M4 có chạy được mô hình 70B không?

Không thoải mái. Mô hình 70B ở 4 bit cần khoảng 40 GB, còn M4 có tối đa 32 GB. Các mô hình tới khoảng 42B tham số chạy tốt.

M4 đạt bao nhiêu token mỗi giây?

Với mô hình 8B ở 4 bit, mức trần khoảng 27 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.

M4 có tốt cho AI không?

Khi chạy mô hình cục bộ, bộ nhớ và băng thông là quan trọng nhất. M4 có tới 32 GB với 120 GB/s, đủ cho các mô hình tới khoảng 42 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 M4: bộ nhớ, tốc độ, mô hình vừa

1Thông số quan trọng cho AI

Bộ nhớ hợp nhất	32 GB
Băng thông bộ nhớ	120 GB/s
Có trên	MacBook Air (2025), 14-inch MacBook Pro (2024), Mac mini (2024), iMac (2024)
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 32 GB, M4 chứa thoải mái các mô hình tới khoảng 42 tỷ tham số.

Mô hình 4 bit	Bộ nhớ cần	Chạy được trên M4
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 120 GB/s của M4 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	27 token/giây
Mô hình 14B	7,9 GB	15 token/giây
Mô hình 32B	18 GB	7 token/giây

5So sánh với các chip khác

6Câu hỏi

M4 có chạy được mô hình 70B không?: Không thoải mái. Mô hình 70B ở 4 bit cần khoảng 40 GB, còn M4 có tối đa 32 GB. Các mô hình tới khoảng 42B tham số chạy tốt.
M4 đạt bao nhiêu token mỗi giây?: Với mô hình 8B ở 4 bit, mức trần khoảng 27 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.
M4 có tốt cho AI không?: Khi chạy mô hình cục bộ, bộ nhớ và băng thông là quan trọng nhất. M4 có tới 32 GB với 120 GB/s, đủ cho các mô hình tới khoảng 42 tỷ tham số. Máy còn có thể kiếm tiền bằng cách chạy tác vụ AI cho MLX Network với MLX Node.

Nguồn

Apple: Mac mini (2024) specssupport.apple.com
llama.cpp: Apple Silicon benchmarksgithub.com