1对 AI 重要的规格
| 统一内存 | 128 GB |
|---|---|
| 内存带宽 | 546 GB/s，低配为 410 GB/s |
| 搭载机型 | 14- and 16-inch MacBook Pro (2024), Mac Studio (2025) |
| 适合它的专属席位 | Pro 席位：每天最多挖 80 MLX |
2能跑哪些模型
4 位量化时，每 10 亿参数需要略多于 0.5 GB 内存，还要为上下文和 macOS 留出空间。128 GB 的 M4 Max 可以从容装下约 170B 参数以内的模型。
| 4 位模型 | 所需内存 | M4 Max 能否运行 |
|---|---|---|
| 8B 模型 | 4.5 GB | 能 |
| 14B 模型 | 7.9 GB | 能 |
| 32B 模型 | 18 GB | 能 |
| 70B 模型 | 39.4 GB | 能 |
| gpt-oss-120b，混合专家 | 65 GB | 能 |
| Qwen3.5-397B-A17B，混合专家 | 223.3 GB | 不能 |
| DeepSeek-V4.1-Flash，混合专家 | 316 GB | 不能 |
3跑得多快
生成文本的速度受内存带宽限制：每生成一个新 token，都要把模型的激活权重读一遍。用 M4 Max 的 546 GB/s 除以每个 token 读取的字节数，就得到下面的上限。实际运行通常能达到上限的 45% 到 80%（llama.cpp 基准测试）。
| 4 位模型 | 每 token 读取量 | 单个对话上限 |
|---|---|---|
| 8B 模型 | 4.5 GB | 每秒 121 token |
| 14B 模型 | 7.9 GB | 每秒 69 token |
| 32B 模型 | 18 GB | 每秒 30 token |
| 70B 模型 | 39.4 GB | 每秒 14 token |
| gpt-oss-120b，混合专家 | 2.7 GB | 每秒 202 token |
实测：在 M4 Max (40-core GPU) 上，llama.cpp 公开基准测试中 Llama-2-7B（Q4_0）的生成速度为每秒 83 token。
5与其他芯片对比
6常见问题
- M4 Max 能跑 70B 模型吗？
- 能。4 位的 70B 模型约需 40 GB，而 M4 Max 最高有 128 GB。单个对话的上限约为每秒 14 token。
- M4 Max 每秒能生成多少 token？
- 以 4 位 8B 模型为例，上限约为每秒 121 token，实际运行大约能达到其一半到五分之四。模型越大，速度按比例越慢。
- M4 Max 适合跑 AI 吗？
- 本地运行模型时，最关键的是内存和带宽。M4 Max 最高 128 GB、546 GB/s，足以运行约 170B 参数以内的模型。它还可以通过 MLX Node 为 MLX Network 执行 AI 任务来赚取收益。
来源
- Apple: M4 Pro and M4 Maxapple.com
- llama.cpp: Apple Silicon benchmarksgithub.com