MacBook Neo A18 Pro 8GB 能跑 Llama-3.1-8B-Instruct 吗？

Apple · 8 GB LPDDR5X · 带宽 60 GB/s · Meta · 8.0B · 模型上下文最长 128K

各量化与上下文下的装机与速度

装得下 = 权重 + KV(上下文) + 0.5 GB 开销 ≤ 95% VRAM。实测锚点与上下文无关；装机结论按上下文分别计算。tok/s 缺失表示模型远超此卡能力（只能纯 offload）。

8K 上下文 VRAM 明细

其他能跑 Llama-3.1-8B-Instruct 的 GPU

• B200 192GB SXM — ≈939.6 tok/s Q4 估算
• MI300X 192GB — ≈614.4 tok/s Q4 估算
• H200 141GB SXM5 — ≈563.8 tok/s Q4 估算
• H100 80GB SXM5 — ≈393.5 tok/s Q4 估算
• Gaudi 3 128GB — ≈379.7 tok/s Q4 估算
• A100 80GB SXM4 — ≈239.5 tok/s Q4 估算
• RTX 5090 32GB — ≈214.3 tok/s Q4 实测
• RTX 4090 24GB — ≈145.0 tok/s Q4 实测

Llama-3.1-8B-Instruct 的全部 GPU →

MacBook Neo A18 Pro 8GB 可跑的其他模型

• MiniCPM5-1B — ≈70.0 tok/s Q4 估算
• Qwen3.5-2B — ≈37.8 tok/s Q4 估算
• Llama-3.2-3B-Instruct — ≈23.6 tok/s Q4 估算
• Nanbeige4.2-3B — ≈19.2 tok/s Q4 估算
• Qwen3-4B-Instruct-2507 — ≈18.9 tok/s Q4 估算
• NVIDIA-Nemotron-3-Nano-4B-BF16 — ≈18.9 tok/s Q4 估算
• Qwen3-4B-Thinking-2507 — ≈18.9 tok/s Q4 估算
• gemma-4-E2B-it — ≈14.8 tok/s Q4 估算

MacBook Neo A18 Pro 8GB 上的全部模型 →