抡锤者

谢谢佬们建议，主要考虑笔记本携带方便，随时可以起服务，出差到客户，网络隔离也能使用。

@张光璞 我2080峰值到过7000哈哈哈

@Fang-Liu 不是，我弟，你是否吹牛逼我们不在意，我们想要的就是你多发点帖子，总结下，这个回复也有价值，但是不如你单独发点测试帖子更好。论坛好要的内容，才有流量，然后才能赚钱。

1万买不到32G 的 M6 .你都有 M4 24G了。搞一台 32G 的M6 提升不大。我刚把自己的M4 32G 发走给京东的爱回收。M6 32G 目前还没有好的购买渠道 需要等等。我买到跑一跑。应该和我预测的差不太多。32G这个内存数依旧是尴尬的。

@vosrock 我们这些屌丝，不要妄加揣测有钱人的生活，明星为什么买巴黎世家的塑料袋呢？

我有一块 京东自营 R9700 上个月 入手的 1.09W 原价处理有需要可以传送。三年个人送保或京东售后 都可以。瀚铠

沒研究過Apples , 放在供大家 參考一下價格 Apple "MacBook Pro" M5 Max 基本款 約14萬台幣 , 18C CPU/32C GPU , 36 GB Unified Memory, [image: ab801f4d-cccf-408e-a68d-4600ed9eeba0.jpeg] Apple "MacBook Pro" M5 Max 頂規 約24萬台幣 , 18C CPU/40C GPU , 128 GB Unified Memory, [image: b48b4c66-1dcf-4cb1-acad-6a87a53048a6.jpeg]

@YUN-WANG 说: 那如果用M5 MAX 36GB，会不会好很多？ M5MAX 跑27B的话, 速度可能能到30以上, 基本可用了. 但是36GB不够用, 上下文会很短. 尤其你用AI-Agent的工具的时候.

@johnnybegood 你想多了，3090还是更能打。

希望苹果能给AN两家点动力让他们认真的搞下小主机，不是现在这样的糊弄

@Tony-Wang 说: M6 内存带宽170G, 最高配32G内存. 这个定位是视频剪辑和日常工作用机. 想用LLM至少得M5 max 或者ultra. 170G 还不如 ai max 395

@terry 机器太老了。CPU4核8线程。内存只有可怜的32G。Vulkan 跑不了。报错我没细看。让hesmes 自由发挥了。2个小时后 Rocm 版出炉了。没详细测。有空查查日志看看发生了什么。我猜是硬件不支持的面最大。 显卡点亮就折腾了好久。AMD 的生态 十分尿性。

@stxpnet 说: 我的建议是，让AI上谷姐和REDDIT去帮你找 大本营，总有大神会和你用同款机器，然后他会精调一个专门针对这个机型的框架和模型,然后你接个deepseek v4,设计 好提示词，让梁文峰直接帮你抄作业就完事了。 我等了几天已经等到了。 以下给你一个HERMES可用的提示词： 去谷歌和reddit 帮我调研一下，最近7天内的，关于qwen 3.8 27b的模型比如（huggingface.co/zhnagchenchne/Qwen3.8-27B-GPTQ-W4A16 ），看看有哪些比较适合MacBook pro M5 MAX 128G 的，列最适合的10个，并用表格说明各自优劣势 ，我目前用的这个是 huggingface.co/twolven/Qwen3.8-27B-abliterated-AWQ-MTP ，感觉还行，但是离完美还有一些距离. 我比较喜欢【什么样的模型，用途主要是XXXX 】的。 如果reddit上找不到相关内容的话，可以从 huggingface.co/models?p=1&sort=created&search=qwen+3.8+27b 这个作为起点进去找找。 本会话可能要做为每日常规任务。主要目标是发掘一个适合 我本地 MacBook pro M5 MAX 128G 硬件的vllm或者sglang模型及框架 . 非常感谢，这个也很有帮助。。。马上办！

我找了一下, 我是 5月19日测试的, Qwen 3.6 27B oQ4. 今天oMLX发布了 0.3.9rc1, 支持了 native MTP, 我又测了一下加上了MTP机制的 27b oQ4, decode 明显提升, PP 基本不变. [image: 0948842d-9a88-4bc5-a041-2c523b7b2960.png]

@Gary-Pan 说: 153.6 GB/s bandwidth M5 Max 官网写的是 614GB/s 内存带宽，这个 153.6 GB/s 指的是什么呢？

@williamlouis 同意，做控制可用，也有些鸡肋，35B还不是很可靠，27B好一些，很慢。

@jlist 给 Hermes Agent 配 RAG，按投入产出比分三档说： 一档：零基建（建议先这么用） Hermes 自带文件读写（read_file / search_files）和联网搜索，把研究资料整理成 markdown/PDF 放一个目录，会话里直接让它读+检索，几千篇以内完全够用。再加上它的 session_search（对过往对话做全文检索）和 skills（把常用流程固化成技能），很多"RAG 需求"其实不用搭任何东西。缺点是只有关键词/全文检索，没有向量语义检索。 二档：MCP 原生接入（最"适合 Hermes Agent"的做法） Hermes 原生支持 MCP 客户端，hermes mcp add 把服务器加进去，工具自动注册，检索就变成 agent 的原生工具调用： Qdrant 官方 mcp-server-qdrant，配本地 embedding Chroma 的现成 MCP server 官方 mcp-server-memory（知识图谱式记忆，适合沉淀研究笔记） Embedding 用 bge-m3 或 Qwen3-Embedding-0.6B 本地跑，Ollama 一装就有，你 M5 Max 64GB 统一内存毫无压力。 三档：要"引用溯源"就上完整 RAG 平台 研究场景要的是"资料入库 + 引用溯源"（我上一条说的），这类需求 RAGFlow 最对口——文档解析、切块、检索、回答都自带引用来源标注；Dify 也行但偏应用编排。两者都能本地部署、接 Ollama 模型和本地 embedding，Hermes 通过 API/MCP 调它。代价是部署和维护成本高一个量级。 建议路径：先一档跑起来，资料多了、发现检索不准再上二档；真到写论文要逐条引用时再考虑三档。别一上来就搭重型 RAG——你 35B 还要占内存，轻量方案体验好得多。

@williamlouis Chrome 记录的各个网站密码, 还有password记录的密码, 用这个触碰一下, 都能自动填充. 这个是最方便的.

@SuperBat 可以接受涨价，不超过100%就行。