M2 có chạy được mô hình 70B không?

Không thoải mái. Mô hình 70B ở 4 bit cần khoảng 40 GB, còn M2 có tối đa 24 GB. Các mô hình tới khoảng 32B tham số chạy tốt.

M2 đạt bao nhiêu token mỗi giây?

Với mô hình 8B ở 4 bit, mức trần khoảng 22 token mỗi giây, và khi chạy thực tế đạt khoảng một nửa đến bốn phần năm mức đó. Mô hình lớn hơn chậm hơn theo tỷ lệ.

M2 có tốt cho AI không?

Khi chạy mô hình cục bộ, bộ nhớ và băng thông là quan trọng nhất. M2 có tới 24 GB với 100 GB/s, đủ cho các mô hình tới khoảng 32 tỷ tham số. Máy còn có thể kiếm tiền bằng cách chạy tác vụ AI cho MLX Network với MLX Node.

Chạy LLM cục bộ trên M2: bộ nhớ, tốc độ, mô hình vừa

1Thông số quan trọng cho AI

Bộ nhớ hợp nhất	24 GB
Băng thông bộ nhớ	100 GB/s
Có trên	MacBook Air (2022, 2023), 13-inch MacBook Pro (2022), Mac mini (2023)
Ghế riêng phù hợp	Ghế Core: đào tối đa 20 MLX một ngày

2Mô hình nào vừa

Ở mức 4 bit cho mỗi trọng số, mô hình cần hơn nửa gigabyte một chút cho mỗi tỷ tham số, cộng thêm chỗ cho ngữ cảnh và macOS. Với 24 GB, M2 chứa thoải mái các mô hình tới khoảng 32 tỷ tham số.

Mô hình 4 bit	Bộ nhớ cần	Chạy được trên M2
Mô hình 8B	4,5 GB	Có
Mô hình 14B	7,9 GB	Có
Mô hình 32B	18 GB	Có
Mô hình 70B	39,4 GB	Không
gpt-oss-120b, mixture-of-experts	65 GB	Không
Qwen3.5-397B-A17B, mixture-of-experts	223,3 GB	Không
DeepSeek-V4.1-Flash, mixture-of-experts	316 GB	Không

3Chạy nhanh đến đâu

Tốc độ sinh văn bản bị giới hạn bởi băng thông bộ nhớ: mỗi token mới đều phải đọc một lượt các trọng số đang hoạt động của mô hình. Lấy 100 GB/s của M2 chia cho số byte đọc mỗi token sẽ ra mức trần bên dưới. Khi chạy thực tế thường đạt khoảng 45% đến 80% mức đó (benchmark của llama.cpp).

Mô hình 4 bit	Đọc mỗi token	Trần cho một cuộc chat
Mô hình 8B	4,5 GB	22 token/giây
Mô hình 14B	7,9 GB	13 token/giây
Mô hình 32B	18 GB	6 token/giây

5So sánh với các chip khác

6Câu hỏi

M2 có chạy được mô hình 70B không?: Không thoải mái. Mô hình 70B ở 4 bit cần khoảng 40 GB, còn M2 có tối đa 24 GB. Các mô hình tới khoảng 32B tham số chạy tốt.
M2 đạt bao nhiêu token mỗi giây?: Với mô hình 8B ở 4 bit, mức trần khoảng 22 token mỗi giây, và khi chạy thực tế đạt khoảng một nửa đến bốn phần năm mức đó. Mô hình lớn hơn chậm hơn theo tỷ lệ.
M2 có tốt cho AI không?: Khi chạy mô hình cục bộ, bộ nhớ và băng thông là quan trọng nhất. M2 có tới 24 GB với 100 GB/s, đủ cho các mô hình tới khoảng 32 tỷ tham số. Máy còn có thể kiếm tiền bằng cách chạy tác vụ AI cho MLX Network với MLX Node.

Nguồn

Apple: M2apple.com
llama.cpp: Apple Silicon benchmarksgithub.com