Apple Silicon
Metal 可加速現有 GGUF 模型;MLX 使用獨立的 MLX 權重與執行環境。選擇後端不會把模型推理變成雲端服務。
MLX 為實驗功能,需另行安裝相容執行環境;僅支援 Apple Silicon,不能直接載入 GGUF。
MODELS / PERFORMANCE
依裝置及使用情境選模型。檔案大小、執行記憶體估算與實測速度分開顯示。
設定、說話人與加速功能對應目前開發版。下載頁標明已發布安裝包的版本;舊版可能不支援設定連結。
| 裝置 | 轉寫 + 寫作 | 資源策略 | 性質 |
|---|---|---|---|
| Apple Silicon · 16 GB 日常 | zipformer-smallqwen3-1.7b | balanced · 2048 tokens | 建議起點 · 未測 |
| Apple Silicon · 16 GB · MLX 實驗設定 | zipformer-smallqwen3-1.7b-mlx-4bit | balanced · 2048 tokens | 建議起點 · 未測 |
| Apple Silicon · 24 GB 會後整理 | zipformer-smallqwen3-4b | quality · 4096 tokens | 建議起點 · 未測 |
| Apple Silicon · 8 GB 省資源 | zipformer-smallqwen3-0.6b | eco · 2048 tokens | 建議起點 · 未測 |
| M5 · 24 GB · Metal 實測組合 | zipformer-smallqwen3-1.7b | balanced · 2048 tokens | 有測量紀錄 |
| 通用 CPU · 16 GB 日常 | zipformer-smallqwen3-1.7b | balanced · 2048 tokens | 建議起點 · 未測 |
| 通用 CPU · 8 GB 起步 | zipformer-smallqwen3-0.6b | eco · 2048 tokens | 建議起點 · 未測 |
先看目前可用記憶體,再看總記憶體。開會時優先確保錄音與轉寫;較大模型適合會後主動整理。
Metal 可加速現有 GGUF 模型;MLX 使用獨立的 MLX 權重與執行環境。選擇後端不會把模型推理變成雲端服務。
MLX 為實驗功能,需另行安裝相容執行環境;僅支援 Apple Silicon,不能直接載入 GGUF。
保留通用 CPU 後端。省資源、日常、品質三檔控制執行緒、上下文及任務預算;預算是排程依據,並非系統硬記憶體上限。
macOS 27.0.1 · arm64 · 2026-10-24
| 後端 / 模型 | 生成速度tokens/s | 首 tokenms | 程序記憶體峰值MiB | 測量次數 |
|---|---|---|---|---|
| CPUqwen3-1.7b | 13.5 | 2213 | 2426 | 3 |
| METALqwen3-1.7b | 78.3 | 102 | 1431 | 3 |
固定測試輸入;速度與延遲為多次測量中位數。模型熱啟動,提示冷快取。RSS 是取樣程序記憶體,不代表 GPU 總記憶體或整機耗電。
{
"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."
]
}





下載前檢查檔案大小與 SHA-256。首次下載連網,之後本機推理不需網路。執行記憶體為估算,仍須預留其他應用與系統空間。