ہر پریسیژن پر میموری
| ورژن | ویٹس | کانٹیکسٹ کے ساتھ | سب سے چھوٹا Mac |
|---|---|---|---|
| اصل 4.25-bit | 65.3 GB | 70.5 GB | 96 GB |
| 3-bit کم معیار | 51.2 GB | 55.3 GB | 96 GB |
| 2-bit کم معیار | 36.6 GB | 39.5 GB | 64 GB |
ہر Apple چپ پر
ہر چپ کا سب سے کم میموری سائز جو gpt-oss-120b چلاتا ہے، اس میں سمانے والا بہترین ورژن، اور لکھنے کی متوقع رفتار۔
| چپ | درکار | ورژن | ٹوکن/سیکنڈ |
|---|---|---|---|
| M6 | کوئی سائز کافی نہیں | بہت بڑا | – |
| M5 Ultra | 96 GB | اصل 4.25-bit اچھا چلتا ہے | 200–356 |
| M5 Max | 128 GB | اصل 4.25-bit اچھا چلتا ہے | 102–182 |
| M5 Pro | 64 GB | 2-bit اچھا چلتا ہے | 86–154 |
| M5 | کوئی سائز کافی نہیں | بہت بڑا | – |
| M4 Max | 128 GB | اصل 4.25-bit اچھا چلتا ہے | 91–162 |
| M4 Pro | 64 GB | 2-bit اچھا چلتا ہے | 77–137 |
| M4 | کوئی سائز کافی نہیں | بہت بڑا | – |
| M3 Ultra | 96 GB | اصل 4.25-bit اچھا چلتا ہے | 137–243 |
| M3 Max | 96 GB | اصل 4.25-bit اچھا چلتا ہے | 50–89 |
| M3 Pro | کوئی سائز کافی نہیں | بہت بڑا | – |
| M3 | کوئی سائز کافی نہیں | بہت بڑا | – |
| M2 Ultra | 128 GB | اصل 4.25-bit اچھا چلتا ہے | 133–237 |
| M2 Max | 96 GB | اصل 4.25-bit اچھا چلتا ہے | 67–119 |
| M2 Pro | کوئی سائز کافی نہیں | بہت بڑا | – |
| M2 | کوئی سائز کافی نہیں | بہت بڑا | – |
| M1 Ultra | 128 GB | اصل 4.25-bit اچھا چلتا ہے | 133–237 |
| M1 Max | 64 GB | 2-bit اچھا چلتا ہے | 113–200 |
| M1 Pro | کوئی سائز کافی نہیں | بہت بڑا | – |
| M1 | کوئی سائز کافی نہیں | بہت بڑا | – |
اسے کیسے چلائیں
- آسان طریقہ: MLX Harness ڈاؤن لوڈ کریں، مفت اور اوپن سورس۔ gpt-oss-120b تلاش کریں، وہ ورژن ڈاؤن لوڈ کریں جو آپ کے Mac میں سماتا ہو، اور چیٹ کریں۔ یہ OpenAI سے مطابقت رکھنے والی API کے ذریعے ماڈل کو آپ کی دوسری ایپس کو بھی فراہم کرتا ہے۔MLX Harness ڈاؤن لوڈ کریںمفت · Apple Silicon · macOS 14.5 یا نیا
- Terminal میں Apple کے MLX کے ساتھ:
pip install mlx-lmmlx_lm.chat --model mlx-community/gpt-oss-120b-MXFP4-Q8بلڈ: Hugging Face پر mlx-community/gpt-oss-120b-MXFP4-Q8۔ دوسری پریسیژنز اسی کے ساتھ موجود ہیں۔
مرحلہ وار: Mac پر LLMs ڈاؤن لوڈ کریں اور چلائیں · MLX Harness کیسے استعمال کریں · MLX بمقابلہ Ollama بمقابلہ llama.cpp
gpt-oss-120b کے بارے میں
| بنانے والا | OpenAI |
|---|---|
| پیرامیٹرز | کل 117B · فعال 5.1B (mixture-of-experts) |
| کانٹیکسٹ | 128K ٹوکن |
| لائسنس | Apache-2.0 |
| ریلیز | 2025-08 |
| ان پٹ | ٹیکسٹ |
| ذہانت | Artificial Analysis Intelligence Index پر 11.6 |
| ویٹس | openai/gpt-oss-120b |
گائیڈ: mlx.app پر مرحلہ وار
سوالات
- gpt-oss-120b کو کتنی میموری چاہیے؟
- اصل 4.25-bit پر ویٹس کے لیے تقریباً 65.3 GB، اور کانٹیکسٹ کی گنجائش: کل 70.5 GB۔ Mac پر اس کا مطلب ہے 96 GB یا زیادہ یونیفائیڈ میموری، کیونکہ macOS ڈیفالٹ طور پر GPU کو اس کا تقریباً 75% استعمال کرنے دیتا ہے۔
- Mac پر gpt-oss-120b کتنا تیز ہے؟
- لکھنے کی رفتار میموری بینڈوڈتھ پر منحصر ہے۔ یہاں اس کے لیے سب سے تیز Mac، 96 GB والا M5 Ultra ہے، فی سیکنڈ تقریباً 200–356 ٹوکن (اصل 4.25-bit)۔ اسے چلانے والا سب سے چھوٹا Mac، 96 GB کے ساتھ، M5 Ultra پر تقریباً 200–356 تک پہنچتا ہے۔
- gpt-oss-120b اپنے سائز کی توقع سے زیادہ تیز کیوں چلتا ہے؟
- یہ mixture-of-experts ماڈل ہے: یہ میموری میں 117B پیرامیٹرز رکھتا ہے لیکن ہر ٹوکن کے لیے صرف 5.1B پڑھتا ہے، اس لیے یہ کہیں چھوٹے ماڈل کی رفتار سے لکھتا ہے۔
ملتے جلتے ماڈلز
آپ کے ماڈل کارڈ یا README کے لیے
وہ سب سے چھوٹا Mac دکھاتا ہے جو gpt-oss-120b کو اچھا چلاتا ہے، اور یہاں لنک کرتا ہے۔
[](https://mlx.app/run/gpt-oss-120b)یہ کیسے نکالا گیا
میموری: ماڈل کے پیرامیٹرز فی ویٹ 8، 6، 4، 3 یا 2 bits پر، ساتھ MLX کے گروپ اسکیلز (فی ویٹ آدھا bit)، یا اس کا اصل فارمیٹ، اور اوپر سے کانٹیکسٹ کی گنجائش۔ macOS ڈیفالٹ طور پر GPU کو یونیفائیڈ میموری کا تقریباً 75% استعمال کرنے دیتا ہے۔ رفتار: میموری بینڈوڈتھ کو فی ٹوکن پڑھے جانے والے بائٹس سے تقسیم کریں تو ایک گفتگو کی حد ملتی ہے؛ llama.cpp کے Apple Silicon پر پبلک بینچ مارکس میں اصل رنز اس کے تقریباً 45% سے 80% تک پہنچتے ہیں، اور یہی رینج دکھائی گئی ہے۔ یہ اندازے ہیں، پیمائشیں نہیں: اپنا Mac MLX Bench پر ناپیں۔ ماڈل کے اعداد ہر ماڈل کے آفیشل ماڈل کارڈ سے، چپ کے اعداد Apple کی Tech Specs سے۔ 2026-10-19 کو چیک کیا گیا۔ وہی ڈیٹا جو mlx.app/compare پر ہے۔