Пам’ять за кожної точності
| Версія | Ваги | З контекстом | Мінімальний Mac |
|---|---|---|---|
| 8 біт | 130 ГБ | 140 ГБ | 192 ГБ |
| 6 біт | 99,1 ГБ | 107 ГБ | 192 ГБ |
| 4 біт | 68,6 ГБ | 74,1 ГБ | 128 ГБ |
| 3 біт нижча якість | 53,4 ГБ | 57,7 ГБ | 96 ГБ |
| 2 біт нижча якість | 38,1 ГБ | 41,1 ГБ | 64 ГБ |
На кожному чипі Apple
Мінімальний обсяг пам’яті кожного чипа, на якому запускається Ornith 1.5 122B, найкраща версія, що вміщується, і очікувана швидкість генерації.
| Чип | Потрібно | Версія | Токенів/с |
|---|---|---|---|
| M6 | жоден обсяг не підходить | Завелика | – |
| M5 Ultra | 256 ГБ | 8 біт Працює добре | 51–91 |
| M5 Max | 128 ГБ | 4 біт Працює добре | 49–88 |
| M5 Pro | 64 ГБ | 2 біт Працює добре | 45–79 |
| M5 | жоден обсяг не підходить | Завелика | – |
| M4 Max | 128 ГБ | 4 біт Працює добре | 44–78 |
| M4 Pro | 64 ГБ | 2 біт Працює добре | 40–70 |
| M4 | жоден обсяг не підходить | Завелика | – |
| M3 Ultra | 256 ГБ | 8 біт Працює добре | 35–62 |
| M3 Max | 128 ГБ | 4 біт Працює добре | 32–57 |
| M3 Pro | жоден обсяг не підходить | Завелика | – |
| M3 | жоден обсяг не підходить | Завелика | – |
| M2 Ultra | 128 ГБ | 4 біт Працює добре | 64–114 |
| M2 Max | 64 ГБ | 2 біт Працює добре | 58–103 |
| M2 Pro | жоден обсяг не підходить | Завелика | – |
| M2 | жоден обсяг не підходить | Завелика | – |
| M1 Ultra | 128 ГБ | 4 біт Працює добре | 64–114 |
| M1 Max | 64 ГБ | 2 біт Працює добре | 58–103 |
| M1 Pro | жоден обсяг не підходить | Завелика | – |
| M1 | жоден обсяг не підходить | Завелика | – |
Як запустити
- Найпростіший спосіб: завантажте MLX Harness — безкоштовно і з відкритим кодом. Знайдіть Ornith 1.5 122B, 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: Готової збірки MLX від спільноти поки немає, тож створіть її з офіційних ваг:
pip install mlx-lmmlx_lm.convert --hf-path ornith-ai/Ornith-1.5-122B -q
Покроково: завантажити й запустити LLM на Mac · як користуватися MLX Harness · MLX, Ollama і llama.cpp
Про модель Ornith 1.5 122B
| Розробник | Ornith AI |
|---|---|
| Параметри | 122B усього · 10B активних (mixture of experts) |
| Контекст | токенів: 256K |
| Ліцензія | MIT |
| Випуск | 2026-10 |
| Вхідні дані | Текст і зображення |
| Ваги | ornith-ai/Ornith-1.5-122B |
Запитання
- Скільки пам’яті потрібно моделі Ornith 1.5 122B?
- Близько 68,6 ГБ на ваги (4 біт) плюс місце для контексту: загалом 74,1 ГБ. На Mac це означає 128 ГБ об’єднаної пам’яті або більше, адже за замовчуванням macOS дає GPU близько 75% пам’яті.
- Наскільки швидко Ornith 1.5 122B працює на Mac?
- Швидкість генерації залежить від пропускної здатності пам’яті. Найшвидший Mac для неї тут — M2 Ultra із 128 ГБ: близько 64–114 токенів за секунду (4 біт). Мінімальний Mac, що її запускає, — M2 Ultra із 128 ГБ — видає близько 64–114.
- Чому Ornith 1.5 122B працює швидше, ніж можна очікувати з її розміру?
- Це модель mixture-of-experts: вона тримає в пам’яті 122B параметрів, але на кожен токен читає лише 10B, тож пише зі швидкістю значно меншої моделі.
Схожі моделі
Для картки моделі або README
Показує мінімальний Mac, на якому Ornith 1.5 122B добре працює, і веде сюди.
[](https://mlx.app/run/ornith-1.5-122b)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.