لاگ انوالیٹ بنائیں

کیا Mac پر Llama 3.1 8B Instruct چل سکتا ہے؟

جی ہاں، 8 GB یا زیادہ یونیفائیڈ میموری کے ساتھ۔ Llama 3.1 8B Instruct میں 8B پیرامیٹرز ہیں؛ یہاں ہر پریسیژن پر درکار میموری ہے اور یہ کہ ہر Apple چپ اسے کتنی تیزی سے چلاتی ہے۔

4-bit پر میموری6 GBویٹس 4.5 GB + کانٹیکسٹ
سب سے چھوٹا Mac8 GB4-bit · 58 Mac کنفیگریشنز
سب سے تیز Mac64–113ٹوکن/سیکنڈ · M5 Ultra 96 GB (اندازہ)

ہر پریسیژن پر میموری

ورژنویٹسکانٹیکسٹ کے ساتھسب سے چھوٹا Mac
8-bit8.5 GB10 GB16 GB
6-bit6.5 GB8 GB16 GB
4-bit4.5 GB6 GB8 GB
3-bit کم معیار3.5 GB5 GB8 GB
2-bit کم معیار2.5 GB4 GB8 GB

ہر Apple چپ پر

ہر چپ کا سب سے کم میموری سائز جو Llama 3.1 8B Instruct چلاتا ہے، اس میں سمانے والا بہترین ورژن، اور لکھنے کی متوقع رفتار۔

چپدرکارورژنٹوکن/سیکنڈ
M616 GB6-bit اچھا چلتا ہے11–19
M5 Ultra96 GB8-bit اچھا چلتا ہے64–113
M5 Max36 GB8-bit اچھا چلتا ہے24–43
M5 Pro24 GB8-bit اچھا چلتا ہے16–29
M516 GB6-bit اچھا چلتا ہے11–19
M4 Max36 GB8-bit اچھا چلتا ہے22–39
M4 Pro24 GB8-bit اچھا چلتا ہے14–26
M416 GB4-bit اچھا چلتا ہے12–21
M3 Ultra96 GB8-bit اچھا چلتا ہے43–77
M3 Max36 GB8-bit اچھا چلتا ہے16–28
M3 Pro18 GB6-bit اچھا چلتا ہے10–18
M38 GB4-bit اچھا چلتا ہے10–18
M2 Ultra64 GB8-bit اچھا چلتا ہے42–75
M2 Max32 GB8-bit اچھا چلتا ہے21–38
M2 Pro16 GB8-bit اچھا چلتا ہے11–19
M28 GB4-bit اچھا چلتا ہے10–18
M1 Ultra64 GB8-bit اچھا چلتا ہے42–75
M1 Max32 GB8-bit اچھا چلتا ہے21–38
M1 Pro16 GB8-bit اچھا چلتا ہے11–19
M18 GB4-bit سست7–12

اسے کیسے چلائیں

  1. آسان طریقہ: MLX Harness ڈاؤن لوڈ کریں، مفت اور اوپن سورس۔ Llama 3.1 8B Instruct 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
  2. Terminal میں Apple کے MLX کے ساتھ:pip install mlx-lmmlx_lm.chat --model mlx-community/Llama-3.1-8B-Instruct-4bitبلڈ: Hugging Face پر mlx-community/Llama-3.1-8B-Instruct-4bit۔ 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

Llama 3.1 8B Instruct کے بارے میں

بنانے والاMeta
پیرامیٹرز8B (ڈینس)
کانٹیکسٹ128K ٹوکن
لائسنسLlama 3.1 Community License
ریلیز2024-07
ان پٹٹیکسٹ
ویٹسmeta-llama/Llama-3.1-8B-Instruct

سوالات

Llama 3.1 8B Instruct کو کتنی میموری چاہیے؟
4-bit پر ویٹس کے لیے تقریباً 4.5 GB، اور کانٹیکسٹ کی گنجائش: کل 6 GB۔ Mac پر اس کا مطلب ہے 8 GB یا زیادہ یونیفائیڈ میموری، کیونکہ macOS ڈیفالٹ طور پر GPU کو اس کا تقریباً 75% استعمال کرنے دیتا ہے۔
Mac پر Llama 3.1 8B Instruct 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 64–113 ٹوکن (8-bit)۔ اسے چلانے والا سب سے چھوٹا Mac، 8 GB کے ساتھ، M3 پر تقریباً 10–18 تک پہنچتا ہے۔
کیا کوانٹائزیشن سے Llama 3.1 8B Instruct کو نقصان ہوتا ہے؟
4 bits پر زیادہ تر ماڈل اصل معیار کے قریب رہتے ہیں؛ 4 bits سے نیچے معیار تیزی سے گرتا ہے۔ وہ سب سے اونچی پریسیژن چنیں جو آپ کے Mac میں گنجائش کے ساتھ سما جائے۔

ملتے جلتے ماڈلز

تمام ماڈلز · تمام Mac · اپنے Mac کا موازنہ کریں

آپ کے ماڈل کارڈ یا README کے لیے

Runs on a Mac: Llama 3.1 8B Instruct وہ سب سے چھوٹا Mac دکھاتا ہے جو Llama 3.1 8B Instruct کو اچھا چلاتا ہے، اور یہاں لنک کرتا ہے۔

[![Runs on a Mac](https://mlx.app/badge/run/llama-3.1-8b.svg)](https://mlx.app/run/llama-3.1-8b)

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۔

کیا Mac پر Llama 3.1 8B Instruct چلے گا؟ میموری اور رفتار