Mac生态跑文生图视频以有可能了吗？M5 Max 40GPU 64G

[fsclsnow]

第一手测试资料：
先说基准测试 - MLX：
Qwen3.8-27B-MLX-6bit （模型 22.8G）
目前四档实测
Context Prefill Decode Peak Memory 512 tokens总时间
8K 921.3 tok/s 23.17 tok/s 25.26 GB 30.9 s
32K 845.4 tok/s 21.62 tok/s 26.87 GB 62.5 s
128K 596.8 tok/s 16.69 tok/s 33.69 GB 248.8 s
256K 436.7 tok/s 13.05 tok/s 42.74 GB 643.7 s

Qwen3.8-27B-MLX-4bit （模型 16.1G）
Context Prefill Decode Peak Memory 512 tokens总时间
8K 985.1 tok/s 31.92 tok/s 18.53 GB 24.3 s
128K 626.1 tok/s 21.10 tok/s 26.96 GB 231.6 s
256K 447.2 tok/s 15.49 tok/s 36.01 GB 613.8 s

基准和网上MacBook M5 Max的测试数据差不多；长上下文内存占用不多，256K 6Bit差不多42G，4Bit36G，还是跑的动，且有冗余20来G分配给系统和Agent等。长上下文是主要耗时还是在Prefill，将近10分钟。

[fsclsnow]

另外补充我很喜欢的一点：
GPU 满载时 GPU功耗也就100W
仔细听可以听到风扇声音，但也非常轻。环境音下，不特别关注几乎完全注意不到。
这样就可以很放心的放在家里任何地方，无论是工作室，机房，甚至是卧室。

[suboyang]

关键Qwen3.8-27B-MLX-6bit 没意义啊，这么低精度，干活干一会就累了。

[fsclsnow]

用oMLX加载MTPLX优化的模型，关闭思考，启用Lightning MTP
Model用的是Qwen3.8-27B-MTPLX-Optimized-Speed （19.5G）
执行简单回话，任务，写个贪吃蛇小游戏

一次成功，图形画面也不错

数据还挺漂亮。
性能测试结果：

智力测试结果：
智能基准对比

           模式      抽样              Qwen3.8-27B-MTPLX-Optimized-Speed

---

MMLU 抽样 1000/14042 83.6%
CMMLU 抽样 300/11582 80.7%
HELLASWAG 抽样 200/10042 93.0%
TRUTHFULQA 全量 817 84.8%
ARC_CHALLENGE 抽样 300/1172 96.7%
WINOGRANDE 抽样 300/1267 79.0%
GSM8K 抽样 100/1319 91.0%
HUMANEVAL 全量 164 91.5%
MBPP 抽样 200/500 80.0%
LIVECODEBENCH 抽样 100/1055 60.0%
BBQ 抽样 300/10864 92.7%
SAFETYBENCH 抽样 300/11435 86.3%

--- 详情 ---

模型：Qwen3.8-27B-MTPLX-Optimized-Speed
基准测试 准确率 正确 总数 Time(s) 思考

MMLU 83.6% 836 1000 856 否
CMMLU 80.7% 242 300 93.5 否
HELLASWAG 93.0% 186 200 82.9 否
TRUTHFULQA 84.8% 693 817 245.3 否
ARC_CHALLENGE 96.7% 290 300 106.8 否
WINOGRANDE 79.0% 237 300 79.7 否
GSM8K 91.0% 91 100 515 否
HUMANEVAL 91.5% 150 164 375.9 否
MBPP 80.0% 160 200 535.2 否
LIVECODEBENCH 60.0% 60 100 2561 否
BBQ 92.7% 278 300 86.2 否
SAFETYBENCH 86.3% 259 300 91 否

可能是关闭思考的关系，LiveCodeBench测试只拿到了60%
别的基本都还挺高

[fsclsnow]

备注：
本人是纯菜鸟。不是UP主，不是从业者
自己在虚心关注，学习，练习中。
希望能拽住时代大浪潮的尾巴，不被甩开太远。

望各大佬不令指导指正。

[Tony Wang]

@fsclsnow

这个速度很不错了, 已经达到了可用的程度. 4bit量化的 qwen 27B, 应对日常Agent的任务, 完全没有问题.

生图你可以考虑用Drawthings, 通过Agent 工具调用, 我估计你的 M5 max, 比如用zimage生图的话, 1024*1024 也就10秒左右一张. 而且你64G内存, 同时跑LLM和生图没问题.

至于prefill, 如果是长上下文的话, 你可以考虑打开 SpecPrefill , 不过这是双刃剑. prefill 速度能暴增, 但是长链任务有可能遗忘一些内容.

[eddie-hk]

@fsclsnow 謝謝師兄分享，小弟也是小白一名，之後可以直接抄功課了

[fsclsnow]

接着测试 oMLX with Qwen3.8-35B-A3B-Distill-oQ8-fp16-mtp（38.6G）
（oMLX上没找到35B-A3B 4Bit的mtp模型）

A3B模型性能更好了，缺点是因为Q8占内存更高，上下文128K以上就压力太大了。

智力测试与27B（Q4）对比：

除了LIVECODEBENCH 低了不少，其余测试似乎和4Bit 27B不相上下

[Tony Wang]

A3B 干活不太行, 很容易陷入死循环的思考

[fsclsnow]

@eddie-hk 互相学习！互相学习！

[fsclsnow]

半实战测试，让Qwen3.8-27B 写了个射击小游戏；反复修一些小bug；调整关卡难度，物品掉落折腾了半天。期间大部分由hermes调配完成。不知道是不是DSH对非自家模型适配的调配机制问题。给了他几个请求发一起，他一通思考然后就爆上下文罢工了。期间还报错在自己workspace内的文件他自己无法修改，最后爆掉了。

还请DSH大神指导。

然后我让Hermes去查，就是可以修改的，没问题。是DSH打开文件，又开了个复件自己修改自己被拒。。。我也是没想明白DSH怎么把自己绕进去的。

然后就让Hermes持续开发完善了小半天。长上下文持续工作下，输出就降到了33 Tok/s。
今天让35B-A3B开发了第四关，很顺利的一把完成。没遇上什么问题。因为上下文压力也比较小，输出在62 Tok/s
也算模拟小规模实际开发时，2个模型大概的能力展示。27B稠密模型这个速度也还算是可以接受，就是心理预期知道，实际能力很难维持50 Tok/s左右的。

[fsclsnow]

最后展示下最终成品效果，图一乐。

ASTRO Strike.html.zip