M2 Max có chạy được mô hình 70B không?

Có. Mô hình 70B ở 4 bit cần khoảng 40 GB, còn M2 Max có tới 96 GB. Trần cho một cuộc chat vào khoảng 10 token mỗi giây.

M2 Max đạt bao nhiêu token mỗi giây?

Với mô hình 8B ở 4 bit, mức trần khoảng 89 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 Max có tốt cho AI không?

Khi chạy mô hình cục bộ, bộ nhớ và băng thông là quan trọng nhất. M2 Max có tới 96 GB với 400 GB/s, đủ cho các mô hình tới khoảng 128 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 Max: bộ nhớ, tốc độ, mô hình vừa

1Thông số quan trọng cho AI

Bộ nhớ hợp nhất	96 GB
Băng thông bộ nhớ	400 GB/s
Có trên	14- and 16-inch MacBook Pro (2023), Mac Studio (2023)
Ghế riêng phù hợp	Ghế Pro: đào tối đa 80 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 96 GB, M2 Max chứa thoải mái các mô hình tới khoảng 128 tỷ tham số.

Mô hình 4 bit	Bộ nhớ cần	Chạy được trên M2 Max
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	Có
gpt-oss-120b, mixture-of-experts	65 GB	Có
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 400 GB/s của M2 Max 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	89 token/giây
Mô hình 14B	7,9 GB	51 token/giây
Mô hình 32B	18 GB	22 token/giây
Mô hình 70B	39,4 GB	10 token/giây
gpt-oss-120b, mixture-of-experts	2,7 GB	148 token/giây

5So sánh với các chip khác

6Câu hỏi

M2 Max có chạy được mô hình 70B không?: Có. Mô hình 70B ở 4 bit cần khoảng 40 GB, còn M2 Max có tới 96 GB. Trần cho một cuộc chat vào khoảng 10 token mỗi giây.
M2 Max đạt bao nhiêu token mỗi giây?: Với mô hình 8B ở 4 bit, mức trần khoảng 89 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 Max có tốt cho AI không?: Khi chạy mô hình cục bộ, bộ nhớ và băng thông là quan trọng nhất. M2 Max có tới 96 GB với 400 GB/s, đủ cho các mô hình tới khoảng 128 tỷ tham số. Máy còn có thể kiếm tiền bằng cách chạy tác vụ AI cho MLX Network với MLX Node.

Nguồn

Apple: M2 Pro and M2 Maxapple.com
llama.cpp: Apple Silicon benchmarksgithub.com