各种精度所需内存
| 版本 | 权重 | 含上下文 | 最低配置 Mac |
|---|---|---|---|
| 8 位 | 128 GB | 138 GB | 192 GB |
| 6 位 | 97.5 GB | 105 GB | 192 GB |
| 4 位 | 67.5 GB | 72.9 GB | 128 GB |
| 3 位 质量较低 | 52.5 GB | 56.7 GB | 96 GB |
| 2 位 质量较低 | 37.5 GB | 40.5 GB | 64 GB |
在每款 Apple 芯片上
每款芯片能运行 Nemotron 3.5 Super VL 120B A12B 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 | 没有合适的容量 | 太大 | – |
| M5 Ultra | 256 GB | 8 位 流畅运行 | 42–75 |
| M5 Max | 128 GB | 4 位 流畅运行 | 41–72 |
| M5 Pro | 64 GB | 2 位 流畅运行 | 36–65 |
| M5 | 没有合适的容量 | 太大 | – |
| M4 Max | 128 GB | 4 位 流畅运行 | 36–64 |
| M4 Pro | 64 GB | 2 位 流畅运行 | 32–57 |
| M4 | 没有合适的容量 | 太大 | – |
| M3 Ultra | 256 GB | 8 位 流畅运行 | 29–51 |
| M3 Max | 128 GB | 4 位 流畅运行 | 26–47 |
| M3 Pro | 没有合适的容量 | 太大 | – |
| M3 | 没有合适的容量 | 太大 | – |
| M2 Ultra | 128 GB | 4 位 流畅运行 | 53–94 |
| M2 Max | 64 GB | 2 位 流畅运行 | 47–84 |
| M2 Pro | 没有合适的容量 | 太大 | – |
| M2 | 没有合适的容量 | 太大 | – |
| M1 Ultra | 128 GB | 4 位 流畅运行 | 53–94 |
| M1 Max | 64 GB | 2 位 流畅运行 | 47–84 |
| M1 Pro | 没有合适的容量 | 太大 | – |
| M1 | 没有合适的容量 | 太大 | – |
如何运行
在终端中使用 Apple 的 MLX： 标准版 mlx-lm 目前还无法加载这个模型（Duckets/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-MLX-4bit），请按该版本模型卡上的说明操作。版本：Hugging Face 上的 Duckets/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-MLX-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 · MLX、Ollama 与 llama.cpp 对比
比起终端更喜欢用 App？在 AI App Store 比较能在本地运行模型的 Mac App：价格、许可证，以及你的数据去向。
关于 Nemotron 3.5 Super VL 120B A12B
| 开发者 | NVIDIA |
|---|---|
| 参数 | 共 120B · 激活 12B（混合专家） |
| 上下文 | 1M token |
| 许可证 | OpenMDW-1.1 |
| 发布时间 | 2026-10 |
| 输入 | 文本和图像 |
| 智能 | Artificial Analysis Intelligence Index 得分 26.5 |
| 权重 | nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16 |
常见问题
- Nemotron 3.5 Super VL 120B A12B 需要多少内存？
- 在 4 位 下权重约 67.5 GB，再加上上下文空间，总共 72.9 GB。在 Mac 上，这意味着需要 128 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。
- Nemotron 3.5 Super VL 120B A12B 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 128 GB 的 M2 Ultra，每秒约 53–94 个 token（4 位）。能运行它的最低配置 Mac 是 128 GB 的 M2 Ultra，每秒约 53–94 个。
- 为什么 Nemotron 3.5 Super VL 120B A12B 运行起来比它的规模显示的更快？
- 它是混合专家模型：内存中保存 120B 参数，但每个 token 只读取 12B，所以生成速度相当于小得多的模型。
类似模型
用于你的模型卡或 README
显示能流畅运行 Nemotron 3.5 Super VL 120B A12B 的最低配置 Mac，并链接到本页。
[](https://mlx.app/run/nemotron-3.5-super-vl-120b-a12b)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。
开放数据: mlx.app/data (JSON, CSV)