Apple M2 Ultra
PulseAugur coverage of Apple M2 Ultra — every cluster mentioning Apple M2 Ultra across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
Apple 发布 M5 Ultra 芯片，采用四芯片架构并提升 AI 性能
Apple 发布了专为 Mac Studio 设计的新款 M5 Ultra 芯片，与上一代 M3 Ultra 相比，性能有了显著提升。M5 Ultra 采用新颖的四芯片架构，增加了核心数量，并加快了芯片间通信速度，多线程性能提升高达 30%，统一内存带宽提升 50%。该芯片还拥有增强的 GPU 功能，配备了新的用于 AI 任务的神经网络加速器，重新设计的用于内容创作的媒体引擎，并支持 Thunderbolt 5 和 PCIe Gen 6。
-
DeepSeek V4 Flash 针对 Apple M2 Ultra 进行优化，速度达 25.8 t/s
一位用户已针对 Apple 的 M2 Ultra 芯片优化了 DeepSeek V4 Flash 模型，实现了显著的性能提升。打包后的模型为 141 GiB，小于公开的 GGUF 版本，运行速度为每秒 25.8 个 token，峰值速度可达每秒 42 个 token。此优化还包括 SSD KV 缓存和动态通道，支持 100 万 token 的上下文窗口。
-
Apple首款Mac Pro问世20周年，标志着向英特尔的过渡
Apple的首款Mac Pro于20年前的今天发布，标志着从PowerPC向英特尔至强处理器过渡的重大转变。这款由Steve Jobs在WWDC上发布的图形工作站，其性能是前代产品Power Mac G5的两倍。最初的配置配备了双核英特尔至强CPU，高达16GB的内存，以及广泛的定制选项，起售价为2,499美元。
-
DeepSeek-V4-Flash-0731 (Dwarfstar) 在 Mac 上的性能详解
一位 Reddit 用户分享了 DeepSeek-V4-Flash-0731 模型（也称为 Dwarfstar）在配备 M2 Ultra 芯片和 192GB RAM 的 Mac 上的性能指标。该帖子详细介绍了在不同 token 深度下的预填充性能和解码速度，并指出即使输出 8k token，速度也能保持不变。
-
用户寻求关于 Apple M1 Ultra 与 M2 Ultra RAM 升级以运行大型语言模型的建议
一位用户正在寻求建议，关于是否将其拥有 64GB RAM 的 Apple M2 Ultra 升级到拥有 128GB RAM 的 M1 Ultra。他们目前使用较小的模型，但希望探索更大的工作流程，并正在考虑升级的成本效益。
-
苹果寻求 AI 芯片，发布新模型，特朗普批评纽约数据中心禁令
据报道，Apple Inc. 正在探索收购 AI 芯片公司以增强其服务器能力，因为其当前的 M2 Ultra 驱动系统被认为不足。与此同时，Thinking Machines Lab 发布了 Inkling，一个拥有 9750 亿参数的开源模型，专为视频和音频理解而设计，将其定位为与 Anthropic 和 OpenAI 等竞争对手抗衡。另外，Donald Trump 公开批评纽约州长 Kathy Hochul 为期一年的新建数据中心…
-
据报道，苹果寻求收购AI芯片以提升服务器性能
据报道，苹果公司正在探索收购AI芯片公司，以增强其服务器基础设施。这家iPhone制造商一直在与银行家和半导体初创公司就潜在交易进行讨论，旨在解决其当前M2 Ultra驱动的服务器的性能问题。这些服务器用于一些AI任务，但更繁重的计算任务依赖于通过Google Cloud的NVIDIA芯片。苹果的内部服务器芯片开发，包括“Baltra”项目，面临延误，基于M7 Ultra的芯片预计要到2029年才能推出。
-
Georgi Gerganov 称赞 Qwen3.6-27B 适用于本地编码任务
Georgi Gerganov 发现 Qwen3.6-27B 模型在本地编码任务方面非常有效，他每天都在 ggml-org 使用它进行日常维护工作。他主要在 Apple M2 Ultra 或 RTX 5090 上运行该模型，并使用带有自定义系统提示的 Pi Agent 的精简版本。Gerganov 的认可凸显了本地模型在实际日常应用中日益增长的能力。
-
Llama.cpp为Mac添加MTP功能，改进离线构建
llama.cpp项目为Mac硬件引入了新的Metal Performance Tensors (MTP)功能，显示出在token生成速度方面有潜在的提升。在M2 Ultra上的初步测试表明，虽然prompt处理速度保持一致，但在启用MTP的情况下，token生成速度可能会变得更加多变，尤其是在更长的上下文长度下。此外，该项目还解决了在隔离网络Mac上构建llama.cpp的问题，需要在构建过程中使用特定标志来禁用UI下载。
-
Google 发布支持长上下文的开源 Gemma 4 多模态模型
Google DeepMind 发布了 Gemma 4，这是一个在新发布的、基于 Apache 2.0 许可的开源模型家族，标志着其开源 AI 产品的一次重大进步。这些模型专为推理和代理工作流而设计，并提供了针对本地和边缘部署优化的版本，包括文本、视觉和音频的原生多模态能力。早期基准测试表明其性能具有竞争力，其中 31B 模型在开源选项中排名靠前，并且 llama.cpp 和 Ollama 等平台已迅速提供了生态系统支持。