, కొలతలు కావు; పద్ధతి mlx.app/compare‌లో ఉంది. సైట్‌లో: కాలిక్యులేటర్.

16 నిలువు వరుసలు · 4,756 వరుసలు · తనిఖీ 19 అక్టోబర్, 2026

నిలువు వరుసరకంఅర్థం
macవచనంMac కాన్ఫిగరేషన్ (macs చూడండి)
chipవచనంచిప్ పేరు
memory_gbసంఖ్యయూనిఫైడ్ మెమరీ, GB
bandwidth_gbsసంఖ్యఅంచనాకు వాడిన మెమరీ బ్యాండ్‌విడ్త్, GB/s
modelవచనంమోడల్ (models చూడండి)
model_nameవచనంమోడల్ పేరు
versionవచనంసిఫార్సు చేసిన వెర్షన్: సరిపోయే అత్యధిక ఖచ్చితత్వం (8, 6, 4, 3 లేదా 2-బిట్ MLX, లేదా సొంత ఫార్మాట్)
bits_per_weightసంఖ్యఒక్కో వెయిట్‌కు నిల్వ చేసే బిట్‌లు, MLX గ్రూప్ స్కేల్స్‌తో సహా (+0.5)
weights_gbసంఖ్యమెమరీలో వెయిట్‌లు, GB
needs_gbసంఖ్యవెయిట్‌లు మరియు కాంటెక్స్ట్, రన్‌టైమ్‌కు స్థలం (8% లేదా 1.5 GB, ఏది ఎక్కువైతే అది), GB
fitవచనంfits (GPU డిఫాల్ట్ 75%లోపు), tight (మెమరీలో 90%లోపు), no
groupవచనంRuns well (సరిపోతుంది, 10+ tok/s), Runs, but slowly, Only just fits, Too big
below_4_bitనిజం/అబద్ధం4 బిట్‌ల కంటే తక్కువ వెర్షన్ మాత్రమే సరిపోతే నిజం (నాణ్యత తగ్గుతుంది)
tok_s_lowసంఖ్యఅంచనా రాసే వేగం, దిగువ అంచు (బ్యాండ్‌విడ్త్ పరిమితిలో 45%), టోకెన్/s; సరిపోకపోతే ఖాళీ
tok_s_highసంఖ్యఅంచనా రాసే వేగం, ఎగువ అంచు (పరిమితిలో 80%), టోకెన్/s
tok_s_ceilingసంఖ్యబ్యాండ్‌విడ్త్ పరిమితి: బ్యాండ్‌విడ్త్ / ఒక్కో టోకెన్‌కు చదివే బైట్‌లు, టోకెన్/s

అంచనాలు, అవి ఎలా లెక్కిస్తారు

Mac మరియు మోడల్ పట్టికలు Apple టెక్ స్పెక్స్, ప్రతి మోడల్ అధికారిక Hugging Face కార్డ్ నుండి తీసుకున్న వాస్తవాలు; ప్రతి వరుస తన మూలాన్ని చెబుతుంది. సరిపోయే పట్టిక లెక్కించినది, కొలిచినది కాదు: ఒక ఖచ్చితత్వంలో మోడల్ వెయిట్‌లు (ఒక్కో వెయిట్‌కు బిట్‌లు మరియు MLX అర-బిట్ గ్రూప్ స్కేల్స్), కాంటెక్స్ట్ స్థలంతో కలిపి, macOS డిఫాల్ట్‌గా GPUకి ఇచ్చే యూనిఫైడ్ మెమరీలో 75%లోపు ఉంటే మోడల్ సరిపోతుంది. రాసే వేగం అంటే మెమరీ బ్యాండ్‌విడ్త్‌ను ఒక్కో టోకెన్‌కు చదివే బైట్‌లతో భాగించడం; అది ఆ పరిమితిలో 45% నుండి 80%గా చూపబడుతుంది, llama.cpp పబ్లిక్ Apple Silicon బెంచ్‌మార్క్‌లలో నిజమైన రన్‌లు చేరే పరిధి ఇది. ప్రాంప్ట్ చదవడం, పొడవైన కాంటెక్స్ట్‌లు, బ్యాచింగ్ ఇందులో లేవు. పూర్తి పద్ధతి: mlx.app/compare. మీ Macను MLX Benchలో కొలవండి.

చేర్చనివి: Artificial Analysis Intelligence Index స్కోర్లు (పేజీలలో లింక్‌తో చూపిస్తాం, కానీ వారి నిబంధనలు పునఃపంపిణీ హక్కును ఉంచుకుంటాయి) మరియు llama.cpp బెంచ్‌మార్క్ ఫలితాలు (పద్ధతి నుండి లింక్ చేసినవి, కాపీ చేయలేదు).

వాడండి, మూలాన్ని పేర్కొనండి

Creative Commons Attribution 4.0 కింద ఉచితం: ఈ పేజీకి లింక్‌తో కాపీ చేయండి, మార్చండి, ప్రచురించండి, వాణిజ్యపరంగా కూడా. స్పెక్స్ Apple మరియు మోడల్ తయారీదారుల వాస్తవాలు; మోడల్ మరియు ఉత్పత్తుల పేర్లు వాటి యజమానులవి. MLXకి Apple Inc.తో అనుబంధం లేదు.

MLX Network (2026). MLX open data: Apple Silicon Macs, open AI models and what runs where (version 2026-10-19). https://mlx.app/data. CC BY 4.0.

పై URLలు ఎప్పుడూ తాజా వెర్షన్‌ను అందిస్తాయి; ప్రతి ఫైల్‌లో దాని వెర్షన్ ఉంటుంది (JSONలో version, X-Dataset-Version హెడర్, సేవ్ అయ్యే ఫైల్ పేరు). index.json ప్రతి ఫైల్‌ను దాని పరిమాణం, SHA-256తో జాబితా చేస్తుంది.

మరింత ఓపెన్ డేటా

  • Explorer API: MLX Network‌లోని ప్రతి బ్లాక్, లావాదేవీ, ఖాతా, సీటు, JSONలో.
  • llms.txt మరియు llms-full.txt: AI సహాయకుల కోసం సాధారణ వచనంలో సైట్, ప్రతి గైడ్ పూర్తిగా.
  • సైట్‌మ్యాప్: ప్రతి పేజీ, దాని వాస్తవాలు చివరిసారి తనిఖీ చేసిన తేదీతో.