M2 có nhanh hơn M1 cho LLM không?

M2 đọc bộ nhớ nhanh hơn M1 khoảng 47% (100 so với 68 GB/s), nên viết nhanh hơn khoảng 47% với mọi mô hình vừa cả hai. Việc đọc một prompt dài lại phụ thuộc vào sức tính toán của GPU, điều mà phép so sánh này không đề cập.

M1 hay M2 chạy được mô hình lớn hơn?

M2: M2 có tới 24 GB bộ nhớ, M1 tới 16 GB. Ở cấu hình lớn nhất, nó chạy tốt 20 trên 73 mô hình mở, so với 14.

M1 vs M2 cho LLM: bộ nhớ, tốc độ, nên mua máy nào

Cạnh nhau

	M1	M2
Dung lượng bộ nhớ	8, 16 GB	8, 16, 24 GB
Băng thông bộ nhớ	68 GB/s	100 GB/s
Cho mô hình, tối đa	khoảng 12 GB	khoảng 18 GB
Mô hình chạy tốt	14 trên 73	20 trên 73
Hạng ghế MLX	Core	Core
Có trên	MacBook Air (M1, 2020), MacBook Pro (13-inch, M1, 2020), Mac mini (M1, 2020), iMac (24-inch, M1, 2021)	MacBook Air (M2, 2022), MacBook Pro (13-inch, M2, 2022), MacBook Air (15-inch, M2, 2023), Mac mini (2023)

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 (16 GB và 24 GB), với phiên bản tốt nhất của mô hình vừa với máy.

Mô hình	M1	M2
Llama 3.1 8B Instruct8B	4–6 8-bit	10–18 4-bit
gpt-oss-20b21B · 3,6B hoạt động	19–34 3-bit chất lượng thấp hơn	24–42 4,25-bit gốc
Qwen3.6 35B A3B35B · 3B hoạt động	34–60 2-bit chất lượng thấp hơn	35–62 3-bit chất lượng thấp hơn
Qwen3.8 27B27B	4–6 2-bit chất lượng thấp hơn	3–5 4-bit
Llama 3.3 70B Instruct70B	quá lớn	quá lớn
gpt-oss-120b117B · 5,1B hoạt động	quá lớn	quá lớn
Qwen3.5 122B A10B122B · 10B hoạt động	quá lớn	quá lớn
DeepSeek V4 Flash 0731284B · 13B hoạt động	quá lớn	quá lớn

Câu hỏi

M2 có nhanh hơn M1 cho LLM không?: M2 đọc bộ nhớ nhanh hơn M1 khoảng 47% (100 so với 68 GB/s), nên viết nhanh hơn khoảng 47% với mọi mô hình vừa cả hai. Việc đọc một prompt dài lại phụ thuộc vào sức tính toán của GPU, điều mà phép so sánh này không đề cập.
M1 hay M2 chạy được mô hình lớn hơn?: M2: M2 có tới 24 GB bộ nhớ, M1 tới 16 GB. Ở cấu hình lớn nhất, nó chạy tốt 20 trên 73 mô hình mở, so với 14.

Thêm so sánh

M1 cho AI cục bộ · M2 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.