开放数据。

免费下载 mlx.app/compare 背后的数据:58 种 Apple Silicon Mac 配置、83 个开放 AI 模型,以及一张 4,756 行的表,列出哪个模型能在哪台 Mac 上运行、速度多快。JSON 和 CSV 格式,CC BY 4.0,每个数字都有出处。

更新于 · 版本 2026-10-19

Mac 配置58行 · JSON 和 CSV开放 AI 模型83行 · JSON 和 CSV哪个能在哪台上运行4,756行 · JSON 和 CSV

Apple Silicon Mac 配置

从 M1 到 M6 的每一款 Apple Silicon 芯片,以及 Apple 为其提供的每一种内存容量:统一内存、内存带宽、GPU 核心选项和搭载它的 Mac,均读取自 Apple 的技术规格页面,每一行都注明出处。 站内页面:所有 Mac。

14 列 · 58 行 · 核对于 2026年10月19日

列类型含义
mac文本标识符:芯片和内存容量,与 mlx.app/mac/<mac> 一致
chip文本芯片名称
chip_id文本芯片标识符
generation数字M 系列代数(1 = M1)
tier文本base、pro、max 或 ultra
memory_gb数字统一内存,GB
bandwidth_gbs数字Apple 公布的内存带宽,GB/s(Apple 未公布时为空:M1)
bandwidth_gbs_used数字估算使用的带宽,GB/s(M1:68,依据 Apple 的相对说法;见备注)
gpu_memory_default_gb数字约为统一内存的 75%:macOS 默认允许 GPU 使用的量(推算)
gpu_cores文本该内存容量可选的 GPU 核心数(列表)
macs文本搭载该芯片的 Mac,按 Apple 的型号名称(列表)
note文本来源中的注意事项
page文本mlx.app 上列出这台 Mac 能运行的所有模型的页面
sources文本读取数字的 Apple 页面(列表)

开放 AI 模型:参数量、激活参数量与内存

mlx.app/compare 上的每一个开放权重语言模型:总参数量和激活参数量、架构(稠密或混合专家)、上下文长度、许可证、发布日期、精度和权重大小,读取自每个模型的官方 Hugging Face 模型卡、config.json 和文件列表。 站内页面:所有模型。

19 列 · 83 行 · 核对于 2026年10月19日

列类型含义
model文本标识符,与 mlx.app/run/<model> 一致
name文本模型名称
maker文本发布方
hf_repo文本官方 Hugging Face 仓库
params_b数字总参数量,十亿(模型卡)
active_params_b数字每生成一个 token 读取的参数量,十亿(稠密模型等于 params_b;循环模型除外,它每次循环读取一次共享块:按默认循环次数计)
architecture文本dense 或 moe
context_tokens数字最大上下文,token 数(config.json)
license文本模型卡上注明的许可证
released文本发布日期(YYYY-MM-DD;模型卡未注明时取仓库创建日期)
modality文本输入:text,或 text+image
precision文本官方权重的精度
repo_weights_gb数字官方权重文件的大小,十进制 GB
native_gb数字模型原生低比特格式的权重,GB(仅限以该格式发布的模型)
native_bits数字该原生格式每个权重的比特数
offload_gb数字运行时可留在磁盘上的查找表,GB(不计入内存估算)
mlx_build文本Hugging Face 上的社区 MLX 版本(如有)
page文本mlx.app 上列出它所需内存和所有能运行它的 Mac 的页面
sources文本读取数字的页面(列表)

哪个开放模型能在哪台 Mac 上运行、速度多快(估算)

每一种 Apple Silicon Mac 配置对照每一个开放模型:能装进 macOS 分配给 GPU 的内存中的最高精度版本、预留上下文空间后所需的内存,以及以每秒 token 数表示的预估生成速度范围。根据公开规格估算,并非实测;计算方法见 mlx.app/compare。 站内页面:计算器。

16 列 · 4,756 行 · 核对于 2026年10月19日

列类型含义
mac文本Mac 配置(见 macs)
chip文本芯片名称
memory_gb数字统一内存,GB
bandwidth_gbs数字估算使用的内存带宽,GB/s
model文本模型(见 models)
model_name文本模型名称
version文本推荐版本:能装下的最高精度(8、6、4、3 或 2 比特 MLX,或原生格式)
bits_per_weight数字每个权重存储的比特数,含 MLX 的分组缩放(+0.5)
weights_gb数字内存中的权重,GB
needs_gb数字权重加上上下文和运行时的余量(8% 或 1.5 GB,取较大者),GB
fit文本fits(在 GPU 默认的 75% 以内)、tight(在内存的 90% 以内)、no
group文本Runs well(装得下,10+ tok/s)、Runs, but slowly、Only just fits、Too big
below_4_bit真/假只有低于 4 比特的版本能装下时为 true(质量下降)
tok_s_low数字预估生成速度下限(带宽上限的 45%),tokens/s;装不下时为空
tok_s_high数字预估生成速度上限(上限的 80%),tokens/s
tok_s_ceiling数字带宽上限:带宽 ÷ 每个 token 读取的字节数,tokens/s

估算值,以及它们如何得出

Mac 表和模型表是从 Apple 技术规格和每个模型的官方 Hugging Face 模型卡抄录的事实,每一行都注明出处。适配表是计算得出,而非实测:当一个模型在某个精度下的权重(每个权重的比特数加上 MLX 半比特的分组缩放),再加上上下文余量,不超过 macOS 默认允许 GPU 使用的 75% 统一内存时,就视为能装下。生成速度等于内存带宽除以每个 token 读取的字节数,以该上限的 45% 到 80% 显示,这是 llama.cpp 公开的 Apple Silicon 基准测试中实际运行所达到的范围。不包括提示词读取、长上下文和批处理。完整方法:mlx.app/compare。在 MLX Bench 上测量你自己的 Mac。

未包含:Artificial Analysis Intelligence Index 分数(页面上以链接显示,但其条款保留了再分发权)以及 llama.cpp 基准测试结果(从方法说明中链接,未复制)。

使用和引用

依据 Creative Commons Attribution 4.0 免费使用:只要附上本页链接,即可复制、修改和发布,包括商业用途。规格本身是来自 Apple 和模型开发方的事实;模型和产品名称归其各自所有者。MLX 与 Apple Inc. 无关。

MLX Network (2026). MLX open data: Apple Silicon Macs, open AI models and what runs where (version 2026-10-19). https://mlx.app/data. CC BY 4.0.

上面的 URL 始终提供最新版本;每个文件都带有版本号(JSON 中的 version、X-Dataset-Version 响应头,以及保存时的文件名)。index.json 列出了每个文件及其大小和 SHA-256。

更多开放数据

  • Explorer API:MLX Network 上的每一个区块、交易、账户和席位,JSON 格式。
  • llms.txt 和 llms-full.txt:供 AI 助手阅读的纯文本版网站,包含每篇指南的全文。
  • 站点地图:每一个页面,以及其事实最后核对的日期。