Пам’ять за кожної точності
| Версія | Ваги | З контекстом | Мінімальний Mac |
|---|---|---|---|
| 8 біт | 74,4 ГБ | 80,4 ГБ | 128 ГБ |
| 6 біт | 56,9 ГБ | 61,5 ГБ | 96 ГБ |
| 4 біт | 39,4 ГБ | 42,6 ГБ | 64 ГБ |
| 3 біт нижча якість | 30,6 ГБ | 33 ГБ | 48 ГБ |
| 2 біт нижча якість | 21,9 ГБ | 23,7 ГБ | 32 ГБ |
На кожному чипі Apple
Мінімальний обсяг пам’яті кожного чипа, на якому запускається Llama 3.3 70B Instruct, найкраща версія, що вміщується, і очікувана швидкість генерації.
| Чип | Потрібно | Версія | Токенів/с |
|---|---|---|---|
| M6 | 32 ГБ | 2 біт Повільно | 3–6 |
| M5 Ultra | 96 ГБ | 4 біт Працює добре | 14–24 |
| M5 Max | 64 ГБ | 4 біт Повільно | 7–12 |
| M5 Pro | 64 ГБ | 4 біт Повільно | 4–6 |
| M5 | 32 ГБ | 2 біт Повільно | 3–6 |
| M4 Max | 64 ГБ | 4 біт Повільно | 6–11 |
| M4 Pro | 64 ГБ | 4 біт Повільно | 3–6 |
| M4 | 32 ГБ | 2 біт Повільно | 2–4 |
| M3 Ultra | 96 ГБ | 6 біт Повільно | 6–12 |
| M3 Max | 64 ГБ | 4 біт Повільно | 5–8 |
| M3 Pro | 36 ГБ | 2 біт Повільно | 3–5 |
| M3 | жоден обсяг не підходить | Завелика | – |
| M2 Ultra | 64 ГБ | 4 біт Повільно | 9–16 |
| M2 Max | 64 ГБ | 4 біт Повільно | 5–8 |
| M2 Pro | 32 ГБ | 2 біт Повільно | 4–7 |
| M2 | жоден обсяг не підходить | Завелика | – |
| M1 Ultra | 64 ГБ | 4 біт Повільно | 9–16 |
| M1 Max | 64 ГБ | 4 біт Повільно | 5–8 |
| M1 Pro | 32 ГБ | 2 біт Повільно | 4–7 |
| M1 | жоден обсяг не підходить | Завелика | – |
Як запустити
- Найпростіший спосіб: завантажте MLX Harness — безкоштовно і з відкритим кодом. Знайдіть Llama 3.3 70B Instruct, 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/Llama-3.3-70B-Instruct-4bitЗбірка: mlx-community/Llama-3.3-70B-Instruct-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 Llama 3.3 70B Instruct
| Розробник | Meta |
|---|---|
| Параметри | 70B (щільна) |
| Контекст | токенів: 128K |
| Ліцензія | Llama 3.3 Community License |
| Випуск | 2024-12 |
| Вхідні дані | Текст |
| Ваги | meta-llama/Llama-3.3-70B-Instruct |
Запитання
- Скільки пам’яті потрібно моделі Llama 3.3 70B Instruct?
- Близько 39,4 ГБ на ваги (4 біт) плюс місце для контексту: загалом 42,6 ГБ. На Mac це означає 64 ГБ об’єднаної пам’яті або більше, адже за замовчуванням macOS дає GPU близько 75% пам’яті.
- Наскільки швидко Llama 3.3 70B Instruct працює на Mac?
- Швидкість генерації залежить від пропускної здатності пам’яті. Найшвидший Mac для неї тут — M5 Ultra із 96 ГБ: близько 14–24 токенів за секунду (4 біт). Мінімальний Mac, що її запускає, — M2 Ultra із 64 ГБ — видає близько 9–16.
- Чи погіршує квантування Llama 3.3 70B Instruct?
- За 4 біт більшість моделей лишаються близькими до початкової якості; нижче 4 біт якість падає швидше. Обирайте найвищу точність, яка вміщується у ваш Mac із запасом.
Схожі моделі
Для картки моделі або README
Показує мінімальний Mac, на якому Llama 3.3 70B Instruct добре працює, і веде сюди.
[](https://mlx.app/run/llama-3.3-70b)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.