Пам’ять за кожної точності
| Версія | Ваги | З контекстом | Мінімальний Mac |
|---|---|---|---|
| 8 біт | 25,5 ГБ | 27,5 ГБ | 48 ГБ |
| 6 біт | 19,5 ГБ | 21,1 ГБ | 32 ГБ |
| 4 біт | 13,5 ГБ | 15 ГБ | 24 ГБ |
| 3 біт нижча якість | 10,5 ГБ | 12 ГБ | 16 ГБ |
| 2 біт нижча якість | 7,5 ГБ | 9 ГБ | 16 ГБ |
На кожному чипі Apple
Мінімальний обсяг пам’яті кожного чипа, на якому запускається LFM2.5 24B A2B, найкраща версія, що вміщується, і очікувана швидкість генерації.
| Чип | Потрібно | Версія | Токенів/с |
|---|---|---|---|
| M6 | 24 ГБ | 4 біт Працює добре | 70–124 |
| M5 Ultra | 96 ГБ | 8 біт Працює добре | 257–457 |
| M5 Max | 36 ГБ | 6 біт Працює добре | 129–230 |
| M5 Pro | 24 ГБ | 4 біт Працює добре | 126–223 |
| M5 | 24 ГБ | 4 біт Працює добре | 63–111 |
| M4 Max | 36 ГБ | 6 біт Працює добре | 115–205 |
| M4 Pro | 24 ГБ | 4 біт Працює добре | 112–199 |
| M4 | 24 ГБ | 4 біт Працює добре | 49–87 |
| M3 Ultra | 96 ГБ | 8 біт Працює добре | 176–312 |
| M3 Max | 36 ГБ | 6 біт Працює добре | 84–150 |
| M3 Pro | 36 ГБ | 6 біт Працює добре | 42–75 |
| M3 | 24 ГБ | 4 біт Працює добре | 41–73 |
| M2 Ultra | 64 ГБ | 8 біт Працює добре | 171–305 |
| M2 Max | 32 ГБ | 6 біт Працює добре | 113–200 |
| M2 Pro | 32 ГБ | 6 біт Працює добре | 56–100 |
| M2 | 24 ГБ | 4 біт Працює добре | 41–73 |
| M1 Ultra | 64 ГБ | 8 біт Працює добре | 171–305 |
| M1 Max | 32 ГБ | 6 біт Працює добре | 113–200 |
| M1 Pro | 32 ГБ | 6 біт Працює добре | 56–100 |
| M1 | 16 ГБ | 3 біт Працює добре | 34–60 |
Як запустити
- Найпростіший спосіб: завантажте MLX Harness — безкоштовно і з відкритим кодом. Знайдіть LFM2.5 24B A2B, завантажте версію, яка підходить вашому Mac, і спілкуйтеся. Застосунок також віддає модель іншим вашим програмам через API, сумісний з OpenAI.Завантажити MLX HarnessБезкоштовно · Apple Silicon · macOS 14.5 або новіша
- У Терміналі з MLX від Apple:
pip install mlx-lmmlx_lm.chat --model mlx-community/LFM2.5-24B-A2B-OptiQ-4bitЗбірка: mlx-community/LFM2.5-24B-A2B-OptiQ-4bit на Hugging Face. Поруч лежать версії з іншою точністю.
Покроково: завантажити й запустити LLM на Mac · як користуватися MLX Harness · MLX, Ollama і llama.cpp
Про модель LFM2.5 24B A2B
| Розробник | Liquid AI |
|---|---|
| Параметри | 24B усього · 2B активних (mixture of experts) |
| Контекст | токенів: 128K |
| Ліцензія | LFM Open License v1.0 (lfm1.0) |
| Випуск | 2026-10 |
| Вхідні дані | Текст |
| Ваги | LiquidAI/LFM2.5-24B-A2B |
Запитання
- Скільки пам’яті потрібно моделі LFM2.5 24B A2B?
- Близько 13,5 ГБ на ваги (4 біт) плюс місце для контексту: загалом 15 ГБ. На Mac це означає 24 ГБ об’єднаної пам’яті або більше, адже за замовчуванням macOS дає GPU близько 75% пам’яті.
- Наскільки швидко LFM2.5 24B A2B працює на Mac?
- Швидкість генерації залежить від пропускної здатності пам’яті. Найшвидший Mac для неї тут — M5 Ultra із 96 ГБ: близько 257–457 токенів за секунду (8 біт). Мінімальний Mac, що її запускає, — M5 Pro із 24 ГБ — видає близько 126–223.
- Чому LFM2.5 24B A2B працює швидше, ніж можна очікувати з її розміру?
- Це модель mixture-of-experts: вона тримає в пам’яті 24B параметрів, але на кожен токен читає лише 2B, тож пише зі швидкістю значно меншої моделі.
Схожі моделі
Для картки моделі або README
Показує мінімальний Mac, на якому LFM2.5 24B A2B добре працює, і веде сюди.
[](https://mlx.app/run/lfm2.5-24b-a2b)Як це розраховано
Пам’ять: параметри моделі за 8, 6, 4, 3 або 2 біт на вагу плюс групові масштаби MLX (пів біта на вагу) або її нативний формат, а зверху — місце для контексту. За замовчуванням macOS дає GPU близько 75% об’єднаної пам’яті. Швидкість: пропускна здатність пам’яті, поділена на кількість байтів, що читаються на кожен токен, — це стеля для однієї розмови; у публічних тестах llama.cpp на Apple Silicon реальні запуски досягають приблизно 45–80% від неї, і показано саме цей діапазон. Це оцінки, а не вимірювання: виміряйте свій Mac у MLX Bench. Дані моделей — з офіційних карток моделей, дані чипів — з технічних характеристик Apple. Перевірено 2026-10-19. Ті самі дані, що й на mlx.app/compare.