M3 Ultra Mac Studio运行DeepSeek 671B模型与官网速率相当

M3 Ultra Mac Studio运行DeepSeek 671B模型与官网速率相当

综合各家测试结果，满血M3 Ultra运行 R1 671B 4bit量化版：GGUF框架下15.78 tokens/s，MLX框架下19.17 tokens/s，整机功耗约60w。在短序列生成场景中，其持续输出速率接近8张A100（FP16精度）集群的基准表现。

需特别注意：

关键指标差异：该对比未包含prefill阶段（提示词处理）速度，该环节Mac因内存带宽限制显著慢于GPU集群

精度差异：对比采用4bit量化模型，而A100常规使用16/32bit精度，同等精度下性能差距可能扩大

吞吐量限制：Mac的单任务延迟表现虽优，但多并发吞吐量仍无法与专业计算卡抗衡

当前QwQ 32B测试结果约20 tokens/s（量化版），在线版本因采用更高精度计算和复杂提示工程，实际体验可能优于本地量化部署。