লগ ইনওয়ালেট তৈরি করুন

36 GB Mac-এর জন্য সেরা LLM।

36 GB-তে 73টি ওপেন মডেলের মধ্যে 38টি ভালো চলে। ডিফল্টভাবে GPU এর প্রায় 27 GB ব্যবহার করতে পারে। গতি নির্ভর করে চিপের ওপর: M3 Pro-এ 150 GB/s থেকে M5 Max-এ 460 GB/s পর্যন্ত।

ভালো চলে এমন সবচেয়ে স্মার্টQwen3.8 27B4-bit · 15.2 GB · 3–24 tok/sভালো চলে এমন সবচেয়ে বড়Qwen3.6 35B A3B4-bit · 19.7 GB · 40–216 tok/sকোডের জন্যQwen3 Coder 30B A3B Instruct6-bit · 24.8 GB · 25–136 tok/s

36 GB-এর Mac

M3 থেকে M5-এর 4টি চিপ 36 GB-সহ আসে। নিজস্ব তালিকা আর গতি দেখতে যেকোনোটি খুলুন।

ভালো চলে 40

কনটেক্সটের জায়গা রেখেই ধরে, M5 Max-এ সেকেন্ডে 10 বা তার বেশি টোকেনে।

মডেলভার্সনমেমরিM3 ProM5 Max
Qwen3.8 27B27B · ইন্টেলিজেন্স 33.74-bit15.2 GB3–514–24
Qwen3.6 35B A3B35B · 3B সক্রিয় · ইন্টেলিজেন্স 18.24-bit19.7 GB40–71122–216
Muse Glimmer 30B29.6B · ইন্টেলিজেন্স 17.54-bit16.7 GB3–512–22
Gemma 4 31B30.7B · ইন্টেলিজেন্স 14.74-bit17.3 GB3–512–21
Nemotron 3.5 Lightning 30B A3B30B · 3B সক্রিয় · ইন্টেলিজেন্স 12.96-bit24.4 GB28–5086–153
Granite 4.2 30B30B · ইন্টেলিজেন্স 12.74-bit16.9 GB3–512–22
MiniCPM5 2B2.52B · ইন্টেলিজেন্স 12.58-bit2.7 GB25–4477–136
Qwen3.5 9B9B · ইন্টেলিজেন্স 11.28-bit9.6 GB13–2422–38
Granite 4.2 8B8B · ইন্টেলিজেন্স 11.18-bit8.5 GB10–1824–43
Granite 4.2 3B3B · ইন্টেলিজেন্স 9.18-bit3.2 GB21–3865–115
gpt-oss-20b21B · 3.6B সক্রিয় · ইন্টেলিজেন্স 9নেটিভ 4.25-bit13.8 GB36–63109–194
Nemotron 3 Nano 30B A3B30B · 3.5B সক্রিয় · ইন্টেলিজেন্স 8.96-bit24.4 GB24–4374–131
Gemma 4 E4B8B · ইন্টেলিজেন্স 8.98-bit8.5 GB14–2543–77
Ministral 3 8B8.9B · ইন্টেলিজেন্স 5.58-bit9.5 GB14–2422–39
Nemotron 3 Nano 4B3.97B · ইন্টেলিজেন্স 4.88-bit4.2 GB16–2949–88
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B সক্রিয়6-bit24.8 GB25–4477–136
GLM-4.7 Flash30B · 3B সক্রিয়6-bit24.4 GB28–5086–153
Qwen3.6 27B27B4-bit15.2 GB3–514–24
Gemma 4 26B A4B25.2B · 3.8B সক্রিয়6-bit20.5 GB22–3967–119
Devstral Small 2 (24B)24B6-bit19.5 GB3–611–19
Magistral Small 1.2 (2509)24B6-bit19.5 GB3–611–19
Mistral Small 3.2 (24B)24B6-bit19.5 GB3–611–19
LFM2.5 24B A2B24B · 2B সক্রিয়6-bit19.5 GB42–75129–230
Phi-4 Reasoning Vision 15B15B8-bit15.9 GB4–813–23
Phi-4 (14B)14B8-bit14.9 GB5–814–25
Gemma 4 12B Unified12B8-bit12.7 GB10–1816–29
Qwen3 8B8.2B8-bit8.7 GB10–1824–42
Llama 3.1 8B Instruct8B8-bit8.5 GB10–1824–43
Gemma 4 E2B5.1B8-bit5.4 GB28–5086–153
Qwen3.5 4B4B8-bit4.3 GB16–2848–86
Phi-4 mini instruct3.8B8-bit4 GB17–3052–92
Llama 3.2 3B Instruct3.21B8-bit3.4 GB20–3561–108
SmolLM3 3B3B8-bit3.2 GB21–3865–115
LFM2.5 2.6B2.69B8-bit2.9 GB23–4171–127
Qwen3.5 2B2B8-bit2.1 GB32–5799–175
Llama 3.2 1B Instruct1.23B8-bit1.3 GB52–92159–283
Qwen3.5 0.8B0.8B8-bit0.9 GB75–133230–409
Qwen3 0.6B0.6B8-bit0.6 GB113–200345–613
Nemotron 3.5 Bolt 74B A9B74B · 9B সক্রিয় · ইন্টেলিজেন্স 21.42-bit কম মান23.1 GB24–4374–131
Qwen3 Coder Next80B · 3B সক্রিয় · ইন্টেলিজেন্স 9.22-bit কম মান25 GB75–133230–409

চলে, তবে ধীরে 1

ধরে, তবে সেকেন্ডে 10 টোকেনের কম: ব্যাচ কাজের জন্য ঠিক আছে, চ্যাটের জন্য ধীর।

মডেলভার্সনমেমরিM3 ProM5 Max
Llama 3.3 70B Instruct70B2-bit কম মান21.9 GB3–59–17

খুব বড় 32

36 GB-এর চেয়ে বেশি মেমরি লাগে, 2 bit-এও।

প্রশ্ন

36 GB-এর Mac-এর জন্য সেরা LLM কোনটি?
যেসব মডেলের Intelligence Index প্রকাশিত, তার মধ্যে 36 GB-তে ভালো চলে এমনগুলোর মধ্যে Qwen3.8 27B-এর স্কোর সবচেয়ে বেশি (4-bit)। ভালো চলে এমন সবচেয়ে বড় মডেল হলো Qwen3.6 35B A3B। কোডের জন্য: Qwen3 Coder 30B A3B Instruct।
Mac-এ লোকাল AI-এর জন্য কি 36 GB যথেষ্ট?
এখানকার 73টি ওপেন মডেলের মধ্যে 38টি এতে 4 bit বা তার চেয়ে ভালো প্রিসিশনে ভালো চলে। ডিফল্টভাবে macOS GPU-কে এর প্রায় 27 GB ব্যবহার করতে দেয়; মডেল আর তার কনটেক্সট সেটুকুর মধ্যেই ধরতে হবে।
36 GB Mac কি gpt-oss-20b চালাতে পারে?
হ্যাঁ, নেটিভ 4.25-bit, M3 Pro-এ সেকেন্ডে প্রায় 36–63 টোকেন আর M5 Max-এ 109–194।

অন্য সাইজ: 8 GB · 16 GB · 18 GB · 24 GB · 32 GB · 36 GB · 48 GB · 64 GB · 96 GB · 128 GB · 192 GB · 256 GB · 512 GB

এগুলো চালান MLX Harness দিয়ে (বিনামূল্যে, ওপেন সোর্স) বা Terminal-এ Apple-এর mlx-lm দিয়ে: ধাপে ধাপে।

হিসাব কীভাবে করা হয়েছে

মেমরি: মডেলের প্যারামিটার প্রতি ওয়েটে 8, 6, 4, 3 বা 2 bit-এ, সঙ্গে MLX-এর গ্রুপ স্কেল (প্রতি ওয়েটে আধা bit), অথবা তার নেটিভ ফরম্যাট, আর তার ওপর কনটেক্সটের জায়গা। ডিফল্টভাবে macOS GPU-কে ইউনিফায়েড মেমরির প্রায় 75% ব্যবহার করতে দেয়। গতি: মেমরি ব্যান্ডউইথকে প্রতি টোকেনে পড়া বাইট দিয়ে ভাগ করলে একটি কথোপকথনের সর্বোচ্চ সীমা পাওয়া যায়; llama.cpp-এর পাবলিক Apple Silicon বেঞ্চমার্কে আসল রান এর প্রায় 45% থেকে 80% পর্যন্ত পৌঁছায়, আর সেই রেঞ্জটাই দেখানো হয়েছে। এগুলো অনুমান, মাপা ফল নয়: MLX Bench-এ আপনার নিজের Mac মাপুন। মডেলের তথ্য প্রতিটি অফিশিয়াল মডেল কার্ড থেকে, চিপের তথ্য Apple-এর Tech Specs থেকে। যাচাই করা হয়েছে 2026-10-19। mlx.app/compare-এর একই ডেটা।

36 GB Mac-এর জন্য সেরা লোকাল LLM (M3 থেকে M5): কী চলে, কত দ্রুত