Start / Poradniki / Rozwiązywanie problemów / Apple

Lokalne modele LLM na Macu z Intelem — co naprawdę działa

macOS

Autor: Jakub Rusinowski · Ostatnia aktualizacja: 1 września 2026

Edukator AI i prowadzący warsztaty z wdrażania lokalnych modeli LLM

Komunikat błędu

LM Studio system requirements: Apple Silicon Mac (M1/M2/M3/M4), macOS 14.0 or newer.
Intel Macs are not supported.

Który to przypadek?

Jeśli widzisz	Przyczyną jest	Przejdź do
Instalator LM Studio odmawia albo strona pobierania nie oferuje wersji dla Intela	LM Studio wymaga Apple Silicon i macOS 14 lub nowszego	Rozwiązanie 1: ustal, jakiego Maca masz, potem rozwiązanie 2
`uname -m` wypisuje `x86_64`	To Mac z Intelem — żadna ścieżka dla Apple Silicon cię nie dotyczy	Rozwiązanie 2: użyj narzędzi, które wciąż go obsługują
Ollama działa, ale każdy model jest wolny	Liczysz na CPU; szybkiej ścieżki tu nie ma	Rozwiązanie 3: dobierz model do prędkości procesora
Masz dedykowanego Radeona w 16-calówce i liczysz, że pomoże	Metalowi na tych układach brakuje przepustowości pamięci, której to zadanie wymaga	Rozwiązanie 4: spodziewaj się wyników klasy CPU
Zależy ci na szybkim działaniu dużego modelu	Ta maszyna nie zapewni jej przy żadnym ustawieniu	Rozwiązanie 6: wynajmij czas GPU albo przejdź na Apple Silicon

Kiedy się pojawia

Warto podać odpowiedź w pierwszych sześćdziesięciu słowach: LM Studio na macOS wymaga Apple Silicon i macOS 14.0 lub nowszego, a Maki z Intelem nie są obsługiwane. Żadne ustawienie tego nie zmieni. Dalej opisujemy, co na Macu z Intelem wciąż działa i jak szybko się tego spodziewać.

Masz MacBooka Pro, iMaca albo Maca mini z lat 2018–2020, a poradnik zakłada układ z serii M.
Miesiące temu zainstalowałeś LM Studio bez problemu, a nowsza wersja nie chce się uruchomić.
Ollama działa, ale generowanie na każdym użytecznym modelu idzie w tempie kilku tokenów na sekundę.
Masz 16-calówkę z dedykowanym Radeonem i liczyłeś, że to on udźwignie robotę.
Decydujesz, czy wymienić Maca, wynająć czas GPU, czy pogodzić się z prędkością procesora.

Co się właściwie dzieje

Lokalne wnioskowanie jest ograniczone przepustowością pamięci i dokładnie tam Apple Silicon różni się od Maca z Intelem. W układzie z serii M procesor i karta dzielą jedną pulę pamięci o wysokiej przepustowości, więc wagi czyta się szybko i nigdy nie kopiuje przez magistralę — dlatego MacBook Air potrafi w tym jednym zadaniu przegonić znacznie droższą maszynę z Intelem. Mac z Intelem ma zwykłą pamięć systemową zasilającą procesor oraz albo zintegrowaną grafikę Intela, albo dedykowaną kartę AMD z własną, stosunkowo niewielką pamięcią. Metal na tych kartach istnieje, ale żadna z nich nie daje tej historii o przepustowości, która czyni Apple Silicon dobrym w tej robocie. Mac z Intelem to maszyna do wnioskowania na CPU, a użytecznym pytaniem nie jest, jak odblokować jego GPU, tylko które modele warto uruchamiać na jego procesorze.

Jak to naprawić

1. Ustal, jakiego Maca faktycznie masz

Zanim cokolwiek innego, rozstrzygnij kwestię architektury — Rosetta 2 czyni to mniej oczywistym, niż powinno być, bo terminal zbudowany pod Intela na Macu z serii M również zgłasza x86_64. uname -m w natywnym terminalu plus linia z układem z system_profiler dają ci prawdę.

zsh

# zsh
uname -m                    # arm64 = Apple Silicon, x86_64 = Intel
sysctl -n machdep.cpu.brand_string
system_profiler SPHardwareDataType | grep -E "Model Name|Chip|Processor|Memory"
sw_vers                     # your macOS version

Czy zadziałało? Linia Processor z nazwą układu Intel Core to potwierdzenie. Jeśli widzisz linię Chip z układem z serii M, to nie ta strona — właściwe są poradniki o MLX i o swapowaniu.

2. Używaj narzędzi, które wciąż obsługują Intela

Ollama nadal działa na Makach z Intelem, na procesorze, i pozostaje najprostszą drogą — sama zajmuje się katalogiem modeli i pętlą czatu, bez budowania czegokolwiek. llama.cpp buduje się i działa ze źródeł, dając ci większą kontrolę nad wątkami i kontekstem. Metal jest w llama.cpp na macOS włączony domyślnie; na Macu z Intelem możesz chcieć go wyłączyć, bo ścieżka procesorowa bywa tu szybsza z tych dwóch — robi to -DGGML_METAL=OFF na etapie konfiguracji. Przetestuj oba, zanim się zdecydujesz.

zsh

# zsh — Ollama, CPU inference
brew install ollama
ollama run llama3.2:3b

# llama.cpp from source, CPU-only build
git clone https://github.com/ggml-org/llama.cpp && cd llama.cpp
cmake -B build -DGGML_METAL=OFF
cmake --build build --config Release -j
./build/bin/llama-cli -m model.gguf -p "hello" -t 8

Czy zadziałało? Model 3B odpowiada. Zmierz czas ustalonego promptu na obu buildach, żeby zobaczyć, czy Metal na twojej konkretnej maszynie pomaga, czy szkodzi.

ollama run llama3.2:3b "Write one sentence about the sea." --verbose

3. Dobierz model do prędkości procesora, a nie do swojego RAM-u

Na Macu z Intelem ogranicznikiem jest przepustowość, a nie pojemność — co odwraca zwykłą radę. Realnym pasmem jest 3B do 8B w Q4, a realną prędkością kilka tokenów na sekundę. 16-calówka z 2019 roku z 32 GB uruchomi model 8B na tyle sprawnie, że da się na nim rozmawiać — wolniej, niż byś chciał, ale wystarczająco szybko, by był użyteczny — i nie uruchomi modelu 70B w żadnym sensownym rozumieniu, choćby miała nie wiadomo ile pamięci. Zacznij od 3B, sprawdź, czy prędkość jest znośna, i wchodź wyżej tylko wtedy, gdy jest.

zsh

# zsh — start small and measure
ollama run llama3.2:3b --verbose   # note eval rate in tokens/s
ollama run llama3.1:8b --verbose   # compare

# llama.cpp: match threads to physical cores, not logical
sysctl -n hw.physicalcpu
./build/bin/llama-cli -m model.gguf -t $(sysctl -n hw.physicalcpu)

Czy zadziałało? Zgłoszony eval rate jest liczbą, z którą da się żyć przy twojej rzeczywistej pracy. Jeśli model 3B jest już za wolny, większy nie stanie się akceptowalny.

4. Nie licz, że dedykowany Radeon cię uratuje

15- i 16-calowe MacBooki Pro z Intelem przychodziły z dedykowaną grafiką AMD i rozsądnie jest założyć, że to pomaga. W praktyce te układy mają po kilka gigabajtów własnej pamięci i przepustowość znacznie poniżej tego, co daje nowoczesna karta do wnioskowania, a ekosystem ROCm nie obejmuje macOS w ogóle. Metal potrafi do nich sięgnąć, ale wynik ląduje w tej samej okolicy wydajnościowej co procesor. Przetestuj, jeśli chcesz — tylko skalibruj oczekiwania, zanim spędzisz na tym wieczór.

zsh

# zsh — what graphics does this machine actually have?
system_profiler SPDisplaysDataType | grep -E "Chipset|VRAM|Vendor"

5. Zmniejsz kontekst i trzymaj prompty krótko

Wnioskowanie na CPU boleśnie uwidacznia przetwarzanie promptu: długi dokument jest odczytywany z prędkością procesora, zanim wróci choć jeden token. Skrócenie długości kontekstu zmniejsza i zajętość pamięci, i czas oczekiwania na żądanie, a na tej klasie maszyn to niemal zawsze opłacalna wymiana. Domyślna wartość w Ollamie to 4096; rzadko jest tu powód, żeby ją podnosić.

zsh

# zsh — keep the window modest on CPU
OLLAMA_CONTEXT_LENGTH=2048 ollama run llama3.2:3b

Czy zadziałało? Czas do pierwszego tokenu przy długim prompcie zauważalnie spada. To właśnie ta liczba, a nie tokeny na sekundę, zwykle sprawia, że wnioskowanie na CPU wydaje się nie do użycia.

6. Powiedzmy wprost o trzech realnych opcjach Najczęstsze rozwiązanie

Nie ma konfiguracji, która uczyni Maca z Intelem szybkim w tym zadaniu, więc uczciwy wybór sprowadza się do trzech rzeczy. Pogodzić się z prędkością procesora przy modelu 3–8B, co naprawdę wystarcza do czatu, redagowania i lekkiej pomocy przy kodzie. Wynająć czas GPU na godziny, co jest właściwą odpowiedzią przy sporadycznej cięższej pracy — kilka godzin miesięcznie na wynajętej karcie kosztuje mniej niż maszyna i daje sprzęt, którego za tę cenę byś nie kupił. Albo przejść na Apple Silicon, gdzie nawet podstawowa maszyna z serii M całkowicie odmienia to zadanie. Koszt jest rzeczą do policzenia przed decyzją, a nie po niej.

Sprawdź, co zmieści się na twoim sprzęcie — sprawdź, które małe modele pozostają używalne przy prędkościach procesora
Otwórz kalkulator VRAM →

Jeśli nic z tego nie pomogło

Jeśli rozważasz nowego Maca, poradnik zakupowy omawia, który wariant pamięci ma znaczenie przy rozmiarach modeli, na których ci zależy. Jeśli skłaniasz się ku wynajmowi, kalkulator kosztów porównuje godzinowy wynajem GPU z zakupem na własność przy twoim rzeczywistym użyciu.

Dołącz to, zgłaszając problem

Wynik uname -m, sysctl -n machdep.cpu.brand_string oraz sw_vers
Linie o pamięci i modelu z system_profiler SPHardwareDataType
Eval rate z ollama run --verbose na modelu 3B
Które narzędzie odmówiło instalacji i jakie wymagania podało

Powiązane

Model, który mieści się na większości zestawów:

Zobacz model i wymagania →

Najczęstsze pytania

Czy LM Studio działa na Macu z Intelem?

Nie. LM Studio na macOS wymaga Apple Silicon (M1/M2/M3/M4) i macOS 14.0 lub nowszego, a bieżące wydania nie obsługują Maców z Intelem. Ollama i llama.cpp wciąż na Intelu działają, na procesorze.

Jaki rozmiar modelu jest realny na Macu z Intelem?

Od 3B do 8B w Q4, przy kilku tokenach na sekundę. 16-calówka z 2019 roku z 32 GB uruchomi model 8B na tyle sprawnie, by dało się rozmawiać, i nie uruchomi 70B w żadnym sensownym rozumieniu, choćby miała nie wiadomo ile pamięci — ogranicznikiem jest przepustowość, a nie pojemność.

Czy dedykowane GPU AMD w moim MacBooku Pro pomoże?

Niewiele. Te układy mają po kilka gigabajtów własnej pamięci i przepustowość znacznie poniżej nowoczesnej karty do wnioskowania, a ROCm nie obejmuje macOS. Metal potrafi z nich skorzystać, ale wyniki lądują blisko wydajności procesora. Przetestuj z ciekawości, ale nie planuj wokół tego.

Budować llama.cpp z Metalem czy bez?

Spróbuj obu wariantów. Na macOS Metal jest domyślnie włączony; na Macu z Intelem ścieżka procesorowa bywa równie szybka albo szybsza, a -DGGML_METAL=OFF na etapie konfiguracji daje ci build wyłącznie na CPU do porównania. Dziesięć minut testów rozstrzyga to dla twojej maszyny.

Czy warto przesiąść się na Apple Silicon tylko dla tego?

Jeśli lokalne wnioskowanie jest regularną częścią twojej pracy, różnica jest duża — przepustowość pamięci zunifikowanej to dokładnie to, czego to zadanie potrzebuje. Przy sporadycznych ciężkich zadaniach wynajem GPU na godziny zwykle wychodzi taniej niż nowa maszyna. Najpierw policz swoje rzeczywiste godziny.