各种精度所需内存
| 版本 | 权重 | 含上下文 | 最低配置 Mac |
|---|---|---|---|
| 8 位 | 8.5 GB | 10 GB | 16 GB |
| 6 位 | 6.5 GB | 8 GB | 16 GB |
| 4 位 | 4.5 GB | 6 GB | 8 GB |
| 3 位 质量较低 | 3.5 GB | 5 GB | 8 GB |
| 2 位 质量较低 | 2.5 GB | 4 GB | 8 GB |
在每款 Apple 芯片上
每款芯片能运行 Llama 3.1 8B Instruct 的最小内存容量、装得下的最佳版本，以及预计的生成速度。
| 芯片 | 需要 | 版本 | token/秒 |
|---|---|---|---|
| M6 | 16 GB | 6 位 流畅运行 | 11–19 |
| M5 Ultra | 96 GB | 8 位 流畅运行 | 64–113 |
| M5 Max | 36 GB | 8 位 流畅运行 | 24–43 |
| M5 Pro | 24 GB | 8 位 流畅运行 | 16–29 |
| M5 | 16 GB | 6 位 流畅运行 | 11–19 |
| M4 Max | 36 GB | 8 位 流畅运行 | 22–39 |
| M4 Pro | 24 GB | 8 位 流畅运行 | 14–26 |
| M4 | 16 GB | 4 位 流畅运行 | 12–21 |
| M3 Ultra | 96 GB | 8 位 流畅运行 | 43–77 |
| M3 Max | 36 GB | 8 位 流畅运行 | 16–28 |
| M3 Pro | 18 GB | 6 位 流畅运行 | 10–18 |
| M3 | 8 GB | 4 位 流畅运行 | 10–18 |
| M2 Ultra | 64 GB | 8 位 流畅运行 | 42–75 |
| M2 Max | 32 GB | 8 位 流畅运行 | 21–38 |
| M2 Pro | 16 GB | 8 位 流畅运行 | 11–19 |
| M2 | 8 GB | 4 位 流畅运行 | 10–18 |
| M1 Ultra | 64 GB | 8 位 流畅运行 | 42–75 |
| M1 Max | 32 GB | 8 位 流畅运行 | 21–38 |
| M1 Pro | 16 GB | 8 位 流畅运行 | 11–19 |
| M1 | 8 GB | 4 位 较慢 | 7–12 |
如何运行
- 最简单的方法：下载免费开源的 MLX Harness。搜索 Llama 3.1 8B Instruct，下载适合你 Mac 的版本，即可开始对话。它还能通过 OpenAI 兼容 API 把模型提供给你的其他 App。下载 MLX Harness免费 · Apple Silicon · macOS 14.5 或更高版本
- 在终端中使用 Apple 的 MLX：
pip install mlx-lmmlx_lm.chat --model mlx-community/Llama-3.1-8B-Instruct-4bit版本：Hugging Face 上的 mlx-community/Llama-3.1-8B-Instruct-4bit。其他精度的版本就在旁边。
分步指南：在 Mac 上下载并运行 LLM · 如何使用 MLX Harness · MLX、Ollama 与 llama.cpp 对比
关于 Llama 3.1 8B Instruct
| 开发者 | Meta |
|---|---|
| 参数 | 8B（稠密） |
| 上下文 | 128K token |
| 许可证 | Llama 3.1 Community License |
| 发布时间 | 2024-07 |
| 输入 | 文本 |
| 权重 | meta-llama/Llama-3.1-8B-Instruct |
常见问题
- Llama 3.1 8B Instruct 需要多少内存？
- 在 4 位 下权重约 4.5 GB，再加上上下文空间，总共 6 GB。在 Mac 上，这意味着需要 8 GB 或以上的统一内存，因为 macOS 默认允许 GPU 使用约 75% 的统一内存。
- Llama 3.1 8B Instruct 在 Mac 上有多快？
- 生成速度取决于内存带宽。本页中运行它最快的 Mac 是 96 GB 的 M5 Ultra，每秒约 64–113 个 token（8 位）。能运行它的最低配置 Mac 是 8 GB 的 M3，每秒约 10–18 个。
- 量化会影响 Llama 3.1 8B Instruct 的质量吗？
- 在 4 位时，大多数模型的质量接近原版；低于 4 位，质量下降更快。选择能装进你的 Mac 并留有余量的最高精度。
类似模型
用于你的模型卡或 README
显示能流畅运行 Llama 3.1 8B Instruct 的最低配置 Mac，并链接到本页。
[](https://mlx.app/run/llama-3.1-8b)计算方法
内存：模型参数按每个权重 8、6、4、3 或 2 位计算，加上 MLX 的分组缩放（每个权重半位），或按其原生格式计算，再留出上下文空间。macOS 默认允许 GPU 使用约 75% 的统一内存。速度：内存带宽除以每个 token 读取的字节数，就是单个对话的上限；在 llama.cpp 的 Apple Silicon 公开基准测试中，实际运行可达这个上限的约 45% 到 80%，本页显示的就是这个范围。这些是估算值，不是实测值：可以在 MLX Bench 上测量你自己的 Mac。模型数据来自各模型的官方模型卡，芯片数据来自 Apple 的技术规格。核对于 2026-10-19。数据与 mlx.app/compare 相同。