Bộ nhớ ở từng mức chính xác
| Phiên bản | Trọng số | Kèm ngữ cảnh | Mac nhỏ nhất |
|---|---|---|---|
| 8-bit | 293 GB | 317 GB | 512 GB |
| 6-bit | 224 GB | 242 GB | 512 GB |
| 4-bit | 155 GB | 168 GB | 256 GB |
| 3-bit chất lượng thấp hơn | 121 GB | 131 GB | 192 GB |
| 2-bit chất lượng thấp hơn | 86,3 GB | 93,2 GB | 128 GB |
Trên mọi chip Apple
Dung lượng bộ nhớ nhỏ nhất của mỗi chip chạy được Inkling Small, phiên bản tốt nhất vừa với nó, và tốc độ viết bạn có thể kỳ vọng.
| Chip | Cần | Phiên bản | Token/giây |
|---|---|---|---|
| M6 | không dung lượng nào vừa | Quá lớn | – |
| M5 Ultra | 256 GB | 4-bit Chạy tốt | 79–141 |
| M5 Max | 128 GB | 2-bit Chạy tốt | 73–129 |
| M5 Pro | không dung lượng nào vừa | Quá lớn | – |
| M5 | không dung lượng nào vừa | Quá lớn | – |
| M4 Max | 128 GB | 2-bit Chạy tốt | 65–115 |
| M4 Pro | không dung lượng nào vừa | Quá lớn | – |
| M4 | không dung lượng nào vừa | Quá lớn | – |
| M3 Ultra | 256 GB | 4-bit Chạy tốt | 54–96 |
| M3 Max | 128 GB | 2-bit Chạy tốt | 47–84 |
| M3 Pro | không dung lượng nào vừa | Quá lớn | – |
| M3 | không dung lượng nào vừa | Quá lớn | – |
| M2 Ultra | 128 GB | 2-bit Chạy tốt | 95–168 |
| M2 Max | không dung lượng nào vừa | Quá lớn | – |
| M2 Pro | không dung lượng nào vừa | Quá lớn | – |
| M2 | không dung lượng nào vừa | Quá lớn | – |
| M1 Ultra | 128 GB | 2-bit Chạy tốt | 95–168 |
| M1 Max | không dung lượng nào vừa | Quá lớn | – |
| M1 Pro | không dung lượng nào vừa | Quá lớn | – |
| M1 | không dung lượng nào vừa | Quá lớn | – |
Cách chạy
- Cách dễ nhất: tải MLX Harness, miễn phí và mã nguồn mở. Tìm Inkling Small, 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/Inkling-Small-mlx-4bitBản dựng: mlx-community/Inkling-Small-mlx-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 Inkling Small
| Nhà phát triển | Thinking Machines Lab |
|---|---|
| Tham số | Tổng 276B · 12B hoạt động (mixture-of-experts) |
| Giấy phép | Apache-2.0 |
| Phát hành | 2026-07 |
| Đầu vào | Văn bản và hình ảnh |
| Trí tuệ | 25,7 trên Artificial Analysis Intelligence Index |
| Trọng số | thinkingmachines/Inkling-Small |
Câu hỏi
- Inkling Small cần bao nhiêu bộ nhớ?
- Khoảng 155 GB cho trọng số ở mức 4-bit, cộng thêm chỗ cho ngữ cảnh: tổng cộng 168 GB. Trên Mac, điều đó có nghĩa là cần từ 256 GB bộ nhớ hợp nhất trở lên, vì mặc định macOS cho GPU dùng khoảng 75% bộ nhớ.
- Inkling Small 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 256 GB, khoảng 79–141 token mỗi giây (4-bit). Mac nhỏ nhất chạy được nó, M5 Ultra với 256 GB, đạt khoảng 79–141.
- Vì sao Inkling Small chạy nhanh hơn kích thước của nó?
- Đây là mô hình mixture-of-experts: nó giữ 276B tham số trong bộ nhớ nhưng mỗi token chỉ đọc 12B, nên viết nhanh như một mô hình nhỏ hơn nhiều.
Mô hình tương tự
Cho thẻ mô hình hoặc README của bạn
Hiển thị chiếc Mac nhỏ nhất chạy tốt Inkling Small và liên kết tới trang này.
[](https://mlx.app/run/inkling-small)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.