M3 Ultra có nhanh hơn M3 Max cho LLM không?

M3 Ultra đọc bộ nhớ nhanh hơn M3 Max khoảng 105% (819 so với 400 GB/s), nên viết nhanh hơn khoảng 105% 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.

M3 Max hay M3 Ultra chạy được mô hình lớn hơn?

M3 Ultra: M3 Ultra có tới 512 GB bộ nhớ, M3 Max tới 128 GB. Ở cấu hình lớn nhất, nó chạy tốt 60 trên 73 mô hình mở, so với 47.

M3 Max vs M3 Ultra cho LLM: bộ nhớ, tốc độ, nên mua máy nào

Cạnh nhau

	M3 Max	M3 Ultra
Dung lượng bộ nhớ	36, 48, 64, 96, 128 GB	96, 256, 512 GB
Băng thông bộ nhớ	300–400 GB/s	819 GB/s
Cho mô hình, tối đa	khoảng 96 GB	khoảng 384 GB
Mô hình chạy tốt	47 trên 73	60 trên 73
Hạng ghế MLX	Pro	Ultra
Có trên	MacBook Pro (14-inch, M3 Pro or M3 Max, Nov 2023), MacBook Pro (16-inch, Nov 2023)	Mac Studio (2025)

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 512 GB), với phiên bản tốt nhất của mô hình vừa với máy.

Mô hình	M3 Max	M3 Ultra
Llama 3.1 8B Instruct8B	21–38 8-bit	43–77 8-bit
gpt-oss-20b21B · 3,6B hoạt động	95–168 4,25-bit gốc	194–345 4,25-bit gốc
Qwen3.6 35B A3B35B · 3B hoạt động	56–100 8-bit	115–205 8-bit
Qwen3.8 27B27B	12–21 4-bit	13–23 8-bit
Llama 3.3 70B Instruct70B	2–4 8-bit	5–9 8-bit
gpt-oss-120b117B · 5,1B hoạt động	67–119 4,25-bit gốc	137–243 4,25-bit gốc
Qwen3.5 122B A10B122B · 10B hoạt động	32–57 4-bit	35–62 8-bit
DeepSeek V4 Flash 0731284B · 13B hoạt động	44–78 2-bit chất lượng thấp hơn	27–47 8-bit

Câu hỏi

M3 Ultra có nhanh hơn M3 Max cho LLM không?: M3 Ultra đọc bộ nhớ nhanh hơn M3 Max khoảng 105% (819 so với 400 GB/s), nên viết nhanh hơn khoảng 105% 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.
M3 Max hay M3 Ultra chạy được mô hình lớn hơn?: M3 Ultra: M3 Ultra có tới 512 GB bộ nhớ, M3 Max tới 128 GB. Ở cấu hình lớn nhất, nó chạy tốt 60 trên 73 mô hình mở, so với 47.

Thêm so sánh

M3 Max cho AI cục bộ · M3 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.