对 M5 MAX 跑本地大模型有点失望
-
最近网上看了很多 M5 MAX 跑模型的评测和视频， 虽然可以有很大的统一内存来装模型， 但是模型大了之后， 性能下降很多， 基本是 5-10个t/s ， 没法用的状态， 如Qwen 122b a10b 也就是勉强在 20-25t/s 刚刚可用的状态， 如果上百GB的 deepseek 装上去， 真的就几个tokens/s ， 没法用的状态。
我自己的 3090 24G+ 64G内存卸载 122b a10b Q4也能跑到 15-20t/s ，感觉上差的不多。
之前还想卖肾搞一套4-5万的 M5 MAX, 但是现在很犹豫了， 感觉没什么用。再说一下 6000pro , 96G显存， 122B a10b Q4量化文件本身也 70多G了，勉强放下， 如果是再大一些的模型， 6000pro一样也放不下， 跟 3090 24G+ 64G内存 也没有质的区别（从模型size来说）， 所以感觉消费级硬件真的没什么太好的选择， 至于几台机器一起张量并行的评测也看了， 觉得也是一般般。
ps. 以上不考虑实用、量产，只是考虑本地可跑的模型规模、速度。不对之处请指教。
-
M5 Max 跑 Qwen 122b a10b Q4 的话, 如果内存够, 不大可能只有 20-25t/s.
我的M5 pro 跑 Qwen 27b 稠密加上MTP之后, 还能跑到20以上, 64k上下文时候掉到 17多.
按这个速度推理, M5 max 是我显存带宽的两倍, 它能到 40t/s 以上.
122b A10b 肯定比27b 稠密要快, 应该能跑到 60t/s以上, 我估计.
另外, 122A10 的智力应该不如 27b 稠密, 只是知识面更宽.
@Tony-Wang 对的， 我的实际工作场景主要需要知识面， 智力其次。 所以27b对我反而没那么好用。 另外我看了很多M4 M5 跑大模型的评测， 我觉得不是单纯靠 x2 这样去算的， 当模型规模大， 上下文变长后， 速度增长不是线性的。我可以非常确定（因为昨天刚看一个， 当M5 pro能跑 17t/s 的时候， M5 MAX只有 25t/s）, 另外， 122B 现在好像没有MTP，这也是区别之一吧。
我的 3090 24G 跑 27b 稠密加上 MTP都可以到 60t/s （在 ubuntu下 llama.cpp） ， 那就是 M5 pro跟 3090 差了两倍多， 这个也是让我觉得苹果不太行。
-
@Tony-Wang 对的， 我的实际工作场景主要需要知识面， 智力其次。 所以27b对我反而没那么好用。 另外我看了很多M4 M5 跑大模型的评测， 我觉得不是单纯靠 x2 这样去算的， 当模型规模大， 上下文变长后， 速度增长不是线性的。我可以非常确定（因为昨天刚看一个， 当M5 pro能跑 17t/s 的时候， M5 MAX只有 25t/s）, 另外， 122B 现在好像没有MTP，这也是区别之一吧。
我的 3090 24G 跑 27b 稠密加上 MTP都可以到 60t/s （在 ubuntu下 llama.cpp） ， 那就是 M5 pro跟 3090 差了两倍多， 这个也是让我觉得苹果不太行。
-
要用支持MLX的框架, MOE 模型现在做MTP不成熟, 主要是 MTP 很难和 专家路由对齐. 命中率会很低, 这个可能将来会有改善.
上下文确实会严重拖慢速度. 不过也不应该拖慢那么多.
我 35A3, 短上下文能到 接近 90, 64k之后, 大概稳定在 50以上.
@Tony-Wang 了解了， 谢谢， 3090 35a3b 可以到 135t/s ， 128k上下文跑起来后 90-100
-
我工作上是 Pro6000 *8 的方案，只能說如果公司有錢就買一櫃沒啥煩惱，GPT-OSS-120B 沒壓力，但訓練上大家還是覺得不夠用，這本來就不是給我們這些窮人單卡作業的需求... ，8 張能落地跑很多情境，但絕大多數同事還是用 chatGPT 比較快，mac跑LLM，只是幫你搞定重複性高又不好寫程式自動化的小流程
（只是分享 不建議購入，光是配套設施就很貴，沒事別玩機架式 -
我刚刚定了一块 pro 5000 48G, 主要用来跑 27b, 价格不到4万, 还有保修.
对比pro 6000 96G, 现在京东上都 12万, 15万, 甚至18万一张了.
-
我刚刚定了一块 pro 5000 48G, 主要用来跑 27b, 价格不到4万, 还有保修.
对比pro 6000 96G, 现在京东上都 12万, 15万, 甚至18万一张了.
-
@Tony-Wang 巧了，今天京东自营刚刚到货，准备过两天发帖
-
@Tony-Wang nv工包的，京东有两款，差价10元，买的38804的那款。
, 你们台湾还能有满血保修, 我们这边啥都没有.