待验证50% 置信基准精确时间
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
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/18
首次发现
有效期至：2026/10/16
来源
相关事实
待验证在对照测试中，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74% 相似待验证Apple M2/M3 芯片采用统一内存架构（UMA），llama.cpp 通过 Metal API 可达到约 30-50 tokens/秒的 7B 模型推理速度72% 相似待验证llama.cpp通过纯CPU推理和4-bit GGUF量化格式，使7B参数模型在无GPU的普通服务器上达到每秒20-40 tokens的生成速度70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/554308API
curl https://kongchang.com/api/v1/knowledge/claims/554308MCP
get_claim(id=554308)