Apple M4 Pro에서 Qwen3.5 122B-A10B 돌릴 수 있을까?
불가Q4_K_M에는 79.0GB가 필요해서, 쓸 수 있는 메모리 44.8GB보다 34.2GB가 모자랍니다. 대신 UD-Q2_K_XL (품질 손실 큼) 파일을 쓸 수 있습니다. 판정: 쾌적, 속도: 추정 34.1 tok/s (27.2–40.9, 보정된 추정 ±20%).
통합 메모리 64GB · 273.0 GB/s · FP16 8.1 TFLOPS. 8k 컨텍스트와 f16 KV 캐시를 기준으로 계산했습니다. 판정은 메모리 용량별로 보여 줍니다.
메모리 용량별 판정
이 페이지는 64GB 구성 기준입니다. 다른 용량은 아래와 같습니다.
- 24GB불가Q4_K_M: 메모리에 안 들어감
- 48GB불가UD-Q2_K_XL (품질 손실 큼): 겨우 가능추정 32.4 tok/s (22.7–42.1, 이론 추정 ±30%)
- 64GB불가UD-Q2_K_XL (품질 손실 큼): 쾌적추정 34.1 tok/s (27.2–40.9, 보정된 추정 ±20%)(이 페이지 기준)
Apple M4 Pro에서 Qwen3.5 122B-A10B: 양자화별 판정
| 양자화 | 파일 크기 | 판정 | 속도 | 메모리 | 실행 방식 | 참고 |
|---|---|---|---|---|---|---|
| UD-Q2_K_XL | 42.85GB | 쾌적 | 추정 34.1 tok/s27.2–40.9보정된 추정 ±20% | 43.6 / 44.8GB | 통합 메모리 | — |
| IQ4_XS | 61.93GB | 불가 | — | 약 62.7GB가 필요한데, 여유 메모리는 60.0GB입니다(GPU가 쓸 수 있는 양 44.8GB). | — | — |
| Q4_K_M기준 | 78.26GB | 불가 | — | 약 79.0GB가 필요한데, 여유 메모리는 60.0GB입니다(GPU가 쓸 수 있는 양 44.8GB). | — | — |
| Q8_0 | 132.55GB | 불가 | — | 약 133.3GB가 필요한데, 여유 메모리는 60.0GB입니다(GPU가 쓸 수 있는 양 44.8GB). | — | — |
생각 모드가 있는 모델은 생각하는 데 토큰을 더 쓰기 때문에 속도 기준을 1.5배 엄격하게 잡습니다(30 / 12 / 3 tok/s). 생각 모드를 끄고 쓰면 실제로는 한 단계 위일 수 있습니다.
UD-Q2_K_XL 기준 메모리 사용 내역
- 가중치
- 42.9GB
- KV 캐시
- 0.2GB
- 연산 버퍼
- 0.6GB
- 여유
- 1.2GB
- GPU가 못 쓰는 영역
- 19.2GB
컨텍스트 길이와 KV 캐시
| 컨텍스트 | KV f16 | KV q8_0 | KV q4_0 |
|---|---|---|---|
| 4k | 43.5GB쾌적 추정 34.6 tok/s27.7–41.6보정된 추정 ±20% | 43.4GB쾌적 추정 34.9 tok/s27.9–41.9보정된 추정 ±20% | 43.4GB쾌적 추정 35.1 tok/s28.0–42.1보정된 추정 ±20% |
| 8k | 43.6GB쾌적 추정 34.1 tok/s27.2–40.9보정된 추정 ±20% | 43.5GB쾌적 추정 34.6 tok/s27.7–41.5보정된 추정 ±20% | 43.5GB쾌적 추정 34.9 tok/s27.9–41.9보정된 추정 ±20% |
| 16k | 43.9GB쾌적 추정 33.0 tok/s26.4–39.6보정된 추정 ±20% | 43.7GB쾌적 추정 34.0 tok/s27.2–40.8보정된 추정 ±20% | 43.6GB쾌적 추정 34.6 tok/s27.6–41.5보정된 추정 ±20% |
| 32k | 44.5GB쾌적 추정 31.0 tok/s24.8–37.2보정된 추정 ±20% | 44.1GB쾌적 추정 32.8 tok/s26.3–39.4보정된 추정 ±20% | 43.9GB쾌적 추정 33.9 tok/s27.1–40.7보정된 추정 ±20% |
| 64k | 44.5GB겨우 가능 추정 23.3 tok/s16.3–30.3이론 추정 ±30% | 43.7GB겨우 가능 추정 27.4 tok/s19.2–35.6이론 추정 ±30% | 44.4GB쾌적 추정 32.7 tok/s26.1–39.2보정된 추정 ±20% |
| 128k | 46.1GB겨우 가능 추정 17.7 tok/s12.4–23.0이론 추정 ±30% | 44.6GB겨우 가능 추정 22.8 tok/s16.0–29.6이론 추정 ±30% | 43.8GB겨우 가능 추정 27.0 tok/s18.9–35.1이론 추정 ±30% |
| 256k | 49.3GB겨우 가능 추정 11.9 tok/s8.3–15.5이론 추정 ±30% | 46.3GB겨우 가능 추정 17.1 tok/s12.0–22.2이론 추정 ±30% | 44.7GB겨우 가능 추정 22.3 tok/s15.6–29.0이론 추정 ±30% |
S = 쾌적 · A = 원활 · B = 겨우 가능 · F = 불가
UD-Q2_K_XL 기준으로 판정(쾌적)이 유지되는 컨텍스트는 f16 KV 캐시에서 32k, q8_0에서 32k까지입니다.
예상 속도
- 생성
- 추정 34.1 tok/s (27.2–40.9, 보정된 추정 ±20%)
- 프롬프트 처리
- 약 105 tok/s (63–147, 대략적 추정 ±40%)
이 조합의 벤치마크 결과
이 조합으로 잰 공개 벤치마크 결과는 아직 없습니다. 위 수치는 모두 추정치입니다.
다른 선택지
Apple M4 Pro에서 원활하게 도는 더 작은 모델
쾌적K2-Horizon MoVA 36B-A4B: 쾌적, 추정 36.8 tok/s (25.8–47.8, 이론 추정 ±30%)
Qwen3.5 122B-A10B의 더 낮은 양자화
쾌적UD-Q2_K_XL(42.85GB, 품질 손실 큼): 쾌적, 추정 34.1 tok/s (27.2–40.9, 보정된 추정 ±20%)
Apple M4 Max (40-core GPU)에서 Qwen3.5 122B-A10B
쾌적Q4_K_M: 쾌적, 추정 43.0 tok/s (34.4–51.6, 보정된 추정 ±20%)
실행 방법
UD-Q2_K_XL 파일을 쓰는 명령입니다. 두 도구 모두 처음 실행할 때 Hugging Face에서 파일을 내려받습니다.
파일: Qwen3.5-122B-A10B-UD-Q2_K_XL.gguf (42.85GB, unsloth/Qwen3.5-122B-A10B-MTP-GGUF).
llama-server -hf unsloth/Qwen3.5-122B-A10B-MTP-GGUF:UD-Q2_K_XL -c 8192 -ngl all -fa on- -ngl all: 모든 층을 GPU에 올립니다.
- -fa on: 플래시 어텐션을 켭니다. KV 캐시를 양자화하려면 필요합니다.
- --cache-type-k q8_0 --cache-type-v q8_0: 8k 기준 KV 캐시가 0.11GB로 줄어듭니다.
터미널:
OLLAMA_CONTEXT_LENGTH=8192 ollama serve
ollama run hf.co/unsloth/Qwen3.5-122B-A10B-MTP-GGUF:UD-Q2_K_XL- Ollama는 24GB 미만 GPU에서 컨텍스트 기본값이 4k입니다. 서버를 띄울 때 OLLAMA_CONTEXT_LENGTH를 지정하거나, 대화 안에서 /set parameter num_ctx를 쓰세요.
/set parameter num_ctx 8192
관련 페이지
가이드: 맥 미니·맥북·맥 스튜디오에서 로컬 LLM 돌리기 — M4·M5 통합 메모리는 얼마나 필요할까
Apple M4 Pro에서 다른 모델
다른 하드웨어에서 Qwen3.5 122B-A10B
자주 묻는 질문
Apple M4 Pro에서 Qwen3.5 122B-A10B 돌릴 수 있나요?
Q4_K_M에는 79.0GB가 필요해서, 쓸 수 있는 메모리 44.8GB보다 34.2GB가 모자랍니다. 대신 UD-Q2_K_XL (품질 손실 큼) 파일을 쓸 수 있습니다. 판정: 쾌적, 속도: 추정 34.1 tok/s (27.2–40.9, 보정된 추정 ±20%). UD-Q2_K_XL에는 8k 컨텍스트 기준 43.6GB가 필요하고, 통합 메모리 중 GPU가 쓸 수 있는 양은 44.8GB입니다.
Apple M4 Pro에서 Qwen3.5 122B-A10B 컨텍스트는 얼마까지 쓸 수 있나요?
UD-Q2_K_XL 기준으로 판정(쾌적)이 유지되는 컨텍스트는 f16 KV 캐시에서 32k(KV 0.8GB), q8_0 KV 캐시에서 32k(KV 0.4GB)까지입니다. 모델이 지원하는 최대 컨텍스트는 256k입니다.
어떤 양자화 파일을 받아야 하고, 속도는 얼마나 나오나요?
추천 파일은 UD-Q2_K_XL (품질 손실 큼)(42.85GB)입니다. 판정: 쾌적, 속도: 추정 34.1 tok/s (27.2–40.9, 보정된 추정 ±20%). 같은 판정이 나오는 파일 가운데 가장 큰 파일이기도 합니다.
속도는 메모리 대역폭으로 계산한 추정치를 공개 벤치마크로 보정한 값입니다. 모든 수치에는 오차 범위와 신뢰 라벨을 함께 표시합니다. 실제 속도는 드라이버, 백엔드, 컨텍스트 길이, 발열에 따라 달라집니다.