Cạnh nhau
Tốc độ với các mô hình phổ biến
Token mỗi giây cho một cuộc trò chuyện, mỗi chip ở dung lượng bộ nhớ lớn nhất (128 GB và 192 GB), với phiên bản tốt nhất của mô hình vừa với máy.
| Mô hình | M1 Ultra | M2 Ultra |
|---|---|---|
| Llama 3.1 8B Instruct8B | 42–75 8-bit | 42–75 8-bit |
| gpt-oss-20b21B · 3,6B hoạt động | 189–337 4,25-bit gốc | 189–337 4,25-bit gốc |
| Qwen3.6 35B A3B35B · 3B hoạt động | 113–200 8-bit | 113–200 8-bit |
| Qwen3.8 27B27B | 13–22 8-bit | 13–22 8-bit |
| Llama 3.3 70B Instruct70B | 5–9 8-bit | 5–9 8-bit |
| gpt-oss-120b117B · 5,1B hoạt động | 133–237 4,25-bit gốc | 133–237 4,25-bit gốc |
| Qwen3.5 122B A10B122B · 10B hoạt động | 64–114 4-bit | 34–60 8-bit |
| DeepSeek V4 Flash 0731284B · 13B hoạt động | 88–156 2-bit chất lượng thấp hơn | 63–112 3-bit chất lượng thấp hơn |
Câu hỏi
- M2 Ultra có nhanh hơn M1 Ultra cho LLM không?
- Gần như nhau: băng thông bộ nhớ của hai chip chỉ chênh vài phần trăm. M2 Ultra có tới 192 GB bộ nhớ, M1 Ultra tới 128 GB.
- M1 Ultra hay M2 Ultra chạy được mô hình lớn hơn?
- M2 Ultra: M2 Ultra có tới 192 GB bộ nhớ, M1 Ultra tới 128 GB. Ở cấu hình lớn nhất, nó chạy tốt 49 trên 73 mô hình mở, so với 47.
Thêm so sánh
M1 Ultra cho AI cục bộ · M2 Ultra cho AI cục bộ · So sánh mọi mô hình · Mac tốt nhất cho LLM cục bộ
Cách tính
Bộ nhớ: số tham số của mô hình ở 8, 6, 4, 3 hoặc 2 bit mỗi trọng số cộng với hệ số tỷ lệ theo nhóm của MLX (nửa bit mỗi trọng số), hoặc theo định dạng gốc, rồi thêm chỗ cho ngữ cảnh. Mặc định macOS cho GPU dùng khoảng 75% bộ nhớ hợp nhất. Tốc độ: băng thông bộ nhớ chia cho số byte đọc mỗi token là mức trần cho một cuộc trò chuyện; trong benchmark Apple Silicon công khai của llama.cpp, thực tế đạt khoảng 45% đến 80% mức đó, và đó là khoảng được hiển thị. Đây là ước tính, không phải số đo: hãy đo chính Mac của bạn trên MLX Bench. Số liệu mô hình lấy từ thẻ mô hình chính thức, số liệu chip từ Thông số kỹ thuật của Apple. Kiểm tra ngày 2026-10-19. Cùng dữ liệu với mlx.app/compare.