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) |
|---|---|---|---|
| Ollama | GGUF Q4_K_M | 90 | 5.7 |
各量化在 4K 下的显存
| 量化 | 总计 GB | 结论 | 权重依据 |
|---|---|---|---|
| GGUF Q2_K | 3.3 | 从容运行 | 估算权重 |
| GGUF Q4_K_M | 5.6 | 从容运行 | 估算权重 |
| GGUF Q6_K | 7.4 | 从容运行 | 估算权重 |
| GGUF Q8_0 | 9.5 | 从容运行 | 估算权重 |
上下文容量 · GGUF Q8_0
| 上下文 | 总计 GB | 结论 |
|---|---|---|
| 4K | 9.5 | 从容运行 |
| 16K | 11.1 | 从容运行 |
| 32K | 13.3 | 从容运行 |
| 128K | 26.5 | 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