M4 Max có chạy được mô hình 70B không?

Có. Mô hình 70B ở 4 bit cần khoảng 40 GB, còn M4 Max có tới 128 GB. Trần cho một cuộc chat vào khoảng 14 token mỗi giây.

M4 Max đạt bao nhiêu token mỗi giây?

Với mô hình 8B ở 4 bit, mức trần khoảng 121 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 Max có tốt cho AI không?

Khi chạy mô hình cục bộ, bộ nhớ và băng thông là quan trọng nhất. M4 Max có tới 128 GB với 546 GB/s, đủ cho các mô hình tới khoảng 170 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 Max: bộ nhớ, tốc độ, mô hình vừa

1Thông số quan trọng cho AI

Bộ nhớ hợp nhất	128 GB
Băng thông bộ nhớ	546 GB/s, hoặc 410 GB/s ở cấu hình thấp hơn
Có trên	14- and 16-inch MacBook Pro (2024), Mac Studio (2025)
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 128 GB, M4 Max chứa thoải mái các mô hình tới khoảng 170 tỷ tham số.

Mô hình 4 bit	Bộ nhớ cần	Chạy được trên M4 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 546 GB/s của M4 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	121 token/giây
Mô hình 14B	7,9 GB	69 token/giây
Mô hình 32B	18 GB	30 token/giây
Mô hình 70B	39,4 GB	14 token/giây
gpt-oss-120b, mixture-of-experts	2,7 GB	202 token/giây

Đo thực tế: trên M4 Max (40-core GPU), llama.cpp sinh 83 token mỗi giây với Llama-2-7B (Q4_0) trong benchmark công khai.

5So sánh với các chip khác

6Câu hỏi

M4 Max có chạy được mô hình 70B không?: Có. Mô hình 70B ở 4 bit cần khoảng 40 GB, còn M4 Max có tới 128 GB. Trần cho một cuộc chat vào khoảng 14 token mỗi giây.
M4 Max đạt bao nhiêu token mỗi giây?: Với mô hình 8B ở 4 bit, mức trần khoảng 121 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 Max có tốt cho AI không?: Khi chạy mô hình cục bộ, bộ nhớ và băng thông là quan trọng nhất. M4 Max có tới 128 GB với 546 GB/s, đủ cho các mô hình tới khoảng 170 tỷ tham số. Máy còn có thể kiếm tiền bằng cách chạy tác vụ AI cho MLX Network với MLX Node.

Nguồn

Apple: M4 Pro and M4 Maxapple.com
llama.cpp: Apple Silicon benchmarksgithub.com