Apple M4 Max (96GB)

103.1 GB · 546 GB/s · Metal · 统一内存

总内存
103.1 GB
单设备可用显存
77.3 GB
显存带宽
546 GB/s
最大推理模型级别
72.71B
功耗
140 W

推理配置

批量为 1,输入 512 tokens,生成 128 tokens。多卡按 PCIe 4 流水线并行估算。

在计算器中打开

模型对比

最多选择四个模型,曲线截至各模型支持的最大上下文。

GB0.037.675.1112.72k4k8k16k32k64k128kLlama 3.1 8B Instruct · 2048 · 6.7 GBLlama 3.1 8B Instruct · 4096 · 7.0 GBLlama 3.1 8B Instruct · 8192 · 7.6 GBLlama 3.1 8B Instruct · 16384 · 8.8 GBLlama 3.1 8B Instruct · 32768 · 11.2 GBLlama 3.1 8B Instruct · 65536 · 16.0 GBLlama 3.1 8B Instruct · 131072 · 25.6 GBQwen2.5-72B · 2048 · 51.5 GBQwen2.5-72B · 4096 · 52.2 GBQwen2.5-72B · 8192 · 53.7 GBQwen2.5-72B · 16384 · 56.7 GBQwen2.5-72B · 32768 · 62.7 GBQwen2.5-72B · 65536 · 74.8 GBQwen2.5-72B · 131072 · 98.8 GBQwen2-72B · 2048 · 51.5 GBQwen2-72B · 4096 · 52.2 GBQwen2-72B · 8192 · 53.7 GBQwen2-72B · 16384 · 56.7 GBQwen2-72B · 32768 · 62.7 GBQwen2-72B · 65536 · 74.8 GBQwen2-72B · 131072 · 98.8 GB可用上限 · 77.3 GB
Llama 3.1 8B Instruct7.0 GB
Qwen2.5-72B52.2 GB
Qwen2-72B52.2 GB

模型速度矩阵

匹配计算器校准条件时采用公开的 32K 缓存测速。其余速度来自计算器理论估算,首词延迟为提示词处理时间。

#量化速度依据
1SmolLM2-135M0.13B3,713.60.017 s可运行Q4理论估算 · 假设输入 26 TFLOPS
2SmolLM2-135M-Instruct0.13B3,713.60.017 s可运行Q4理论估算 · 假设输入 26 TFLOPS
3SmolLM2-360M0.36B1,448.80.045 s可运行Q4理论估算 · 假设输入 26 TFLOPS
4SmolLM2-360M-Instruct0.36B1,448.80.045 s可运行Q4理论估算 · 假设输入 26 TFLOPS
5Qwen2-0.5B0.49B1,147.30.058 s可运行Q4理论估算 · 假设输入 26 TFLOPS
6Qwen2-0.5B-Instruct0.49B1,147.30.058 s可运行Q4理论估算 · 假设输入 26 TFLOPS
7Qwen2.5-0.5B0.49B1,147.30.058 s可运行Q4理论估算 · 假设输入 26 TFLOPS
8Qwen2.5-0.5B-Instruct0.49B1,147.30.058 s可运行Q4理论估算 · 假设输入 26 TFLOPS
9Qwen2.5-Coder-0.5B0.49B1,147.30.058 s可运行Q4理论估算 · 假设输入 26 TFLOPS
10Qwen2.5-Coder-0.5B-Instruct0.49B1,147.30.058 s可运行Q4理论估算 · 假设输入 26 TFLOPS

推理能力评估

Q4

72.71B

Qwen2.5-72B

Q8

57.41B

Qwen2-57B-A14B

FP16

33.34B

deepseek-coder-33b-base

微调能力评估

QLoRA 4-bit

72.71B

Qwen2.5-72B

LoRA 16-bit

30.53B

Qwen3-30B-A3B

全参数微调

3.66B

granite-4.1-3b-llmon-preview

选型建议

最佳推理区间

当前矩阵中生成速度领先的适配模型覆盖 0.13–0.36B.

当前配置下,目录模型最大可达 72.71B · Qwen2.5-72B

带宽与速率

546 GB/s · Llama 3.1 8B Instruct · 71.1 tok/s

显存上限

所需 / 可用 · 7.0 / 77.3 GB

常见问题

最适合运行哪些模型?

SmolLM2-135M · 3,713.6 tok/s / SmolLM2-135M-Instruct · 3,713.6 tok/s / SmolLM2-360M · 1,448.8 tok/s

估算准确度如何?

实测参考仅用于匹配的测速配置。理论速率按带宽和所标精度的峰值计算,实际耗时受后端、算子和提示词长度影响。

可用显存是如何确定的?

计算器使用该型号的可用比例 · 75% × 103.1 GB. 系统占用可能使实际可用容量降低。

为什么部分模型没有速度数据?

显存不足或超出模型上下文上限时不提供速度。可运行模型优先采用匹配的实测参考,其余使用理论估算。缺少硬件峰值或带宽时,表中单独标出计算器采用的假设输入。