బాగా నడిచేవి 14
కాంటెక్స్ట్‌కు చోటుతో సరిపోతాయి, సెకనుకు 10 లేదా అంతకంటే ఎక్కువ టోకెన్‌ల వేగంతో.
| మోడల్ | వెర్షన్ | మెమరీ | టోకెన్లు/సెకను |
|---|---|---|---|
| MiniCPM5 2B2.52B · ఇంటెలిజెన్స్ 12.5 | 8-బిట్ | 2.7 GB | 11–20 |
| Granite 4.2 3B3B · ఇంటెలిజెన్స్ 9.1 | 8-బిట్ | 3.2 GB | 10–17 |
| Gemma 4 E4B8B · ఇంటెలిజెన్స్ 8.9 | 4-బిట్ | 4.5 GB | 12–22 |
| Nemotron 3 Nano 4B3.97B · ఇంటెలిజెన్స్ 4.8 | 6-బిట్ | 3.2 GB | 10–17 |
| Gemma 4 E2B5.1B | 6-బిట్ | 4.1 GB | 16–29 |
| Qwen3.5 4B4B | 4-బిట్ | 2.3 GB | 13–24 |
| Phi-4 mini instruct3.8B | 6-బిట్ | 3.1 GB | 10–18 |
| Llama 3.2 3B Instruct3.21B | 6-బిట్ | 2.6 GB | 12–21 |
| SmolLM3 3B3B | 8-బిట్ | 3.2 GB | 10–17 |
| LFM2.5 2.6B2.69B | 8-బిట్ | 2.9 GB | 11–19 |
| Qwen3.5 2B2B | 8-బిట్ | 2.1 GB | 15–26 |
| Llama 3.2 1B Instruct1.23B | 8-బిట్ | 1.3 GB | 24–42 |
| Qwen3.5 0.8B0.8B | 8-బిట్ | 0.9 GB | 34–60 |
| Qwen3 0.6B0.6B | 8-బిట్ | 0.6 GB | 51–91 |
నడుస్తాయి, కానీ నెమ్మదిగా 7
సరిపోతాయి, కానీ సెకనుకు 10 టోకెన్‌ల కంటే తక్కువ: బ్యాచ్ పనులకు సరే, చాట్‌కు నెమ్మది.
| మోడల్ | వెర్షన్ | మెమరీ | టోకెన్లు/సెకను |
|---|---|---|---|
| Granite 4.2 8B8B · ఇంటెలిజెన్స్ 11.1 | 4-బిట్ | 4.5 GB | 7–12 |
| Llama 3.1 8B Instruct8B | 4-బిట్ | 4.5 GB | 7–12 |
| Qwen3.5 9B9B · ఇంటెలిజెన్స్ 11.2 | 3-బిట్ తక్కువ నాణ్యత | 3.9 GB | 8–14 |
| Ministral 3 8B8.9B · ఇంటెలిజెన్స్ 5.5 | 3-బిట్ తక్కువ నాణ్యత | 3.9 GB | 8–14 |
| Phi-4 (14B)14B | 2-బిట్ తక్కువ నాణ్యత | 4.4 GB | 7–12 |
| Gemma 4 12B Unified12B | 2-బిట్ తక్కువ నాణ్యత | 3.7 GB | 8–15 |
| Qwen3 8B8.2B | 3-బిట్ తక్కువ నాణ్యత | 3.6 GB | 9–15 |
అతికష్టంగా సరిపోయేవి 1
దాదాపు మొత్తం మెమరీ కావాలి: GPU మెమరీ పరిమితిని పెంచి, కాంటెక్స్ట్‌ను చిన్నగా ఉంచండి.
| మోడల్ | వెర్షన్ | మెమరీ | టోకెన్లు/సెకను |
|---|---|---|---|
| Phi-4 Reasoning Vision 15B15B | 2-బిట్ తక్కువ నాణ్యత | 4.7 GB | 7–12 |
చాలా పెద్దవి 51
8 GB కంటే ఎక్కువ మెమరీ కావాలి, 2 బిట్ల వద్ద కూడా.
- MiMo V2.6 Pro1,020B
- Kimi K32,800B
- MiMo V2.6 Flash309B
- Kimi K2.7 Code1,000B
- gpt-oss-120b117B
- gpt-oss-20b21B
- Kimi K2.61,000B
- DeepSeek V4.1 Flash 1017552B
- GLM-5.3744B
- GLM-5.3 Flash320B
- Qwen3.8 2.4T A95B2,400B
- Qwen3.8 Flash Next180B
- Muse Spark Open816B
- DeepSeek V4 Pro 08131,600B
- Qwen3.8 27B27B
- Beam 1.0501B
- MiniMax M3428B
- Inkling Small276B
- Hy3295B
- Inkling975B
- Nemotron 3 Ultra 550B A55B550B
- Nemotron 3.5 Bolt 74B A9B74B
- Qwen3.5 397B A17B397B
- Qwen3.6 35B A3B35B
- Muse Glimmer 30B29.6B
- Qwen3.5 122B A10B122B
- Gemma 4 31B30.7B
- Mistral Medium 3.5 (128B)128B
- Nemotron 3.5 Lightning 30B A3B30B
- Granite 4.2 30B30B
- Mistral Small 4 (119B)119B
- Llama 4 Maverick 17B-128E Instruct400B
- Qwen3 Coder Next80B
- Nemotron 3 Nano 30B A3B30B
- Llama 4 Scout 17B-16E Instruct109B
- Mistral Large 3 (675B)675B
- DeepSeek V4 Flash 0731284B
- MiniMax M2.7230B
- Devstral 2 (123B)123B
- Ornith 1.5 122B122B
- Nemotron 3 Super 120B A12B120B
- GLM-4.5 Air106B
- Llama 3.3 70B Instruct70B
- Qwen3 Coder 30B A3B Instruct30.5B
- GLM-4.7 Flash30B
- Qwen3.6 27B27B
- Gemma 4 26B A4B25.2B
- Devstral Small 2 (24B)24B
- Magistral Small 1.2 (2509)24B
- Mistral Small 3.2 (24B)24B
- LFM2.5 24B A2B24B
ఇతర Macలు
8 GB ఉన్న అన్ని Macలు, ఏ చిప్ అయినా.
తక్కువ లేదా ఎక్కువ మెమరీతో M1:
దగ్గరి చిప్‌లు:
ముఖాముఖి:
ఏ Mac లేదా GPUతో అయినా పోల్చండి · లోకల్ AI కోసం M1 · లోకల్ LLMలకు ఉత్తమ Mac · అన్ని Macలు
ప్రశ్నలు
- 8 GB ఉన్న M1కు ఉత్తమ LLM ఏది?
- Intelligence Index ప్రచురించిన మోడల్లలో, ఇక్కడ బాగా నడిచేవాటిలో MiniCPM5 2Bకు అత్యధిక స్కోరు ఉంది: 8-బిట్, సెకనుకు సుమారు 11–20 టోకెన్లు. బాగా నడిచేవాటిలో అతిపెద్దది Gemma 4 E4B.
- 8 GB ఉన్న M1 Llama 3.3 70Bను నడపగలదా?
- లేదు: 2 బిట్ల వద్ద కూడా దీనికి GPU డిఫాల్ట్గా వాడుకోగల 6 GB కంటే ఎక్కువ కావాలి.
- M1పై gpt-oss-20b ఎంత వేగంగా నడుస్తుంది?
- ఇది 8 GBలో సరిపోదు.
వీటిని MLX Harnessతో (ఉచితం, ఓపెన్ సోర్స్) లేదా Terminalలో Apple mlx-lmతో నడపండి: దశలవారీగా.
ఎలా లెక్కించాం
మెమరీ: మోడల్ పారామీటర్‌లు వెయిట్‌కు 8, 6, 4, 3 లేదా 2 బిట్ల వద్ద, దానితో పాటు MLX గ్రూప్ స్కేల్‌లు (వెయిట్‌కు అర బిట్), లేదా దాని నేటివ్ ఫార్మాట్, పైన కాంటెక్స్ట్‌కు చోటు. డిఫాల్ట్గా macOS యూనిఫైడ్ మెమరీలో సుమారు 75%ను GPU వాడుకోనిస్తుంది. వేగం: మెమరీ బ్యాండ్‌విడ్త్‌ను ప్రతి టోకెన్‌కు చదివే బైట్‌లతో భాగిస్తే ఒక సంభాషణకు గరిష్ఠ పరిమితి వస్తుంది; llama.cpp పబ్లిక్ Apple Silicon బెంచ్‌మార్క్‌లలో నిజమైన రన్‌లు దానిలో సుమారు 45% నుండి 80% వరకు చేరుతాయి, ఆ పరిధినే చూపిస్తున్నాం. ఇవి అంచనాలు, కొలతలు కావు: మీ సొంత Macను MLX Benchలో కొలవండి. మోడల్ వివరాలు ప్రతి అధికారిక మోడల్ కార్డ్ నుండి, చిప్ వివరాలు Apple Tech Specs నుండి. 2026-10-19న తనిఖీ చేశాం. mlx.app/compareలో ఉన్న అదే డేటా.