Вартість локальних LLM на Apple Silicon: 120-мільярдна модель дешевша за 27-мільярдну

Вимірювання енергоспоживання локальних LLM на Apple Silicon

Недавнє дослідження, проведене на Mac Studio з чипом M3 Ultra та 96 ГБ уніфікованої пам'яті, виявило несподівані закономірності у вартості запуску локальних великих мовних моделей (LLM). Вимірювання, що враховували кожен ват енергії, показали, що найдорожчою в експлуатації виявилася не найбільша модель, а модель середнього розміру. Зокрема, 120-мільярдна модель виявилася приблизно в п'ять разів дешевшою за токен, ніж модель, яка становить чверть її розміру.

Методологія вимірювання

Для отримання точних даних було розроблено інструмент TokenWatt — проксі, сумісний з OpenAI, спеціально для Apple Silicon. Він вимірює енергоспоживання системи на кристалі (SoC) через інтерфейс Apple IOReport, віднімаючи базове споживання в режимі очікування, щоб визначити маргінальну вартість запиту. Усі вимірювання були відкалібровані за допомогою зовнішнього ваттметра Shelly Plug US Gen4, що забезпечило точність даних з похибкою від ±2.6% до ±4.5%. Вартість електроенергії була встановлена на рівні $0.31/кВт·год.

Тестування проводилося в режимі безперервної генерації токенів, що дозволило отримати максимально відтворювані результати при повному завантаженні графічного процесора.

Результати: Параметри не визначають вартість

Дослідження охопило п'ять моделей, що вміщуються в 96 ГБ уніфікованої пам'яті, від 4-мільярдної щільної моделі до 120-мільярдної моделі типу Mixture-of-Experts (MoE). Вартість розраховувалася за мільйон згенерованих токенів:

• Qwen3.5-4B (щільна): $0.063/1M токенів
• Qwen3.6-35B-A3B (MoE): $0.087/1M токенів
• Qwen3-Coder-Next (~80B MoE): $0.103/1M токенів
• gpt-oss-120b (120B MoE): $0.109/1M токенів
• Qwen3.6-27B (щільна): $0.554/1M токенів

Найдорожчою виявилася 27-мільярдна щільна модель, яка коштує в 5-9 разів дорожче за інші, включно з більшими моделями. Це підтверджує, що кількість параметрів не є надійним показником вартості запуску моделі.

Чому великі моделі можуть бути ефективнішими

Основна причина такої різниці у вартості полягає у співвідношенні споживаної потужності до пропускної здатності (ватти, поділені на кількість токенів за секунду). 27-мільярдна щільна модель споживає найбільше енергії (138 Вт) і генерує найменше токенів (21.5 токенів/с). Це відбувається тому, що для генерації кожного токена щільна модель повинна зчитувати всі свої 28 ГБ ваг з пам'яті, що призводить до великого обсягу передачі даних, низької швидкості та високого енергоспоживання.

Моделі Mixture-of-Experts (MoE), такі як 120-мільярдна gpt-oss-120b, працюють інакше. Хоча вони мають 120 мільярдів параметрів, для кожного токена активується лише близько 5 мільярдів. Це означає, що зчитується лише невелика частина з 59 ГБ ваг, що призводить до меншого обсягу передачі даних, вищої швидкості (74 токени/с) та меншого енергоспоживання (94 Вт). Квантування (4-6 біт проти 8 біт у щільних моделей) додатково підвищує ефективність.

Реальний трафік та особливості Apple Silicon

Дані, зібрані протягом місяця реального використання (понад 6300 запитів), показали, що 27-мільярдна щільна модель коштувала приблизно в десять разів дорожче за токен, ніж моделі MoE. Хоча реальний трафік є менш стабільним і підвищує вартість за токен у 2-3 рази порівняно з бенчмарками, загальна закономірність зберігається: щільна модель середнього розміру залишається найдорожчою.

Особливості Apple Silicon включають:

• Постійне споживання енергії: Уніфікована пам'ять означає, що великі моделі, що знаходяться в пам'яті, створюють постійне навантаження, яке зростає з розміром моделі, а потім стабілізується на рівні близько 21 Вт.
• Обмеження пам'яті: 96 ГБ уніфікованої пам'яті є стелею; 120-мільярдна модель займає близько 59 ГБ, що разом з ОС та кешем KV наближається до практичного ліміту.
• Маргінальна вартість: Вимірювання стосуються лише маргінальної вартості електроенергії, не включаючи вартість самого обладнання (наприклад, Mac Studio M3 Ultra 96 ГБ коштує $5,299).

Висновок для розробників

Головний висновок полягає в тому, що при виборі локальної LLM для Apple Silicon слід орієнтуватися на пропускну здатність, а не на кількість параметрів. Добре квантована 120-мільярдна модель MoE може бути дешевшою та швидшою в роботі, ніж 27-мільярдна щільна модель, завдяки ефективнішому використанню уніфікованої пам'яті та архітектурі MoE. Важливо спочатку переконатися, що модель відповідає вимогам якості, а потім використовувати показники вартості та пропускної здатності для остаточного вибору.

Інструмент TokenWatt є відкритим вихідним кодом і доступний на GitHub, дозволяючи розробникам вимірювати власні моделі та тарифи.