M4 Max có nhanh hơn M3 Ultra cho LLM không?

M3 Ultra đọc bộ nhớ nhanh hơn M4 Max khoảng 50% (819 so với 546 GB/s), nên viết nhanh hơn khoảng 50% 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 Ultra hay M4 Max chạy được mô hình lớn hơn?

M3 Ultra: M3 Ultra có tới 512 GB bộ nhớ, M4 Max tới 128 GB. Ở cấu hình lớn nhất, nó chạy tốt 60 trên 73 mô hình mở, so với 47.

M3 Ultra vs M4 Max cho LLM: bộ nhớ, tốc độ, nên mua máy nào

Cạnh nhau

	M3 Ultra	M4 Max
Dung lượng bộ nhớ	96, 256, 512 GB	36, 48, 64, 128 GB
Băng thông bộ nhớ	819 GB/s	410–546 GB/s
Cho mô hình, tối đa	khoảng 384 GB	khoảng 96 GB
Mô hình chạy tốt	60 trên 73	47 trên 73
Hạng ghế MLX	Ultra	Pro
Có trên	Mac Studio (2025)	MacBook Pro (14-inch, M4 Pro or M4 Max, 2024), MacBook Pro (16-inch, 2024), 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 (512 GB và 128 GB), với phiên bản tốt nhất của mô hình vừa với máy.

Mô hình	M3 Ultra	M4 Max
Llama 3.1 8B Instruct8B	43–77 8-bit	29–51 8-bit
gpt-oss-20b21B · 3,6B hoạt động	194–345 4,25-bit gốc	129–230 4,25-bit gốc
Qwen3.6 35B A3B35B · 3B hoạt động	115–205 8-bit	77–137 8-bit
Qwen3.8 27B27B	13–23 8-bit	11–20 6-bit
Llama 3.3 70B Instruct70B	5–9 8-bit	3–6 8-bit
gpt-oss-120b117B · 5,1B hoạt động	137–243 4,25-bit gốc	91–162 4,25-bit gốc
Qwen3.5 122B A10B122B · 10B hoạt động	35–62 8-bit	44–78 4-bit
DeepSeek V4 Flash 0731284B · 13B hoạt động	27–47 8-bit	60–107 2-bit chất lượng thấp hơn

Câu hỏi

M4 Max có nhanh hơn M3 Ultra cho LLM không?: M3 Ultra đọc bộ nhớ nhanh hơn M4 Max khoảng 50% (819 so với 546 GB/s), nên viết nhanh hơn khoảng 50% 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 Ultra hay M4 Max chạy được mô hình lớn hơn?: M3 Ultra: M3 Ultra có tới 512 GB bộ nhớ, M4 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 Ultra cho AI cục bộ · M4 Max 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.