Apple Silicon
Metal 可加速现有 GGUF 模型;MLX 使用独立的 MLX 权重和运行时。选择后端不会把模型推理变成云服务。
MLX 为实验功能,需另行安装兼容运行时;仅支持 Apple Silicon,不能直接加载 GGUF。
MODELS / PERFORMANCE
按你的设备和使用场景选模型。文件大小、运行内存估算与实测速度分开显示。
配置、说话人与加速功能对应当前开发版。下载页标明已发布安装包的版本;旧版可能不支持配置链接。
| 设备 | 转写 + 写作 | 资源策略 | 性质 |
|---|---|---|---|
| Apple Silicon · 16 GB 日常 | zipformer-smallqwen3-1.7b | balanced · 2048 tokens | 建议起点 · 未测 |
| Apple Silicon · 16 GB · MLX 实验配置 | zipformer-smallqwen3-1.7b-mlx-4bit | balanced · 2048 tokens | 建议起点 · 未测 |
| Apple Silicon · 24 GB 会后整理 | zipformer-smallqwen3-4b | quality · 4096 tokens | 建议起点 · 未测 |
| Apple Silicon · 8 GB 省资源 | zipformer-smallqwen3-0.6b | eco · 2048 tokens | 建议起点 · 未测 |
| M5 · 24 GB · Metal 实测组合 | zipformer-smallqwen3-1.7b | balanced · 2048 tokens | 有测量记录 |
| 通用 CPU · 16 GB 日常 | zipformer-smallqwen3-1.7b | balanced · 2048 tokens | 建议起点 · 未测 |
| 通用 CPU · 8 GB 起步 | zipformer-smallqwen3-0.6b | eco · 2048 tokens | 建议起点 · 未测 |
先看当前可用内存,再看总内存。会议期间优先保证录音与转写;更大模型适合会后主动整理。
Metal 可加速现有 GGUF 模型;MLX 使用独立的 MLX 权重和运行时。选择后端不会把模型推理变成云服务。
MLX 为实验功能,需另行安装兼容运行时;仅支持 Apple Silicon,不能直接加载 GGUF。
保留通用 CPU 后端。省资源、日常、质量三档控制线程、上下文和任务预算;预算是调度依据,不是操作系统硬内存上限。
macOS 27.0.1 · arm64 · 2026-10-24
| 后端 / 模型 | 生成速度tokens/s | 首 tokenms | 进程内存峰值MiB | 测量次数 |
|---|---|---|---|---|
| CPUqwen3-1.7b | 13.5 | 2213 | 2426 | 3 |
| METALqwen3-1.7b | 78.3 | 102 | 1431 | 3 |
固定测试输入;速度和延迟为多次测量的中位数。模型热启动,提示冷缓存。RSS 是采样到的进程内存,不代表 GPU 总内存或整机功耗。
{
"method": {
"kind": "llama-server-completion",
"prompt_sha256": "d1073ca91137cbd8b8c777e44e3634b6d02a3f492eaf4805ec47f5f68c9654fb",
"server_sha256": "4bc6b545e77fc15471493503fe2d63a3e7dfee0a46e6735b2244c8f4eb934bf5",
"llama_cpp_revision": "5aeac37a35b44fde4bdffaec9159f2fcb253b622",
"app_commit": "5cadd45b7a78e2c6abec380dcc2f6a89d31d3b66",
"app_dirty": true,
"generation_tokens_requested": 128,
"repetitions": 3,
"cache": "prompt cache disabled; model warm after one unmeasured 16-token request",
"rss_sampling_interval_ms": 100,
"synthetic_input": true
},
"parameters": [
{
"backend": "cpu",
"model_id": "qwen3-1.7b",
"context_size": 2048,
"threads": 2,
"batch_size": 128,
"ubatch_size": 128,
"generated_tokens": 128,
"quantization": "Q4_K_M"
},
{
"backend": "metal",
"model_id": "qwen3-1.7b",
"context_size": 2048,
"threads": 2,
"batch_size": 128,
"ubatch_size": 128,
"generated_tokens": 128,
"quantization": "Q4_K_M"
}
],
"limitations": [
"Single machine; not a prediction for other M-series chips.",
"Generation speed is not transcription accuracy or meeting-summary quality.",
"RSS is a sampled process-resident-memory peak, not total unified/GPU allocation.",
"Power draw and thermal throttling were not measured.",
"128 output tokens are forced for comparability; this is a short synthetic benchmark."
]
}





下载前检查文件大小与 SHA-256。首次下载联网,之后本地推理无需网络。运行内存是估算,还需给其他应用与系统留空间。