పక్కపక్కనే
| M1 | M2 | |
|---|---|---|
| మెమరీ సైజులు | 8, 16 GB | 8, 16, 24 GB |
| మెమరీ బ్యాండ్విడ్త్ | 68 GB/s | 100 GB/s |
| మోడల్లకు, గరిష్ఠంగా | సుమారు 12 GB | సుమారు 18 GB |
| బాగా నడిచే మోడల్లు | 73లో 14 | 73లో 20 |
| MLX సీటు తరగతి | Core | Core |
| వీటిలో ఉంటుంది | MacBook Air (M1, 2020), MacBook Pro (13-inch, M1, 2020), Mac mini (M1, 2020), iMac (24-inch, M1, 2021) | MacBook Air (M2, 2022), MacBook Pro (13-inch, M2, 2022), MacBook Air (15-inch, M2, 2023), Mac mini (2023) |
ప్రముఖ మోడల్లతో వేగం
ఒక సంభాషణకు సెకనుకు టోకెన్లు; ప్రతి చిప్ దాని అతిపెద్ద మెమరీ సైజు వద్ద (16 GB, 24 GB), మోడల్ యొక్క సరిపోయే ఉత్తమ వెర్షన్తో.
| మోడల్ | M1 | M2 |
|---|---|---|
| Llama 3.1 8B Instruct8B | 4–6 8-బిట్ | 10–18 4-బిట్ |
| gpt-oss-20b21B · 3.6B యాక్టివ్ | 19–34 3-బిట్ తక్కువ నాణ్యత | 24–42 నేటివ్ 4.25-బిట్ |
| Qwen3.6 35B A3B35B · 3B యాక్టివ్ | 34–60 2-బిట్ తక్కువ నాణ్యత | 35–62 3-బిట్ తక్కువ నాణ్యత |
| Qwen3.8 27B27B | 4–6 2-బిట్ తక్కువ నాణ్యత | 3–5 4-బిట్ |
| Llama 3.3 70B Instruct70B | చాలా పెద్దది | చాలా పెద్దది |
| gpt-oss-120b117B · 5.1B యాక్టివ్ | చాలా పెద్దది | చాలా పెద్దది |
| Qwen3.5 122B A10B122B · 10B యాక్టివ్ | చాలా పెద్దది | చాలా పెద్దది |
| DeepSeek V4 Flash 0731284B · 13B యాక్టివ్ | చాలా పెద్దది | చాలా పెద్దది |
ప్రశ్నలు
- LLMలకు M2, M1 కంటే వేగవంతమైనదా?
- M2 మెమరీని M1 కంటే సుమారు 47% వేగంగా చదువుతుంది (100 vs 68 GB/s), కాబట్టి రెండింటిలో సరిపోయే ఏ మోడల్తోనైనా సుమారు 47% వేగంగా రాస్తుంది. పొడవైన ప్రాంప్ట్ను చదవడం మాత్రం GPU కంప్యూట్పై ఆధారపడుతుంది, అది ఈ పోలికలో లేదు.
- M1, M2లలో పెద్ద మోడల్లను ఏది నడపగలదు?
- M2: M2లో 24 GB వరకు మెమరీ వస్తుంది, M1లో 16 GB వరకు. దాని అతిపెద్ద సైజు వద్ద అది 73 ఓపెన్ మోడల్లలో 20ను బాగా నడుపుతుంది, రెండోది 14.
మరిన్ని పోలికలు
లోకల్ AI కోసం M1 · లోకల్ AI కోసం M2 · అన్ని మోడల్లను పోల్చండి · లోకల్ LLMలకు ఉత్తమ Mac
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.