各種精度所需記憶體
| 版本 | 權重 | 含上下文 | 最低配備 Mac |
|---|---|---|---|
| 8 位元 | 113 GB | 122 GB | 192 GB |
| 6 位元 | 86.1 GB | 93 GB | 128 GB |
| 4 位元 | 59.6 GB | 64.4 GB | 96 GB |
| 3 位元 品質較低 | 46.4 GB | 50.1 GB | 96 GB |
| 2 位元 品質較低 | 33.1 GB | 35.7 GB | 48 GB |
在每款 Apple 晶片上
每款晶片能執行 GLM-4.5 Air 的最小記憶體容量、放得下的最佳版本，以及預期的產生速度。
| 晶片 | 需要 | 版本 | token/秒 |
|---|---|---|---|
| M6 | 沒有合適的容量 | 太大 | – |
| M5 Ultra | 96 GB | 4 位元 順暢執行 | 79–141 |
| M5 Max | 128 GB | 6 位元 順暢執行 | 28–50 |
| M5 Pro | 48 GB | 2 位元 順暢執行 | 36–65 |
| M5 | 沒有合適的容量 | 太大 | – |
| M4 Max | 128 GB | 6 位元 順暢執行 | 25–45 |
| M4 Pro | 48 GB | 2 位元 順暢執行 | 32–57 |
| M4 | 沒有合適的容量 | 太大 | – |
| M3 Ultra | 96 GB | 4 位元 順暢執行 | 54–96 |
| M3 Max | 96 GB | 4 位元 順暢執行 | 20–35 |
| M3 Pro | 沒有合適的容量 | 太大 | – |
| M3 | 沒有合適的容量 | 太大 | – |
| M2 Ultra | 128 GB | 6 位元 順暢執行 | 37–65 |
| M2 Max | 96 GB | 4 位元 順暢執行 | 26–47 |
| M2 Pro | 沒有合適的容量 | 太大 | – |
| M2 | 沒有合適的容量 | 太大 | – |
| M1 Ultra | 128 GB | 6 位元 順暢執行 | 37–65 |
| M1 Max | 64 GB | 2 位元 順暢執行 | 47–84 |
| M1 Pro | 沒有合適的容量 | 太大 | – |
| M1 | 沒有合適的容量 | 太大 | – |
如何執行
- 最簡單的方法：下載免費開源的 MLX Harness。搜尋 GLM-4.5 Air，下載適合你 Mac 的版本，就能開始對話。它也能透過 OpenAI 相容 API，把模型提供給你的其他 App。下載 MLX Harness免費 · Apple Silicon · macOS 14.5 或以上版本
- 在「終端機」中使用 Apple 的 MLX：
pip install mlx-lmmlx_lm.chat --model mlx-community/GLM-4.5-Air-4bit版本：Hugging Face 上的 mlx-community/GLM-4.5-Air-4bit。其他精度的版本就在旁邊。
逐步教學：在 Mac 上下載並執行 LLM · 如何使用 MLX Harness · MLX、Ollama 與 llama.cpp 比較
關於 GLM-4.5 Air
| 開發者 | Z.ai (Zhipu) |
|---|---|
| 參數 | 共 106B · 啟用 12B（混合專家） |
| 上下文 | 128K token |
| 授權條款 | MIT |
| 發布時間 | 2025-07 |
| 輸入 | 文字 |
| 權重 | zai-org/GLM-4.5-Air |
常見問題
- GLM-4.5 Air 需要多少記憶體？
- 在 4 位元 下權重約 59.6 GB，再加上上下文空間，總共 64.4 GB。在 Mac 上，這代表需要 96 GB 以上的統一記憶體，因為 macOS 預設讓 GPU 使用約 75% 的統一記憶體。
- GLM-4.5 Air 在 Mac 上有多快？
- 產生速度取決於記憶體頻寬。本頁中執行它最快的 Mac 是 96 GB 的 M5 Ultra，每秒約 79–141 個 token（4 位元）。能執行它的最低配備 Mac 是 96 GB 的 M5 Ultra，每秒約 79–141 個。
- 為什麼 GLM-4.5 Air 執行起來比它的規模看起來更快？
- 它是混合專家模型：記憶體中保存 106B 參數，但每個 token 只讀取 12B，所以產生速度相當於小得多的模型。
類似模型
用於你的模型卡或 README
顯示能順暢執行 GLM-4.5 Air 的最低配備 Mac，並連結到本頁。
[](https://mlx.app/run/glm-4.5-air)計算方式
記憶體：模型參數以每個權重 8、6、4、3 或 2 位元計算，加上 MLX 的分組縮放（每個權重半個位元），或依其原生格式計算，再留出上下文空間。macOS 預設讓 GPU 使用約 75% 的統一記憶體。速度：記憶體頻寬除以每個 token 讀取的位元組數，就是單一對話的上限；在 llama.cpp 的 Apple Silicon 公開效能測試中，實際執行可達這個上限的約 45% 到 80%，本頁顯示的就是這個範圍。這些是估算值，不是實測值：可以到 MLX Bench 測量你自己的 Mac。模型數據來自各模型的官方模型卡，晶片數據來自 Apple 的技術規格。核對於 2026-10-19。數據與 mlx.app/compare 相同。