Folia
← 返回头版

开源引擎实现在M系Mac上高效运行Gemma 4 26B模型

开发者发布了一个名为TurboFieldfare的开源推理引擎,用Swift和Metal编写,能够在任何M系Mac上运行4-bit量化的Gemma 4 26B模型,内存占用仅约2GB1。该引擎通过在RAM中保持模型共享部分和KV缓存,同时从SSD流式传输路由专家的方式,有效解决了内存限制问题1。模型的4-bit量化权重占用约14GB1,首次运行将从Hugging Face下载15GB的权重1。

性能表现方面,在8GB M2 MacBook Air上,该引擎可实现5–6 tok/s的生成速度1;在M5 MacBook Pro上则可达到31–35 tok/s1。该引擎支持OpenAI兼容的本地服务器,具备流式传输和工具调用功能1。开发者为实现这一方案进行了超过100次实验1。


评论