M2 Ultra có chạy được mô hình 70B không?

Có. Mô hình 70B ở 4 bit cần khoảng 40 GB, còn M2 Ultra có tới 192 GB. Trần cho một cuộc chat vào khoảng 20 token mỗi giây.

M2 Ultra đạt bao nhiêu token mỗi giây?

Với mô hình 8B ở 4 bit, mức trần khoảng 178 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 Ultra có tốt cho AI không?

Khi chạy mô hình cục bộ, bộ nhớ và băng thông là quan trọng nhất. M2 Ultra có tới 192 GB với 800 GB/s, đủ cho các mô hình tới khoảng 256 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 Ultra: bộ nhớ, tốc độ, mô hình vừa

1Thông số quan trọng cho AI

Bộ nhớ hợp nhất	192 GB
Băng thông bộ nhớ	800 GB/s
Có trên	Mac Studio (2023), Mac Pro (2023)
Ghế riêng phù hợp	Ghế Ultra: đào tối đa 320 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 192 GB, M2 Ultra chứa thoải mái các mô hình tới khoảng 256 tỷ tham số.

Mô hình 4 bit	Bộ nhớ cần	Chạy được trên M2 Ultra
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 800 GB/s của M2 Ultra 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	178 token/giây
Mô hình 14B	7,9 GB	101 token/giây
Mô hình 32B	18 GB	44 token/giây
Mô hình 70B	39,4 GB	20 token/giây
gpt-oss-120b, mixture-of-experts	2,7 GB	296 token/giây

5So sánh với các chip khác

6Câu hỏi

M2 Ultra có chạy được mô hình 70B không?: Có. Mô hình 70B ở 4 bit cần khoảng 40 GB, còn M2 Ultra có tới 192 GB. Trần cho một cuộc chat vào khoảng 20 token mỗi giây.
M2 Ultra đạt bao nhiêu token mỗi giây?: Với mô hình 8B ở 4 bit, mức trần khoảng 178 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 Ultra có tốt cho AI không?: Khi chạy mô hình cục bộ, bộ nhớ và băng thông là quan trọng nhất. M2 Ultra có tới 192 GB với 800 GB/s, đủ cho các mô hình tới khoảng 256 tỷ tham số. Máy còn có thể kiếm tiền bằng cách chạy tác vụ AI cho MLX Network với MLX Node.

Nguồn

Apple: M2 Ultraapple.com
llama.cpp: Apple Silicon benchmarksgithub.com