Apple M4 Pro (64GB)
68.7 GB · 273 GB/s · Metal · 统一内存
- 总内存
- 68.7 GB
- 单设备可用显存
- 51.5 GB
- 显存带宽
- 273 GB/s
- 最大推理模型级别
- 70.55B
- 功耗
- 85 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。
Llama 3.1 8B Instruct7.0 GB
DeepSeek-R1-Distill-Llama-70B50.7 GB
Llama 3.3 70B Instruct50.7 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 | |||||
|---|---|---|---|---|---|---|---|
| 1 | SmolLM2-135M | 0.13B | 1,856.8 | 0.017 s | 可运行 | Q4 | 理论估算 · 假设输入 26 TFLOPS |
| 2 | SmolLM2-135M-Instruct | 0.13B | 1,856.8 | 0.017 s | 可运行 | Q4 | 理论估算 · 假设输入 26 TFLOPS |
| 3 | SmolLM2-360M | 0.36B | 724.4 | 0.045 s | 可运行 | Q4 | 理论估算 · 假设输入 26 TFLOPS |
| 4 | SmolLM2-360M-Instruct | 0.36B | 724.4 | 0.045 s | 可运行 | Q4 | 理论估算 · 假设输入 26 TFLOPS |
| 5 | Qwen2-0.5B | 0.49B | 573.7 | 0.058 s | 可运行 | Q4 | 理论估算 · 假设输入 26 TFLOPS |
| 6 | Qwen2-0.5B-Instruct | 0.49B | 573.7 | 0.058 s | 可运行 | Q4 | 理论估算 · 假设输入 26 TFLOPS |
| 7 | Qwen2.5-0.5B | 0.49B | 573.7 | 0.058 s | 可运行 | Q4 | 理论估算 · 假设输入 26 TFLOPS |
| 8 | Qwen2.5-0.5B-Instruct | 0.49B | 573.7 | 0.058 s | 可运行 | Q4 | 理论估算 · 假设输入 26 TFLOPS |
| 9 | Qwen2.5-Coder-0.5B | 0.49B | 573.7 | 0.058 s | 可运行 | Q4 | 理论估算 · 假设输入 26 TFLOPS |
| 10 | Qwen2.5-Coder-0.5B-Instruct | 0.49B | 573.7 | 0.058 s | 可运行 | Q4 | 理论估算 · 假设输入 26 TFLOPS |
推理能力评估
Q4
70.55BDeepSeek-R1-Distill-Llama-70B
Q8
34.39BYi-34B-200K
FP16
20.91Bgpt-oss-20b
微调能力评估
QLoRA 4-bit
57.41BQwen2-57B-A14B
LoRA 16-bit
15.71BDeepSeek-Coder-V2-Lite-Base
全参数微调
2.34BESFT-gate-code-lite
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 70.55B · DeepSeek-R1-Distill-Llama-70B
带宽与速率
273 GB/s · Llama 3.1 8B Instruct · 35.6 tok/s
显存上限
所需 / 可用 · 7.0 / 51.5 GB
常见问题
最适合运行哪些模型?
SmolLM2-135M · 1,856.8 tok/s / SmolLM2-135M-Instruct · 1,856.8 tok/s / SmolLM2-360M · 724.4 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% × 68.7 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。