ตามขนาดหน่วยความจำ
| หน่วยความจำ | รันได้ดี | ใหญ่ที่สุดที่รันได้ดี | gpt-oss-20b |
|---|---|---|---|
| 8 GB100 GB/s | 16 | Granite 4.2 8B | ใหญ่เกินไป |
| 16 GB100 GB/s | 17 | Qwen3 8B | 28–50 tok/s |
| 24 GB100 GB/s | 20 | Gemma 4 26B A4B | 24–42 tok/s |
รุ่น: MacBook Air (13-inch, M3, 2024), MacBook Air (15-inch, M3, 2024) ไม่ใช่ทุกรุ่นที่มีหน่วยความจำครบทุกขนาด ดูได้จากข้อมูลจำเพาะทางเทคนิคของ Apple ว่าแต่ละรุ่นมีตัวเลือกอะไรบ้าง
คำถาม
- MacBook Air ชิป M3 เหมาะกับ LLM บนเครื่องไหม
- เมื่อมี 24 GB จะรันโมเดลแบบเปิดได้ดี 20 จาก 73 โมเดล สูงสุดถึง Gemma 4 26B A4B และเขียนได้ราว 24–42 โทเค็นต่อวินาทีกับ gpt-oss-20b ส่วน M3 อ่านหน่วยความจำที่ 100 GB/s ซึ่งกำหนดความเร็วในการเขียน
- MacBook Air ชิป M3 ควรมีหน่วยความจำเท่าไรสำหรับ AI
- ที่ 8 GB รันโมเดลแบบเปิดได้ดี 16 โมเดล ที่ 24 GB ได้ 20 โมเดล สูงสุดถึง Gemma 4 26B A4B หน่วยความจำเป็นตัวกำหนดว่าโมเดลไหนใส่ได้ และอัปเกรดภายหลังไม่ได้
Mac รุ่นอื่น
MacBook Air ที่ใช้ชิปอื่น:
Mac รุ่นอื่นที่ใช้ชิป M3:
ตัวต่อตัว:
M3 สำหรับ AI บนเครื่อง · Mac ที่ดีที่สุดสำหรับรัน LLM บนเครื่อง · Mac ทุกรุ่น
วิธีคำนวณ
หน่วยความจำ: พารามิเตอร์ของโมเดลที่ 8, 6, 4, 3 หรือ 2 บิตต่อค่าน้ำหนัก บวกสเกลแบบกลุ่มของ MLX (ครึ่งบิตต่อค่าน้ำหนัก) หรือตามรูปแบบเนทีฟของโมเดล แล้วเผื่อที่สำหรับบริบท โดยค่าเริ่มต้น macOS ให้ GPU ใช้หน่วยความจำแบบรวมได้ราว 75% ความเร็ว: แบนด์วิดท์หน่วยความจำหารด้วยจำนวนไบต์ที่อ่านต่อโทเค็น คือเพดานสำหรับหนึ่งบทสนทนา ในผลทดสอบ Apple Silicon แบบสาธารณะของ llama.cpp การรันจริงทำได้ราว 45% ถึง 80% ของเพดานนี้ ซึ่งเป็นช่วงที่แสดงไว้ ตัวเลขเหล่านี้เป็นค่าประมาณ ไม่ใช่ค่าที่วัดจริง วัด Mac ของคุณเองได้ที่ MLX Bench ตัวเลขโมเดลมาจากการ์ดโมเดลทางการของแต่ละโมเดล ตัวเลขชิปมาจากข้อมูลจำเพาะทางเทคนิคของ Apple ตรวจสอบเมื่อ 2026-10-19 ใช้ข้อมูลเดียวกับ mlx.app/compare