Bộ nhớ ở từng mức chính xác
| Phiên bản | Trọng số | Kèm ngữ cảnh | Mac nhỏ nhất |
|---|---|---|---|
| 8-bit | 32,6 GB | 35,2 GB | 48 GB |
| 6-bit | 24,9 GB | 26,9 GB | 36 GB |
| 4-bit | 17,3 GB | 18,8 GB | 32 GB |
| 3-bit chất lượng thấp hơn | 13,4 GB | 14,9 GB | 24 GB |
| 2-bit chất lượng thấp hơn | 9,6 GB | 11,1 GB | 16 GB |
Trên mọi chip Apple
Dung lượng bộ nhớ nhỏ nhất của mỗi chip chạy được Gemma 4 31B, phiên bản tốt nhất vừa với nó, và tốc độ viết bạn có thể kỳ vọng.
| Chip | Cần | Phiên bản | Token/giây |
|---|---|---|---|
| M6 | 32 GB | 4-bit Chậm | 4–8 |
| M5 Ultra | 96 GB | 8-bit Chạy tốt | 17–29 |
| M5 Max | 36 GB | 4-bit Chạy tốt | 12–21 |
| M5 Pro | 48 GB | 8-bit Chậm | 4–8 |
| M5 | 32 GB | 4-bit Chậm | 4–7 |
| M4 Max | 36 GB | 4-bit Chạy tốt | 11–19 |
| M4 Pro | 48 GB | 8-bit Chậm | 4–7 |
| M4 | 32 GB | 4-bit Chậm | 3–6 |
| M3 Ultra | 96 GB | 8-bit Chạy tốt | 11–20 |
| M3 Max | 36 GB | 6-bit Chậm | 5–10 |
| M3 Pro | 36 GB | 6-bit Chậm | 3–5 |
| M3 | 16 GB | 2-bit Chậm | 5–8 |
| M2 Ultra | 64 GB | 8-bit Chạy tốt | 11–20 |
| M2 Max | 32 GB | 4-bit Chạy tốt | 10–18 |
| M2 Pro | 32 GB | 4-bit Chậm | 5–9 |
| M2 | 16 GB | 2-bit Chậm | 5–8 |
| M1 Ultra | 64 GB | 8-bit Chạy tốt | 11–20 |
| M1 Max | 32 GB | 4-bit Chạy tốt | 10–18 |
| M1 Pro | 32 GB | 4-bit Chậm | 5–9 |
| M1 | 16 GB | 2-bit Chậm | 3–6 |
Cách chạy
- Cách dễ nhất: tải MLX Harness, miễn phí và mã nguồn mở. Tìm Gemma 4 31B, tải phiên bản vừa với Mac của bạn và bắt đầu trò chuyện. Ứng dụng cũng cung cấp mô hình cho các ứng dụng khác qua API tương thích OpenAI.Tải MLX HarnessMiễn phí · Apple Silicon · macOS 14.5 trở lên
- Trong Terminal với MLX của Apple:
pip install mlx-lmmlx_lm.chat --model mlx-community/gemma-4-31b-it-4bitBản dựng: mlx-community/gemma-4-31b-it-4bit trên Hugging Face. Các mức chính xác khác nằm ngay cạnh.
Từng bước: tải và chạy LLM trên Mac · cách dùng MLX Harness · MLX vs Ollama vs llama.cpp
Về Gemma 4 31B
| Nhà phát triển | Google DeepMind |
|---|---|
| Tham số | 30,7B (dense) |
| Ngữ cảnh | 256K token |
| Giấy phép | Apache-2.0 |
| Phát hành | 2026-03 |
| Đầu vào | Văn bản và hình ảnh |
| Trí tuệ | 14,7 trên Artificial Analysis Intelligence Index |
| Trọng số | google/gemma-4-31B-it |
Câu hỏi
- Gemma 4 31B cần bao nhiêu bộ nhớ?
- Khoảng 17,3 GB cho trọng số ở mức 4-bit, cộng thêm chỗ cho ngữ cảnh: tổng cộng 18,8 GB. Trên Mac, điều đó có nghĩa là cần từ 32 GB bộ nhớ hợp nhất trở lên, vì mặc định macOS cho GPU dùng khoảng 75% bộ nhớ.
- Gemma 4 31B chạy nhanh đến đâu trên Mac?
- Tốc độ viết phụ thuộc vào băng thông bộ nhớ. Mac nhanh nhất cho mô hình này ở đây là M5 Ultra với 96 GB, khoảng 17–29 token mỗi giây (8-bit). Mac nhỏ nhất chạy được nó, M2 Max với 32 GB, đạt khoảng 10–18.
- Lượng tử hóa có làm Gemma 4 31B kém đi không?
- Ở 4 bit, phần lớn mô hình giữ chất lượng gần với bản gốc; dưới 4 bit chất lượng giảm nhanh hơn. Hãy chọn mức chính xác cao nhất vừa với Mac của bạn mà vẫn còn dư chỗ.
Mô hình tương tự
Cho thẻ mô hình hoặc README của bạn
Hiển thị chiếc Mac nhỏ nhất chạy tốt Gemma 4 31B và liên kết tới trang này.
[](https://mlx.app/run/gemma-4-31b)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.