待验证50% 置信基准精确时间
在对照测试中，35B模型速度约100 tokens/秒（Mac Studio），是9B模型16 tokens/秒的约五倍
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/13
首次发现
有效期至：2026/10/11
来源
相关事实
待验证基于MLX框架，顶配Mac机型运行Llama-3-70B量化模型可达约20 tokens/秒的生成速度81% 相似待验证在4×RTX 3090 SXM4配置下，GLM-5.2量化版本的Token生成速度约为6.3-6.8 tokens/秒，提示评估速度约为10.6 tokens/秒74% 相似待验证本地部署DS4模型在STM32嵌入式开发测试中平均输出速度约为23 tokens/秒，推理时内存占用飙升至110GB，峰值速度达83.8 tokens/秒72% 相似待验证llama.cpp的GGUF格式4-bit量化版本使Llama 3.1 70B模型可在配备64GB统一内存的Apple M2 Ultra上运行，推理速度约20-30 tokens/秒71% 相似待验证用于文本补全任务的小型模型（1B–7B参数）在拥有8GB或以上统一内存的Mac上可流畅运行，推理延迟保持在几百毫秒以内。71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/502659API
curl https://kongchang.com/api/v1/knowledge/claims/502659MCP
get_claim(id=502659)