Local LoRA Fine-Tuning VRAM: How Much GPU Memory You Need for QLoRA and LoRA
Local LoRA fine-tuning VRAM explained: Unsloth minimums for QLoRA vs LoRA from 3B to 70B, what raises memory use, and the levers that fix training OOM.
-
-
MLX vs llama.cpp on Mac: Which Runtime Should You Use for Local LLMs on Apple Silicon?
MLX vs llama.cpp on Mac: how mlx-lm and GGUF tools differ on Apple silicon, install steps, model formats, memory limits and which one to choose.
-
本地微调显存需求：QLoRA 与 LoRA 到底要多少 GPU 显存
本地微调显存需求详解：Unsloth 文档给出的 3B 到 70B 的 QLoRA 与 LoRA 显存下限、哪些因素会推高占用，以及训练爆显存时的调整手段。
-
MLX 和 llama.cpp 怎么选：Mac 本地大模型运行时对比
MLX 和 llama.cpp 在 Mac 上有何区别：mlx-lm 与 GGUF 工具的安装、模型格式、内存限制，以及怎样选择。
-
How to Run LLMs on a Mac: How Much Unified Memory Do You Need?
How to run LLMs on a Mac: what 16GB to 128GB of unified memory can hold, usable GPU share, bandwidth by chip, and Mac vs GPU advice.
-
Mac 跑大模型：统一内存怎么选、能跑多大的模型
Mac 跑大模型要多少统一内存？按 16GB 到 128GB 对照可运行的模型、可用显存比例和带宽，并对比 Mac 与独显、给出购买建议。
