Bộ nhớ ở từng mức chính xác
| Phiên bản | Trọng số | Kèm ngữ cảnh | Mac nhỏ nhất |
|---|---|---|---|
| 8-bit | 595 GB | 643 GB | hơn mọi Mac |
| 6-bit | 455 GB | 491 GB | hơn mọi Mac |
| 4-bit | 315 GB | 340 GB | 512 GB |
| 3-bit chất lượng thấp hơn | 245 GB | 265 GB | 512 GB |
| 2-bit chất lượng thấp hơn | 175 GB | 189 GB | 256 GB |
Trên mọi chip Apple
Dung lượng bộ nhớ nhỏ nhất của mỗi chip chạy được Ling 3.1 Flash, 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 | 512 GB | 4-bit Chạy tốt | 38–68 |
| M5 Max | không dung lượng nào vừa | Quá lớn | – |
| M5 Pro | không dung lượng nào vừa | Quá lớn | – |
| M5 | không dung lượng nào vừa | Quá lớn | – |
| M4 Max | không dung lượng nào vừa | Quá lớn | – |
| M4 Pro | không dung lượng nào vừa | Quá lớn | – |
| M4 | không dung lượng nào vừa | Quá lớn | – |
| M3 Ultra | 512 GB | 4-bit Chạy tốt | 26–46 |
| M3 Max | không dung lượng nào vừa | Quá lớn | – |
| M3 Pro | không dung lượng nào vừa | Quá lớn | – |
| M3 | không dung lượng nào vừa | Quá lớn | – |
| M2 Ultra | không dung lượng nào vừa | Quá lớn | – |
| 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 | không dung lượng nào vừa | Quá lớn | – |
| 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
- Trong Terminal với MLX của Apple: Chưa có bản dựng MLX, và mlx-lm tiêu chuẩn chưa chuyển đổi được trọng số chính thức (bailing_moe_v3.py).
Từng bước: tải và chạy LLM trên Mac · cách dùng MLX Harness · MLX vs Ollama vs llama.cpp
Về Ling 3.1 Flash
| Nhà phát triển | inclusionAI |
|---|---|
| Tham số | Tổng 560B · 25B hoạt động (mixture-of-experts) |
| Ngữ cảnh | 256K token |
| Giấy phép | MIT |
| Phát hành | 2026-10 |
| Đầu vào | Văn bản |
| Trí tuệ | 41,1 trên Artificial Analysis Intelligence Index |
| Trọng số | inclusionAI/Ling-3.1-flash |
Câu hỏi
- Ling 3.1 Flash cần bao nhiêu bộ nhớ?
- Khoảng 315 GB cho trọng số ở mức 4-bit, cộng thêm chỗ cho ngữ cảnh: tổng cộng 340 GB. Trên Mac, điều đó có nghĩa là cần từ 512 GB bộ nhớ hợp nhất trở lên, vì mặc định macOS cho GPU dùng khoảng 75% bộ nhớ.
- Ling 3.1 Flash 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 512 GB, khoảng 38–68 token mỗi giây (4-bit). Mac nhỏ nhất chạy được nó, M5 Ultra với 512 GB, đạt khoảng 38–68.
- Vì sao Ling 3.1 Flash chạy nhanh hơn kích thước của nó?
- Đây là mô hình mixture-of-experts: nó giữ 560B tham số trong bộ nhớ nhưng mỗi token chỉ đọc 25B, 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 Ling 3.1 Flash và liên kết tới trang này.
[](https://mlx.app/run/ling-3.1-flash)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.
Dữ liệu mở: mlx.app/data (JSON, CSV)