待验证50% 置信基准精确时间
在公平的4-bit对比中，MLX搭配D-Flash 2推测解码跑出16.6 tokens/s，对比Ollama Q4的5.7 tokens/s
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/13
首次发现
有效期至：2027/1/11
来源
涉及实体
相关事实
待验证在2000 token新提示下，DeepSeek V4.1 Flash在Q4量化提示处理起始约360 tokens/s，64K上下文约307；token生成稳定约14 tokens/s77% 相似待验证在M3 Max上运行Gemma 4 26B，MLX为65.0 tokens/s，LLAMA.cpp为63.9 tokens/s，两者基本打平76% 相似待验证在4bit量化版本（完全放入32GB显存）测试中，Ollama达240 tokens/s，FreeToken为225 tokens/s，Ollama反而更快74% 相似待验证按高功耗加MLX或Ollama的公开数据，M4 Max上不同模型的解码速度大致阶梯为：Nemotron 3 Nano约160 tokens/s，Qwen 3.5 35B在107到130 tokens/s，Gemma 4 26B约75 tokens/s，DeepSeek V4 Flash约27 tokens/s，稠密27B约22 tokens/s74% 相似待验证Jordan Ilchif在32GB M4 MacBook Air上测试Qwen 3.8 27B，Ollama的NVFP4构建跑出17.2 tokens/s，纯MLX 6.6 tokens/s，LLAMA.cpp 4.4 tokens/s，但格式不同71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1015153API
curl https://kongchang.com/api/v1/knowledge/claims/1015153MCP
get_claim(id=1015153)