首页
/ TorchChat与llama-cpp在Mac M1上的性能对比分析

TorchChat与llama-cpp在Mac M1上的性能对比分析

2025-06-20 12:38:52作者:毕习沙Eudora

在Mac M1平台上运行大型语言模型时,性能表现是开发者关注的重点。本文通过对比TorchChat和llama-cpp两个框架在Mac M1 Pro上的实际表现,深入分析其性能差异及背后的技术原因。

测试环境与方法

测试使用Meta-Llama-3-8B-Instruct模型,分别通过TorchChat和llama-cpp框架运行。测试内容包括:

  • 模型加载时间
  • 首次推理时间
  • 持续推理速度(tokens/sec)
  • 首次token生成时间

测试硬件为Mac M1 Pro,使用Metal后端进行GPU加速。两个框架均采用FP16精度进行计算。

性能数据对比

llama-cpp表现

  • 模型加载时间:4308.18 ms
  • 首次推理速度:11.27 tokens/sec
  • 首次token生成时间:未直接显示,但prompt eval时间为158.47 ms(11 tokens)

TorchChat表现

  • 模型加载时间:37.44秒
  • 首次推理速度:1.85 tokens/sec
  • 后续推理速度:8.88 tokens/sec
  • 首次token生成时间:0.20秒

关键发现与技术分析

  1. 首次运行性能差异
    TorchChat首次推理速度明显低于llama-cpp,这主要由于PyTorch的MPS后端在首次运行时需要初始化Metal相关资源,包括动态导入和硬件缓存预热。这种"冷启动"效应在后续运行中会消失。

  2. 持续推理性能
    经过首次运行后,TorchChat的推理速度提升至8.88 tokens/sec,接近llama-cpp的11.27 tokens/sec。这表明两个框架在稳定状态下的性能差距并不大。

  3. 首次token生成时间
    TorchChat在后续运行中首次token生成时间仅0.20秒,显示出良好的响应能力。这一指标对于交互式应用尤为重要。

  4. 模型差异影响
    值得注意的是,相同框架下Llama2模型的性能表现优于Llama3,这可能与模型架构优化程度有关。Llama2在TorchChat中能达到9.73 tokens/sec的平均速度。

性能优化建议

  1. 预热机制
    对于生产环境,建议在服务启动后先进行少量推理预热,避免将冷启动时间暴露给终端用户。

  2. 多样本测试
    性能评估时应采用多次采样(如--num-samples参数),以获取稳定状态下的真实性能数据。

  3. 框架选择考量
    虽然llama-cpp在原始性能上略有优势,但TorchChat作为PyTorch生态的一部分,在模型开发和调试方面可能更具灵活性。

未来展望

根据项目维护者的说明,TorchChat即将迎来性能优化更新,有望超越llama-cpp的表现。这将使PyTorch生态在Mac平台上的LLM推理能力达到新高度。

对于开发者而言,理解这些性能特征有助于根据具体应用场景选择合适的框架——需要快速原型开发时可优先考虑TorchChat,而追求极致推理性能时可暂时选择llama-cpp,同时期待TorchChat的后续优化。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.93 K
kernelkernel
deepin linux kernel
C
22
6
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
930
553
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
423
392
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
64
511