# Отчет о конкурентной разведке: локальные платформы LLM, конкурирующие с SSD-Streamed MoE на Apple Silicon Ниша, которую рассматривает этот отчет, — это развивающийся рынок высокопроизводительного локального вывода больших языковых моделей (LLM) на потребительском оборудовании, в частности возможность запуска моделей, таких как **Qwen3.6-35B-A3B** или DeepSeek-4 класса Mixture-of-Experts (MoE) на устройствах, таких как MacBook Pro M1 Pro с 16 ГБ, используя потокирование весов SSD вместо традиционной загрузки в оперативную память.[2][3][10] Проект ds4 для DeepSeek-4 Flash и Pro показывает, что при асимметричном квантовании и потокировании экспертов SSD через `mmap` уже возможно запустить MoE-модели объемом 30-32 ГБ на системах со значительно меньшим объемом оперативной памяти, превращая оперативную память в кеш для горячих экспертов и используя SSD в качестве расширения иерархии памяти.[3][10] На этом фоне несколько локальных платформ LLM — Ollama, LM Studio, Jan.ai, GPT4All (от Nomic AI) и Private LLM для устройств Apple — являются наиболее опасными конкурентами благодаря их популярности, финансированию и позиционированию как выбора по умолчанию для разработчиков и пользователей, чувствительных к конфиденциальности, которые хотят локального вывода. Этот отчет предоставляет глубокую конкурентную разведку по этим игрокам, сравнивает цены и готовность платить в этой нише, а также определяет пробелы на рынке, которые могла бы использовать продукция, основанная на SSD-потокировании MoE для Qwen3.6-35B-A3B на Apple Silicon. ## 1. Контекст рынка: локальные LLM, потокирование MoE и Apple Silicon ### 1.1 Деловая идея с технической и рыночной точек зрения Деловая идея, лежащая в основе этого исследования — «Show HN: Qwen3.6-35B-A3B на 16 ГБ M1 Pro с SSD-потокируемым MoE» — находится на пересечении трех тенденций: стремительного рост открытых моделей, сопоставимых с передовыми, таких как Qwen3.6, созревание архитектур MoE и быстрый рост инструментов локального LLM для ноутбуков и рабочих станций.[2][3][10] Qwen3.6-35B-A3B входит в линейку Qwen 3.6, которая подчеркивает агентное кодирование и долгоконтекстные рассуждения, а сохранители явно рекомендуют очень большие длины вывода, до 32 768 токенов для большинства запросов и до 81 920 токенов для сложных математических и программных задач.[2] Такая длина контекста, в сочетании с 35 млрд параметров и архитектурой A3B, превосходит возможности простой загрузки в оперативную память на 16 ГБ M1 Pro, особенно если требуется интерактивная производительность, а не пакетное автономное создание.[2][3] Архитектуры MoE, в частности маршрутизированные эксперты с квантованием, предлагают путь для согласования размера модели и ограничений оборудования путем активации только подмножества экспертов за токен и потокирования неактивных экспертов из памяти по мере необходимости.[3][10] Проект ds4 от antirez (Salvatore Sanfilippo) наглядно показывает это для моделей DeepSeek-4: потокирование SSD позволяет рассматривать доступную оперативную память не как жесткий предел, а как континуум уровней скорости, с маршрутизированными экспертами MoE, содержащимися в кеше в памяти, в то время как холодные эксперты потокируются с диска с использованием `mmap`.[3][10] На Windows ds4 копирует технику, впервые протестированную на системах Apple Даниилом Айзаком, отображая файл модели прямо в виртуальную память, так что кеш страниц операционной системы становится «диспетчером кеша экспертов», кешируя горячих экспертов в оперативной памяти и потокируя холодных с SSD со скоростью примерно 0,5-1,5 ГБ/с в зависимости от оборудования.[3] В экспериментах это позволило запустить модель MoE Q4, квантованную в 32 ГБ, на системе с 28 ГБ со скоростью 2,5-4 токена в секунду, тогда как конфигурация без потокирования была бы невозможна.[3] Для Apple Silicon инструменты, такие как `llama.cpp` и `llama-cpp-python`, уже поддерживают выгрузку GPU Metal и квантованные модели GGUF, позволяя небольшим и средним моделям, таким как CodeLlama-7B, эффективно работать в macOS путем указания `GGML_METAL=on` и установки `--n_gpu_layers` для ускорения GPU.[8] Однако основные локальные платформы LLM, такие как Ollama и LM Studio, в настоящее время сосредоточены больше на статических квантованных моделях GGUF и унифицированной загрузке памяти, а не на глубоком MoE-специфичном потокировании SSD на ограниченной оперативной памяти.[4][34] Это создает

# Определение размера рынка и анализ рисков для «Show HN: Qwen3.6-35B-A3B на 16 ГБ M1 Pro с SSD-потокируемым MoE» Этот отчет анализирует коммерческий потенциал и профиль рисков предприятия, построенного на возможности запуска Qwen3.6-35B-A3B, большой модели mixture-of-experts (MoE), локально на MacBook Pro M1 Pro с 16 ГБ, используя потокирование на основе SSD и оптимизированный для Apple Metal вывод, позиционируемый как проект с открытым исходным кодом «Show HN», который может эволюционировать в продукт или компанию.[1][7][8][9] Основная идея состоит в том, чтобы использовать потокирование SSD экспертов MoE, чтобы модель, которая номинально требует более 25 ГБ VRAM, могла работать на потребительских ноутбуках Apple Silicon только с 16 ГБ унифицированной памяти, открывая таким образом высокоуровневые рассуждения и возможности кодирования для разработчиков и опытных пользователей, которые предпочитают или требуют локального вывода.[1][8][9][10] Используя доступные рыночные данные по программному обеспечению для генеративного ИИ, расходам на профессиональную разработку, популяциям разработчиков и оборудованию Apple Silicon, этот отчет создает основанные на сценариях оценки снизу вверх общего адресуемого рынка (TAM), обслуживаемого адресуемого рынка (SAM) и обслуживаемого достижимого рынка (SOM), при этом явно отмечая, где отсутствуют эмпирические данные и необходимы предположения.[14][15][16][17][18] Он также оценивает историческое свидетельство отказа или изменения курса среди сравнимых проектов локальных инструментов LLM, изучает нормативно-правовую базу для локального ИИ на устройствах и распределения моделей, а также рассматривает недавнее финансирование и конкурентные сигналы в соседних областях, таких как агенты открытых моделей, локальные платформы вывода и локальные модели на устройствах.[11][12][14][19] На протяжении всего анализа подчеркивается, что эта ниша — потокирование MoE для SSD вывода больших открытых моделей на потребительских Apple Silicon — очень молода, с ограниченными прямыми прецедентами, и, следовательно, как восходящий, так и риск необычно высоки, особенно в отношении технического исполнения, принятия разработчиками и конкурентных ходов более крупных действующих лиц.[7][8][9][19] ## 1. Концепция бизнеса и контекст ### 1.1 Определение предложенной деловой идеи Деловую идею можно резюмировать как разработку и потенциальную коммерциализацию открытого исходного кода, высокооптимизированного стека вывода, который запускает Qwen3.6-35B-A3B локально на MacBook Pro M1 Pro с 16 ГБ унифицированной памяти путем потокирования весов экспертов MoE с быстрого твердотельного накопителя NVMe, используя графические интерфейсы Metal компании Apple и современные методы квантования и кеширования.[1][7][8][9][19] Qwen3.6-35B-A3B — это большая и передовая генеративная модель, разработанная командой Qwen компании Alibaba, характеризующаяся сильной производительностью при работе с задачами кодирования и рассуждений, длиной контекста по умолчанию 262 144 токена (с механизмами для выхода за пределы 1 миллиона токенов через масштабирование RoPE) и «режимом мышления», который выдает внутреннее цепное содержимое мышления перед окончательными ответами.[9] Вариант Qwen3.6-35B-A3B является моделью mixture-of-experts, что означает, что она содержит несколько подсетей экспертов, чьи веса значительно влияют на общий объем памяти модели, именно поэтому типичные развертывания GPU требуют более 25 ГБ VRAM и не совместимы напрямую с MacBook Pro M1 Pro с 16 ГБ.[1][8][9] WillItRun.ai документирует, что Qwen 3.5 35B в квантовании A3B требует примерно 25,3 ГБ VRAM и, следовательно, не может работать в собственном режиме на MacBook Pro M1 Pro с 16 ГБ, который предлагает около 11,5 ГБ доступной памяти GPU, что подчеркивает ограничение оборудования, которое этот проект направлен на преодоление через потокирование SSD и программное обеспечение.[1] Концепция потокирования MoE SSD основана на идеях, высказанных MindStudio в его описании «SSD Streaming для моделей ИИ», где веса моделей — особенно экспертов в архитектуре MoE — хранятся на твердотельном накопителе NVMe, а не полностью в оперативной памяти, и только активные эксперты загружаются в память по требованию во время вывода.[8] В дизайне MindStudio «Dwarf Star» неэкспертные компоненты, такие как слои внимания, нормализация слоев и веса маршрутизации, остаются в оперативной памяти, в то время как веса экспертов, которые составляют большую часть размера модели, выгружаются на диск и выбираются по мере необходимости, обеспечивая значительное снижение требований к оперативной памяти за счет некоторой скорости вывода.[8] Эта техника позволяет разработчикам запускать большие модели, чем иначе позволила бы система оперативная память, при условии, что они имеют достаточно быстрый твердотельный накопитель, в идеале PCIe 4.0 или лучше со скоростью последовательного чтения около 5 000–7 000 МБ/с для поддержки эффективной предварительной загрузки.[8] Применительно к Qwen3.6-35B-A3B на 16 ГБ M1 Pro идея состоит в том, что веса экспертов для модели MoE могут потокироваться с диска SSD, в то время как маршрутизация, внимание и другие общие компоненты остаются в ограниченной унифицированной памяти, что делает локальный вывод возможным несмотря на большое количество параметров модели и длину контекста.[1][8][9] Ссылка на URL проекта указывает на репозиторий GitHub, связанный с ds4, механизмом вывода, первоначально созданным для DeepSeek V4 Flash и оптимизированным для Metal API Apple, с ds4-webui, представленной как минимальный фронтэнд, и Pinokio launcher, обеспечивающей браузерный интерфейс к серверу вывода только Metal.[6][7] Репозиторий ds4-webui описывает себя как «пусковая установка Pinokio и отдельный браузерный интерфейс пользователя для antirez/ds4, узкого механизма вывода только для Metal для DeepSeek V4 Flash», подчеркивая, что она адаптирована для локального использования и Apple Silicon, отражая фокус этой деловой идеи Qwen3.6.[7] Эта экосистема указывает на то, что уже существует техническая и общественная основа для оптимизированных для Metal механизмов вывода и проектов в стиле HN, которые впоследствии эволюционируют в более полированные инструменты или платформы.[6][7][11] Предлагаемый бизнес, вероятно, будет следовать аналогичной схеме: запуск как демонстрация открытого исходного кода «Show HN», доказывающая, что Qwen3.6-35B-A3B может работать на 16 ГБ M1 Pro через потокируемый SSD MoE, а затем изучение монетизации, такой как профессиональные распределения, управляемые установщики, расширенные возможности агентов или поддержка предприятия для команд, стандартизирующих локальный инструментарий Qwen.[6][7][9][11][12] ### 1.2 Ключевые дифференциаторы в сравнении с существующими локальными инструментами LLM Для понимания размера рынка и риска важно отличить эту идею от существующих локальных платформ LLM, которые уже поддерживают Apple Silicon, но в целом ориентированы на меньшие модели или различные модели использования.[10][11][12] Например, WillItRun.ai ведет рейтинги «Лучших локальных LLM для MacBook Pro M1 Pro 16GB», рекомендуя более легкие модели Qwen, такие как Qwen 3.5 9B, Qwen 3 8B и Qwen 3.5 4B, как лучший выбор для кодирования, чата и письма на этом оборудовании, без попытки запускать модели масштаба 35B из-за ограничений памяти.[10] Это показывает, что сегодняшний основной опыт разработчика на 16 ГБ M1 Pro — использовать модели параметров 4-9B через платформы, такие как Ollama, LM Studio или Jan, а не стремиться запустить модели MoE 35B с окнами контекста от многих сотен тысяч токенов.[4][10][11][12] LM Studio позиционирует себя как «Bionic, агент для открытых моделей, чисто локальный, созданный для творчества, работы и кода», подчеркивая общецелевой уровень агентов, который может координировать различные открытые модели, но не обязательно сосредоточены на экстремальном размере модели или инновациях потокирования SSD на ноутбуках с ограниченными ресурсами.[11] Jan.ai продвигает себя как «альтернатива ChatGPT с открытым исходным кодом», которая может запускать модели ИИ с открытым исходным кодом локально или подключаться к облачным моделям, таким как GPT и Claude, опять же сосредоточиваясь на удобстве использования и гибридной локально-облачной связности больше, чем на включении очень больших моделей MoE на оборудовании с ограниченными ресурсами.[12] Напротив, идея потокирования SSD Qwen3.6-35B-A3B нацелена на более технически продвинутую нишу: разработчиков, исследователей и опытных пользователей, которые хотят производительности, близкой к передовой, и очень длинные длины контекста, но либо предпочитают локальный вывод по соображениям конфиденциальности или стоимости, либо просто любят заставлять оборудование Apple Silicon работать на пределе.[1][8][9][10] По сути, это ближе по духу к ds4 и Dwarf Star, чем к LM Studio или Jan.ai, приоритизируя высокооптимизированные конвейеры вывода, ускорение Metal и потокирующие архитектуры, с пользовательским интерфейсом, обращенным к пользователю, потенциально появляющимся позже, когда технология стабилизируется.[7][8][11][12] Такой продукт мог бы отличаться поддержкой «режима мышления» в Qwen3.6, который сохраняет контекст рассуждений в исторических сообщениях и использует расширенные окна контекста для улучшения рабочих процессов агентного кодирования и рассуждений на уровне репозитория, что явно выделяется в документации Qwen3.6 как ключевая возможность.[9] Для пользователей, занимающихся интенсивным кодированием, рабочими процессами фронтэнда и задачами моделирования в среде браузера, локальное развертывание Qwen3.6-35B-A3B на MacBook может быть весьма привлекательным, особенно если оно объединено с фреймворками агентов и стратегиями кеширования, настроенными для Apple Silicon.[2][9][11][19] ### 1.3 Связь со стратегией Apple по локальному ИИ на устройствах Идея также существует в более широкой стратегической среде, в которой сама Apple интенсивно инвестирует в локальные модели фундаментов, оптимизированные для Apple Silicon, тенденция, которая одновременно подтверждает важность локальных LLM и создает потенциальный конкурентный риск.[19] Обновления исследований машинного обучения Apple описывают локальную модель фундамента, оптимизированную для эффективности и специально адаптированную для Apple Silicon, предназначенную для обеспечения вывода с низкой задержкой с минимальным использованием ресурсов, наряду с более крупными серверными моделями, которые могут дополнять локальные возможности.[19] Это предполагает, что Apple считает, что существует значительная ценность в сохранении по крайней мере части вывода ИИ локально, используя GPU Apple Silicon и Neural Engine для предложения приватных, низколатентных опытов, которые не полностью полагаются на облако.[13][19] В то же время энтузиазм Apple в отношении локальных моделей повышает возможность того, что будущие версии macOS или Xcode могут поставляться с встроенными LLM и уровнями агентов, снижая потребность в локальных стеках вывода третьих сторон в некоторых сценариях, или налагая новые ограничения платформы, которые должны навигировать инструменты третьих сторон.[13][19] Для проекта Qwen3.6-35B-A3B потокирования SSD MoE направление Apple — это смешанный сигнал: это указывает на четкий спрос пользователей и поддержку платформы для локального ИИ на устройствах, но предполагает, что долгосрочная дифференциация может зависеть от поддержки открытых моделей, высокоспециализированных рабочих процессов (такие как агенты кодирования с большим контекстом) и кроссплатформенные возможности, которые собственные модели Apple могут не приоритизировать.[9][11][19] Документация Apple по Mac с Apple Silicon выделяет широкий спектр моделей, от MacBook Air до Mac Pro, которые используют одну и ту же фундаментальную архитектуру и получают преимущества от унифицированной памяти и выделенных акселераторов, это означает, что любой оптимизированный для Metal стек вывода потокирования SSD, построенный для M1 Pro, потенциально мог бы быть расширен на другие устройства Apple Silicon, расширяя базу оборудования.[13][19] Однако компании необходимо будет ориентироваться на развивающуюся политику Apple в отношении поддержки приложений на базе Intel через Rosetta, которая должна завершиться в будущей версии macOS, и убедиться, что инструменты скомпилированы в собственном коде для Apple Silicon, а не полагаются на трансляторы Intel, которые могут скомпрометировать производительность или будущую совместимость.[5][13] В целом, деловая идея согласуется с направлением платформы в сторону локального ИИ на устройствах, но должна предвидеть мир, в котором собственные модели фундаментов Apple и API становятся стандартными компонентами, а инструменты третьих сторон конкурируют, предлагая большую выбор модели, контроль и передовые технические особенности, такие как потокирование SSD MoE.[9][13][19] ## 2. Ландшафт технологии и использования ### 2.1 Возможности и требования Qwen3.6-35B-A3B Qwen3.6-35B-A3B занимает верхний предел ландшафта открытых моделей, ориентированных на сложные задачи, такие как агентное кодирование, долгосрочные рассуждения и многомодальное понимание.[2][9] Карточка модели Hugging Face для Qwen3.6-35B-A3B описывает этот выпуск как предоставляющий существенное улучшение агентного кодирования, позволяющие более плавно обрабатывать рабочие процессы фронтэнда и рассуждения на уровне репозитория, что особенно актуально для разработчиков, работающих со сложными кодовыми базами на своих локальных машинах.[9] Он также подчеркивает «сохранение мышления», посредством чего модель по умолчанию работает в режиме мышления, создавая содержимое `<think>…</think>` для представления внутреннего рассуждения перед выдачей окончательных ответов; пользователи могут выбрать сохранение или подавление этого содержимого мышления в зависимости от требований задачи, и модель разработана, чтобы хорошо использовать расширенный контекст для итеративной разработки и сценариев агентов.[9] Длина контекста модели по умолчанию составляет 262 144 токена с поддержкой методов долгого контекста, таких как масштабирование RoPE, для обработки задач, когда общая длина входа и выхода может превышать этот предел, потенциально приближаясь к 1 010 000 токенов в специальных конфигурациях.[9] Такой контекст ценен для разработчиков, которые хотят загрузить целые репозитории, наборы документации или долгосрочные истории разговоров в модель, но он также усугубляет требования памяти и вычислений, что делает важным эффективное управление кешем KV и стратегии потокирования.[8][9] С точки зрения оборудования, Qwen3.6-35B-A3B требователен даже при квантовании, и типичные развертывания полагаются на конфигурации с несколькими GPU с большой VRAM или облачные экземпляры с достаточной памятью.[1][9] WillItRun.ai отмечает, что более ранняя квантизация Qwen 3.5 35B A3B требует 25,3 ГБ VRAM, превышая практическую память GPU, доступную на MacBook Pro M1 Pro с 16 ГБ, которая предоставляет только около 11,5 ГБ практически VRAM для таких рабочих нагрузок.[1] Хотя Qwen3.6 была оптимизирована по сравнению с более ранними моделями Qwen, включая улучшения в использовании кеша KV и эффективность в режимах мышления и немышления, карточка модели все еще рекомендует поддерживать окно контекста по крайней мере 128K токенов для сохранения способностей мышления в сложных задачах, подразумевая значительный объем памяти в весах и кеше.[9] Для понимания видео Qwen3.6 предполагает регулировку параметров предварительного обработчика видео для поддержки до 224k видео токенов для видеороликов часового масштаба, опять же подчеркивая, что дизайн модели нацелен на долгосрочные многомодальные задачи, которые далеко выходят за рамки легкого локального помощника.[9] Эти возможности непосредственно переводятся в деловое предложение: предоставив возможность Qwen3.6-35B-A3B быть доступным на 16 ГБ M1 Pro через потокирование SSD MoE, проект привел бы производительность, близкую к передовой, в области кодирования и рассуждений непосредственно на основные ноутбуки разработчиков, позволяя рабочие процессы, такие как обзор кода на уровне репозитория, полная история агентного отладки и долгоконтекстные задачи моделирования или проектирования без зависимости от облачных API.[1][8][9][10] Это может быть особенно привлекательно для разработчиков, работающих с конфиденциальными кодовыми базами, которые ограничены политикой конфиденциальности

# Органические сигналы спроса на «Show HN: Qwen3.6-35B-A3B на 16 ГБ M1 Pro с SSD-потокируемым MoE» Деловая идея, которая изучается, — это ориентированное на разработчиков решение, которое делает практичным запуск гибридных моделей Mixture-of-Experts (MoE) в стиле Qwen, в частности Qwen3.6-35B-A3B, на ограниченном оборудовании Apple Silicon, таком как MacBook Pro M1 Pro с 16 ГБ, агрессивно потокируя веса неактивных экспертов с диска SSD, в духе механизма локального вывода ds4 для Metal и CUDA.[1][18] Основное предложение состоит в том, что многие разработчики и опытные пользователи хотят высококачественные, открытые модели с сильными рассуждениями, кодированием и многомодальными возможностями, но блокируются ограничениями памяти, ограничениями контекста и сложным инструментарием на своих личных машинах.[2][6][13][18] Этот отчет исследует органические сигналы спроса на эту идею по шести каналам — Reddit, Hacker News, Product Hunt, X/Twitter, SEO и макротенденции — используя только проверяемые примеры с 2024-2025 гг, где это возможно, и явно отмечая любые пробелы. Доказательства показывают четкое разочарование в отношении запуска больших моделей локально на Apple Silicon, растущий энтузиазм по поводу архитектур MoE, которые разделяют общее количество параметров от активных вычислений, возникающий интерес к выгрузке SSD и частичной загрузке, а также несколько соседних запусков в пространстве локальных инструментов LLM. Однако прямые примеры Reddit и X/Twitter, соответствующие точной комбинации «Qwen-класс MoE на 16 ГБ M1 Pro с потокированием SSD», не могли быть проверены в предоставленных источниках, и надежные данные об объеме ключевых слов отсутствуют, поэтому некоторые аспекты спроса должны быть выведены из соседних сигналов, а не количественно оценены напрямую.[2][3][6][8][15][16][18][19] ## Технический и рыночный контекст для деловой идеи ### Механизм ds4, модели Qwen MoE и ограничения Apple Silicon Стартовой точкой для понимания органического спроса является уточнение того, что на самом деле делает предлагаемый продукт «Show HN» и почему он отличается. Профиль GitHub разработчика за ds4, andreaborio, описывает ds4 как «Механизм локального вывода Flash для Metal и CUDA», указывая, что это механизм, ориентированный на производительность для локального вывода больших языковых моделей на GPU, включая Metal бэкэнд Apple.[1] Механизм вывода «Flash» в этом контексте обычно относится к оптимизациям, аналогичным FlashAttention и другим реализациям механизма внимания, экономящим память, предназначенным для максимизации пропускной способности и длины контекста с учетом ограниченной полосы пропускания памяти и емкости, которая является точным ограничением, с которым сталкиваются пользователи машин M1 Pro с 16 ГБ.[6][14] Упоминание Metal и CUDA предполагает кроссплатформенную поддержку, но деловая идея здесь явно сосредоточена на Apple Silicon, где унифицированная память и производительность SSD делают определенные стратегии выгрузки более привлекательными, чем на традиционных системах с дискретным GPU.[6][8][19] Семейство моделей, на которое нацелена идея, Qwen3.x-35B-A3B, является частью открытой линейки моделей фундамента Alibaba; Qwen3.5-35B-A3B документирован на Hugging Face как модель, способная к пониманию видеоязыка, с гибридной архитектурой, комбинирующей маршрутизацию врат дельта-сетей и разреженной mixture-of-experts.[13] Этот дизайн дает унифицированный многомодальный фундамент, который, как сообщается, соответствует или превышает более ранние модели Qwen3 и Qwen3-VL по рассуждениям, кодированию, агентному поведению и бенчмаркам визуального понимания, при этом сохраняя эффективность.[13] Более позднее обзор от Labellerr описывает Qwen3.6-35B-A3B как гибридную модель MoE с 35 млрд общих параметров, но только примерно 3 млрд параметров активны за токен, подчеркивая, что этот дизайн позволяет большую общую емкость, при этом сохраняя вычисления на токен и объем памяти достаточно низким для ограниченного оборудования.[18] С точки зрения бизнеса, эта структура «35B всего, 3B активно» имеет решающее значение, потому что это означает, что при тщательной маршрутизации и выгрузке пользователи со скромной оперативной памятью могут получить доступ к качеству, более традиционно связанному с гораздо большими плотными моделями.[15][18] Машины Apple Silicon вводят профиль отличительных ограничений, который формирует спрос. MacBook Pro M1 Pro с 16 ГБ имеет пул унифицированной памяти, совместно используемый CPU, GPU и Neural Engine, а не отдельную VRAM, которая удаляет потолки дискретного GPU VRAM, но заменяет их единым более плотным колпаком.[6][8] Руководство SitePoint на 2026 год по локальным LLM на Apple Silicon отмечает, что архитектура унифицированной памяти чипов M1, M2 и M3 устраняет самое большое ограничение, которое исторически ограничивало потребительские ПК для вывода больших моделей — VRAM GPU — но одновременно предупреждает, что операционная система и фоновые процессы все еще потребляют значительную часть этого унифицированного пула.[6] То же руководство дает