ప్రతి ప్రెసిషన్ వద్ద మెమరీ
| వెర్షన్ | వెయిట్లు | కాంటెక్స్ట్‌తో | అతిచిన్న Mac |
|---|---|---|---|
| 8-బిట్ | 12.7 GB | 14.2 GB | 24 GB |
| 6-బిట్ | 9.7 GB | 11.2 GB | 16 GB |
| 4-బిట్ | 6.7 GB | 8.2 GB | 16 GB |
| 3-బిట్ తక్కువ నాణ్యత | 5.2 GB | 6.7 GB | 16 GB |
| 2-బిట్ తక్కువ నాణ్యత | 3.7 GB | 5.2 GB | 8 GB |
ప్రతి Apple చిప్‌పై
Gemma 4 12B Unifiedను నడిపే ప్రతి చిప్ యొక్క అతిచిన్న మెమరీ సైజు, దానిలో సరిపోయే ఉత్తమ వెర్షన్, ఆశించదగిన రాసే వేగం.
| చిప్ | కావాలి | వెర్షన్ | టోకెన్లు/సెకను |
|---|---|---|---|
| M6 | 16 GB | 4-బిట్ బాగా నడుస్తుంది | 10–18 |
| M5 Ultra | 96 GB | 8-బిట్ బాగా నడుస్తుంది | 43–76 |
| M5 Max | 36 GB | 8-బిట్ బాగా నడుస్తుంది | 16–29 |
| M5 Pro | 24 GB | 8-బిట్ బాగా నడుస్తుంది | 11–19 |
| M5 | 16 GB | 4-బిట్ బాగా నడుస్తుంది | 10–18 |
| M4 Max | 36 GB | 8-బిట్ బాగా నడుస్తుంది | 15–26 |
| M4 Pro | 24 GB | 8-బిట్ బాగా నడుస్తుంది | 10–17 |
| M4 | 16 GB | 6-బిట్ నెమ్మది | 6–10 |
| M3 Ultra | 96 GB | 8-బిట్ బాగా నడుస్తుంది | 29–52 |
| M3 Max | 36 GB | 8-బిట్ బాగా నడుస్తుంది | 11–19 |
| M3 Pro | 18 GB | 4-బిట్ బాగా నడుస్తుంది | 10–18 |
| M3 | 16 GB | 6-బిట్ నెమ్మది | 5–8 |
| M2 Ultra | 64 GB | 8-బిట్ బాగా నడుస్తుంది | 28–50 |
| M2 Max | 32 GB | 8-బిట్ బాగా నడుస్తుంది | 14–25 |
| M2 Pro | 16 GB | 4-బిట్ బాగా నడుస్తుంది | 13–24 |
| M2 | 16 GB | 6-బిట్ నెమ్మది | 5–8 |
| M1 Ultra | 64 GB | 8-బిట్ బాగా నడుస్తుంది | 28–50 |
| M1 Max | 32 GB | 8-బిట్ బాగా నడుస్తుంది | 14–25 |
| M1 Pro | 16 GB | 4-బిట్ బాగా నడుస్తుంది | 13–24 |
| M1 | 16 GB | 6-బిట్ నెమ్మది | 3–6 |
దీన్ని ఎలా నడపాలి
- సులభమైన మార్గం: ఉచితమైన, ఓపెన్ సోర్స్ MLX Harnessను డౌన్‌లోడ్ చేయండి. Gemma 4 12B Unified కోసం వెతికి, మీ Macలో సరిపోయే వెర్షన్‌ను డౌన్‌లోడ్ చేసి, చాట్ చేయండి. ఇది OpenAI-compatible API ద్వారా ఆ మోడల్‌ను మీ ఇతర యాప్‌లకు కూడా అందిస్తుంది.MLX Harness డౌన్‌లోడ్ చేయండిఉచితం · Apple Silicon · macOS 14.5 లేదా తర్వాతి వెర్షన్
- Terminalలో Apple MLXతో:
pip install mlx-lmmlx_lm.chat --model mlx-community/gemma-4-12B-it-4bitబిల్డ్: Hugging Faceలో mlx-community/gemma-4-12B-it-4bit. ఇతర ప్రెసిషన్‌లు దాని పక్కనే ఉన్నాయి.
దశలవారీగా: Macలో LLMలను డౌన్‌లోడ్ చేసి నడపండి · MLX Harnessను ఎలా వాడాలి · MLX vs Ollama vs llama.cpp
Gemma 4 12B Unified గురించి
| తయారీదారు | Google DeepMind |
|---|---|
| పారామీటర్‌లు | 12B (డెన్స్) |
| కాంటెక్స్ట్ | 256K టోకెన్లు |
| లైసెన్స్ | Apache-2.0 |
| విడుదల | 2026-05 |
| ఇన్‌పుట్ | టెక్స్ట్, చిత్రాలు |
| వెయిట్లు | google/gemma-4-12B-it |
ప్రశ్నలు
- Gemma 4 12B Unifiedకు ఎంత మెమరీ కావాలి?
- 4-బిట్ వద్ద సుమారు 6.7 GB వెయిట్లు, దానితో పాటు కాంటెక్స్ట్కు చోటు: మొత్తం 8.2 GB. Macలో అంటే 16 GB లేదా అంతకంటే ఎక్కువ యూనిఫైడ్ మెమరీ, ఎందుకంటే డిఫాల్ట్గా macOS దానిలో సుమారు 75%ను మాత్రమే GPU వాడుకోనిస్తుంది.
- Macలో Gemma 4 12B Unified ఎంత వేగంగా నడుస్తుంది?
- రాసే వేగం మెమరీ బ్యాండ్విడ్త్పై ఆధారపడుతుంది. ఇక్కడ దీనికి అత్యంత వేగవంతమైన Mac 96 GB ఉన్న M5 Ultra, సెకనుకు సుమారు 43–76 టోకెన్లు (8-బిట్). దీన్ని నడిపే అతిచిన్న Mac, 16 GB ఉన్న M2 Pro, సుమారు 13–24 వరకు చేరుతుంది.
- క్వాంటైజేషన్ వల్ల Gemma 4 12B Unified నాణ్యత తగ్గుతుందా?
- 4 బిట్ల వద్ద చాలా మోడల్లు అసలు నాణ్యతకు దగ్గరగానే ఉంటాయి; 4 బిట్ల కంటే తక్కువకు వెళ్తే నాణ్యత వేగంగా పడిపోతుంది. మీ Macలో చోటు మిగిలేలా సరిపోయే అత్యధిక ప్రెసిషన్ను ఎంచుకోండి.
ఇలాంటి మోడల్లు
మీ మోడల్ కార్డ్ లేదా README కోసం
Gemma 4 12B Unifiedను బాగా నడిపే అతిచిన్న Macను చూపి, ఇక్కడికి లింక్ ఇస్తుంది.
[](https://mlx.app/run/gemma-4-12b)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.