Mac Studio 实战 671B 全量大模型成绩出来了

只要 170w 就能跑 671b 也是牛

太贵了，玩不起

以前：谁没有个 gpu 服务器，谁还本地跑模型
现在：苹果牛 B ！

性价比最高的一集。

你拿买这个 macstudio 的价格去充 deepseek api ，按照目前平均 60 token/s 的速度可以持续不间断跑 19 年，整。

20649usd / (0.035 + 0.550) * 1M / 60 / (3600*24*365)

@LanhuaMa 这几天用 deepseek v3 跑翻译，说实话 60 tokens 每秒是肯定没有的，大部分时候比翻墙的 gpt-4o-mini 慢

@LanhuaMa 有些场景是不能用 api 的

4bit 量化.. 几乎没啥用啊

目前翻译好像是 4o-mini 性价比最高了？ 有没有本地部署过的，本地翻译模型有哪些？

4bit 全量

我观察一些网友对 Mac 的想法有点奇怪。

我就问一下，按能买到的 Mac Studio 512G 预算下，能做到跑大模型的有哪些 PC 或 专门设备？ 2080Ti 魔改显卡交火配置 8 卡电脑？还是上百万的 H100 Nvidia 专业显卡服务器？

4Bit 精度量化部署本地的情况下只能唯一可选。
为什么？因为没有 8Bit 或 16Bit 公开。
（ 8Bit 应该能跑，但也太极限了）
我估计 70B 按 8Bit 也能跑？

DeepSeek 为何成功？是因为它降低了成本。
更有可能搭载在部署本地上跑。也使其在 Mac 上搭建更为可能。

@LanhuaMa 但这样你就只能跑 Deepseek 了，买电脑肯定不是为了单一需求

@wclebb 直接购买云设备部署就行了，不然你以为商业应用都跟普通人一样用 ollama 么

@wclebb

https://github.com/kvcache-ai/ktransformers/blob/main/doc/en/DeepseekR1_V3_tutorial.md

0.3-preview, 6454S×2, 4090D, D5-4800

pp~250, tg~12 ，我没记错的话这个 pp 远超 m3u ，tg 差些

更好的硬件：
https://zhuanlan.zhihu.com/p/30079534043

@tanrenye 所以这是可选项，你当然可以买云服务器超强性能，然后自行买 Mac mini ，也可以的。

我说的是它能提供这个搭建的可能。
退一步讲，Mac 128G 能搭建 70B 就能足够满足使用的情况下，也没多少 70B 显卡能跑的吧？

所以我说的是：它能做，在一定预算内可选。
普通人有钱买 67K 块 Mac 512G ？也不是没可能。

不用追求满血，年底 32B 就能达到 671B 水平，现在已经很接近了

512g 内存上下文开不了太大 和在线版质量仍然有显著差距 不知道使用两到三台 macstudio 是否能支持更大上下文 但是对中小企业绝对是利好

@wclebb 首先 4bit 671b 3w 就能跑到 10token/s 以上的速度, 然后 ds 官方的权重就是 8bit fp 的, 哪门子没有公开, 美团也公开了 8bit int 的权重, 并且合并了相应的更改到 sglang
你没去了解=没有

@swmjjy 所以我说的是提供这个搭建 672B 4Bit 设备的可能。
至于 API 还是美团上能不能点个外卖还是什么 8Bit ，我就想问问，「按能买到的 Mac Studio 512G 预算下，能做到跑大模型的有哪些 PC 或 专门设备？ 」你扯 API 云的是为了想答赢我吗？

好，你赢了。



承认这个 Mac 能跑 672B 有多难？

很好，但确实没啥用。不然英伟达最近跌掉的市值应该涨在苹果上

@wclebb 我哪里提到云 api 了, 我说的是权重, 没人说 mac 不能跑, 在说的是 mac 跑性价比极低, 低价不如 ktransformers 方案低, 高吞吐性价比比正规方案差 10 倍以上

@wclebb 然后能做到的预算我头上就说了, 4bit 671b 跑到 10token/s 以上只需要 3w 预算而已

@swmjjy #20 行吧，我承认对刚发的 GitHub 了解不多。

我刚拿你这个 GitHub 内容发给让 ChatGPT 询问了解；
它一开始表示不可能，所以我直接采纳了需要 3360G 这个答案；

后来表示你只要 3W 预算就能跑，我回去问 ChatGPT 表示你是不是算错了，它纠结了半天算了半天直到现在才告诉我它承认算错了，确实 PC 24G 显存和 300G 多内存，是理论上可以跑。

为我刚刚没理解你发 GitHub 答案抱歉。
@swmjjy #21

问题是 4bit 量化啊。这又不值得说道。你都付了十万块了，还不能跑那才是笑话。

@LanhuaMa 但是人家是私有化部署的，这个是关键呀~

@wclebb PC 只要不到 4w, 且是 8bit, 8bit 比 4bit 强出太多根本不是一个级别
https://mp.weixin.qq.com/s/vIrvbVJ6Nv00Ehre1zZwMw

@LanhuaMa #5 商业上很多客户资料都是有 NDA 限制的，根本不是钱的问题

这个价格 我不如直接去买 api

个人玩真不适合玩这么大的 moe 模型。。。有多少钱都浪费在存这些参数上了，而人家云端至少几百张卡一组跑混合专家并行，平均下来能把成本优化到跟只跑跟激活的参数一样大小的模型（ 21B ）差不多

@june4 然而这个方案的 token 速度很差啊…

等年底或明年 500b 的开源大模型是不是性能能逼近 GPT4.5 了？

@MacsedProtoss 有成本限制啊，之前是没什么好办法，现在这个（包括 MAC STUDIO 方案）是可用。

Mac 跑文本和多模态大模型推理还行，但是如果要跑 comfy ui+多媒体生成的话，还是得 N 卡。

@wsping 从能跑 671b 模型的机器来看，这个便宜太多太多太多太多太多太多……更别说使用成本的便宜。