Llama 4 Scout 17B-16E Instructకు ఎంత మెమరీ కావాలి?

4-బిట్ వద్ద సుమారు 61.3 GB వెయిట్లు, దానితో పాటు కాంటెక్స్ట్కు చోటు: మొత్తం 66.2 GB. Macలో అంటే 96 GB లేదా అంతకంటే ఎక్కువ యూనిఫైడ్ మెమరీ, ఎందుకంటే డిఫాల్ట్గా macOS దానిలో సుమారు 75%ను మాత్రమే GPU వాడుకోనిస్తుంది.

Macలో Llama 4 Scout 17B-16E Instruct ఎంత వేగంగా నడుస్తుంది?

రాసే వేగం మెమరీ బ్యాండ్విడ్త్పై ఆధారపడుతుంది. ఇక్కడ దీనికి అత్యంత వేగవంతమైన Mac 96 GB ఉన్న M5 Ultra, సెకనుకు సుమారు 56–100 టోకెన్లు (4-బిట్). దీన్ని నడిపే అతిచిన్న Mac, 96 GB ఉన్న M5 Ultra, సుమారు 56–100 వరకు చేరుతుంది.

Llama 4 Scout 17B-16E Instruct దాని సైజుకు మించిన వేగంతో ఎందుకు నడుస్తుంది?

ఇది mixture-of-experts మోడల్: మెమరీలో 109B పారామీటర్లను ఉంచుతుంది, కానీ ప్రతి టోకెన్కు 17B మాత్రమే చదువుతుంది, అందుకే చాలా చిన్న మోడల్ వేగంతో రాస్తుంది.

Macలో Llama 4 Scout 17B-16E Instruct నడుస్తుందా? మెమరీ, వేగం

ప్రతి ప్రెసిషన్ వద్ద మెమరీ

వెర్షన్	వెయిట్‌లు	కాంటెక్స్ట్‌తో	అతిచిన్న Mac
8-బిట్	116 GB	125 GB	192 GB
6-బిట్	88.6 GB	95.7 GB	128 GB
4-బిట్	61.3 GB	66.2 GB	96 GB
3-బిట్ తక్కువ నాణ్యత	47.7 GB	51.5 GB	96 GB
2-బిట్ తక్కువ నాణ్యత	34.1 GB	36.8 GB	64 GB

ప్రతి Apple చిప్‌పై

Llama 4 Scout 17B-16E Instructను నడిపే ప్రతి చిప్ యొక్క అతిచిన్న మెమరీ సైజు, దానిలో సరిపోయే ఉత్తమ వెర్షన్, ఆశించదగిన రాసే వేగం.

చిప్	కావాలి	వెర్షన్	టోకెన్‌లు/సెకను
M6	ఏ సైజూ సరిపోదు	చాలా పెద్దది	–
M5 Ultra	96 GB	4-బిట్ బాగా నడుస్తుంది	56–100
M5 Max	128 GB	6-బిట్ బాగా నడుస్తుంది	20–36
M5 Pro	64 GB	2-బిట్ బాగా నడుస్తుంది	26–46
M5	ఏ సైజూ సరిపోదు	చాలా పెద్దది	–
M4 Max	128 GB	6-బిట్ బాగా నడుస్తుంది	18–32
M4 Pro	64 GB	2-బిట్ బాగా నడుస్తుంది	23–41
M4	ఏ సైజూ సరిపోదు	చాలా పెద్దది	–
M3 Ultra	96 GB	4-బిట్ బాగా నడుస్తుంది	38–68
M3 Max	96 GB	4-బిట్ బాగా నడుస్తుంది	14–25
M3 Pro	ఏ సైజూ సరిపోదు	చాలా పెద్దది	–
M3	ఏ సైజూ సరిపోదు	చాలా పెద్దది	–
M2 Ultra	128 GB	6-బిట్ బాగా నడుస్తుంది	26–46
M2 Max	96 GB	4-బిట్ బాగా నడుస్తుంది	19–33
M2 Pro	ఏ సైజూ సరిపోదు	చాలా పెద్దది	–
M2	ఏ సైజూ సరిపోదు	చాలా పెద్దది	–
M1 Ultra	128 GB	6-బిట్ బాగా నడుస్తుంది	26–46
M1 Max	64 GB	2-బిట్ బాగా నడుస్తుంది	34–60
M1 Pro	ఏ సైజూ సరిపోదు	చాలా పెద్దది	–
M1	ఏ సైజూ సరిపోదు	చాలా పెద్దది	–

దీన్ని ఎలా నడపాలి

సులభమైన మార్గం: ఉచితమైన, ఓపెన్ సోర్స్ MLX Harnessను డౌన్‌లోడ్ చేయండి. Llama 4 Scout 17B-16E Instruct 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/Llama-4-Scout-17B-16E-Instruct-4bitబిల్డ్: Hugging Faceలో mlx-community/Llama-4-Scout-17B-16E-Instruct-4bit. ఇతర ప్రెసిషన్‌లు దాని పక్కనే ఉన్నాయి.

దశలవారీగా: Macలో LLMలను డౌన్‌లోడ్ చేసి నడపండి · MLX Harnessను ఎలా వాడాలి · MLX vs Ollama vs llama.cpp

Llama 4 Scout 17B-16E Instruct గురించి

తయారీదారు	Meta
పారామీటర్‌లు	మొత్తం 109B · యాక్టివ్ 17B (mixture of experts)
కాంటెక్స్ట్	10M టోకెన్‌లు
లైసెన్స్	Llama 4 Community License
విడుదల	2025-04
ఇన్‌పుట్	టెక్స్ట్, చిత్రాలు
ఇంటెలిజెన్స్	Artificial Analysis Intelligence Indexలో 6.5
వెయిట్‌లు	meta-llama/Llama-4-Scout-17B-16E-Instruct

ప్రశ్నలు

Llama 4 Scout 17B-16E Instructకు ఎంత మెమరీ కావాలి?: 4-బిట్ వద్ద సుమారు 61.3 GB వెయిట్‌లు, దానితో పాటు కాంటెక్స్ట్‌కు చోటు: మొత్తం 66.2 GB. Macలో అంటే 96 GB లేదా అంతకంటే ఎక్కువ యూనిఫైడ్ మెమరీ, ఎందుకంటే డిఫాల్ట్‌గా macOS దానిలో సుమారు 75%ను మాత్రమే GPU వాడుకోనిస్తుంది.
Macలో Llama 4 Scout 17B-16E Instruct ఎంత వేగంగా నడుస్తుంది?: రాసే వేగం మెమరీ బ్యాండ్‌విడ్త్‌పై ఆధారపడుతుంది. ఇక్కడ దీనికి అత్యంత వేగవంతమైన Mac 96 GB ఉన్న M5 Ultra, సెకనుకు సుమారు 56–100 టోకెన్‌లు (4-బిట్). దీన్ని నడిపే అతిచిన్న Mac, 96 GB ఉన్న M5 Ultra, సుమారు 56–100 వరకు చేరుతుంది.
Llama 4 Scout 17B-16E Instruct దాని సైజుకు మించిన వేగంతో ఎందుకు నడుస్తుంది?: ఇది mixture-of-experts మోడల్: మెమరీలో 109B పారామీటర్‌లను ఉంచుతుంది, కానీ ప్రతి టోకెన్‌కు 17B మాత్రమే చదువుతుంది, అందుకే చాలా చిన్న మోడల్ వేగంతో రాస్తుంది.

ఇలాంటి మోడల్‌లు

అన్ని మోడల్‌లు · అన్ని Macలు · మీ Macను పోల్చండి

మీ మోడల్ కార్డ్ లేదా README కోసం

Llama 4 Scout 17B-16E Instructను బాగా నడిపే అతిచిన్న Macను చూపి, ఇక్కడికి లింక్ ఇస్తుంది.

[![Runs on a Mac](https://mlx.app/badge/run/llama-4-scout.svg)](https://mlx.app/run/llama-4-scout)

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.