Folia
← 返回头版

Apple 在 Mac Studio 上展示超大规模语言模型本地推理能力

Apple Research 发布了 MLX 框架的最新版本,展示了在 Mac Studio 上运行大规模语言模型的能力。1 该公司成功在搭载 M5 Ultra 芯片的单台 Mac Studio 上部署了参数规模达 816B 的 Muse Spark Open 模型,实现超过 36 tokens/秒的推理速度。1 相比搭载 M3 Ultra 芯片的设备,M5 Ultra 在首个 token 生成时间上快了 4.6 倍,内存带宽从 819 GB/s 提升至 1.2 TB/s。1

为了支持这一性能提升,Apple 利用了神经加速器和 Thunderbolt RDMA 技术实现多设备扩展。1 量化后的 Muse Spark Open 模型占用约 493GB 内存(NVFP4 格式),可在 Mac Studio 最大 512GB 统一内存配置下运行。1 在四台 Mac Studio 组成的配置中,系统能在 40.6 秒内处理包含 65,536 个 tokens 的上下文,展现了通过管道并行和张量并行技术扩展多设备推理的可行性。1

Apple 计划在 2026 年 4 月 23-27 日举办的 ICLR 大会上(地点为巴西里约热内卢)展示相关研究成果。1


评论