跳转到主要内容

Mac M2 Ultra 192G 能跑 Llama 3.1 8B Instruct 吗?

从容运行:GGUF Q8_0 在 4K 上下文、批量 1 时需要 9.5 GB,余量 134.5 GB。

文本输入、FP16 KV 缓存、单卡。统一内存采用显卡指南中的可用容量;负余量可能需要主机卸载。速度来源的设置可能与此 4K 估算不同。

实测记录

框架量化tok/s实测显存(GB)
OllamaGGUF Q4_K_M905.7

各量化在 4K 下的显存

量化总计 GB结论权重依据
GGUF Q2_K3.3从容运行估算权重
GGUF Q4_K_M5.6从容运行估算权重
GGUF Q6_K7.4从容运行估算权重
GGUF Q8_09.5从容运行估算权重

上下文容量 · GGUF Q8_0

上下文总计 GB结论
4K9.5从容运行
16K11.1从容运行
32K13.3从容运行
128K26.5从容运行

生成速度

实测: 90 tok/s, GGUF Q4_K_M, Ollama

GGUF Q8_0: 39–52 tok/s · 校准推算区间

其他模型与显卡组合