ΣύνδεσηΔημιουργία πορτοφολιού

Τα καλύτερα LLM για Mac με 256 GB.

62 από 82 ανοιχτά μοντέλα τρέχουν καλά σε 256 GB. Από προεπιλογή η GPU μπορεί να χρησιμοποιήσει περίπου 192 GB από αυτά. Η ταχύτητα εξαρτάται από το τσιπ: από 819 GB/s στο M3 Ultra έως 1.200 GB/s στο M5 Ultra.

Ενημέρωση

Το εξυπνότερο που τρέχει καλάQwen3.8 Flash Next6-bit · 146 GB · 75–196 tok/sΤο μεγαλύτερο που τρέχει καλάMiMo V2.6 Flashεγγενές 4,48-bit · 173 GB · 44–114 tok/sΓια κώδικαQwen3 Coder Next8-bit · 85 GB · 115–300 tok/s

Mac με 256 GB

2 τσιπ από M3 έως M5 διατίθενται με 256 GB. Ανοίξτε ένα για τη δική του λίστα και τις ταχύτητές του.

Τρέχει καλά 70

Χωράει με χώρο για τα συμφραζόμενα, με 10 ή περισσότερα tokens ανά δευτερόλεπτο στο M5 Ultra.

ΜοντέλοΈκδοσηΜνήμηM3 UltraM5 Ultra
Qwen3.8 Flash Next180B · 6B ενεργές · Νοημοσύνη 39,86-bit146 GB75–134110–196
MiMo V2.6 Flash309B · 15B ενεργές · Νοημοσύνη 37,9εγγενές 4,48-bit173 GB44–7864–114
Qwen3.8 27B27B · Νοημοσύνη 33,78-bit28,7 GB13–2319–33
Nemotron 3.5 Super VL 120B A12B120B · 12B ενεργές · Νοημοσύνη 26,58-bit128 GB29–5142–75
Inkling Small276B · 12B ενεργές · Νοημοσύνη 25,74-bit155 GB54–9679–141
Hy3295B · 21B ενεργές · Νοημοσύνη 25,34-bit166 GB31–5646–81
Nemotron 3.5 Bolt 74B A9B74B · 9B ενεργές · Νοημοσύνη 21,48-bit78,6 GB38–6856–100
Qwen3.6 35B A3B35B · 3B ενεργές · Νοημοσύνη 18,28-bit37,2 GB115–205169–300
Muse Glimmer 30B29,6B · Νοημοσύνη 17,58-bit31,5 GB12–2117–30
Qwen3.5 122B A10B122B · 10B ενεργές · Νοημοσύνη 15,68-bit130 GB35–6251–91
Gemma 4 31B30,7B · Νοημοσύνη 14,78-bit32,6 GB11–2017–29
Nemotron 3.5 Lightning 30B A3B30B · 3B ενεργές · Νοημοσύνη 12,98-bit31,9 GB115–205169–300
Granite 4.2 30B30B · Νοημοσύνη 12,78-bit31,9 GB12–2117–30
MiniCPM5 2B2,52B · Νοημοσύνη 12,58-bit2,7 GB137–243200–356
gpt-oss-120b117B · 5,1B ενεργές · Νοημοσύνη 11,6εγγενές 4,25-bit65,3 GB137–243200–356
Mistral Small 4 (119B)119B · 6,5B ενεργές · Νοημοσύνη 11,38-bit126 GB53–9578–139
Qwen3.5 9B9B · Νοημοσύνη 11,28-bit9,6 GB38–6856–100
Granite 4.2 8B8B · Νοημοσύνη 11,18-bit8,5 GB43–7764–113
Qwen3 Coder Next80B · 3B ενεργές · Νοημοσύνη 9,28-bit85 GB115–205169–300
Granite 4.2 3B3B · Νοημοσύνη 9,18-bit3,2 GB115–205169–300
gpt-oss-20b21B · 3,6B ενεργές · Νοημοσύνη 9εγγενές 4,25-bit13,8 GB194–345284–505
Nemotron 3 Nano 30B A3B30B · 3,5B ενεργές · Νοημοσύνη 8,98-bit31,9 GB100–177146–259
Gemma 4 E4B8B · Νοημοσύνη 8,98-bit8,5 GB77–137113–200
Llama 4 Scout 17B-16E Instruct109B · 17B ενεργές · Νοημοσύνη 6,58-bit116 GB20–3630–53
Ministral 3 8B8,9B · Νοημοσύνη 5,58-bit9,5 GB39–6957–101
Nemotron 3 Nano 4B3,97B · Νοημοσύνη 4,88-bit4,2 GB88–156129–229
DeepSeek V4 Flash 0731284B · 13B ενεργές4-bit160 GB50–9074–132
MiniMax M2.7230B · 10B ενεργές4-bit129 GB66–11796–171
Ornith 1.5 122B122B · 10B ενεργές8-bit130 GB35–6251–91
Nemotron 3 Super 120B A12B120B · 12B ενεργές8-bit128 GB29–5142–75
GLM-4.5 Air106B · 12B ενεργές8-bit113 GB29–5142–75
Llama 3.3 70B Instruct70B4-bit39,4 GB5–914–24
Recursive Flint39,8B · 2,5B ενεργές8-bit42,3 GB137–243200–356
Sage-A1.535B · 2,95B ενεργές8-bit37,2 GB119–211174–310
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B ενεργές8-bit32,4 GB105–187154–274
Hy-Memory-30B-A3B30,1B · 3,2B ενεργές8-bit31,9 GB108–193159–282
GLM-4.7 Flash30B · 3B ενεργές8-bit31,9 GB115–205169–300
Raon-1 mini Preview28,8B · 4,3B ενεργές8-bit30,6 GB80–142117–209
Qwen3.6 27B27B8-bit28,7 GB13–2319–33
Gemma 4 26B A4B25,2B · 3,8B ενεργές8-bit26,8 GB92–164135–240
Devstral Small 2 (24B)24B8-bit25,5 GB14–2621–38
Magistral Small 1.2 (2509)24B8-bit25,5 GB14–2621–38
Mistral Small 3.2 (24B)24B8-bit25,5 GB14–2621–38
LFM2.5 24B A2B24B · 2B ενεργές8-bit25,5 GB176–312257–457
Phi-4 Reasoning Vision 15B15B8-bit15,9 GB23–4134–60
Phi-4 (14B)14B8-bit14,9 GB25–4436–64
Gemma 4 12B Unified12B8-bit12,7 GB29–5243–76
Qwen3 8B8,2B8-bit8,7 GB42–7562–110
Llama 3.1 8B Instruct8B8-bit8,5 GB43–7764–113
Gemma 4 E2B5,1B8-bit5,4 GB154–273225–400
Nanbeige4.2 3B4,17B8-bit4,4 GB47–8469–123
Spark-X2.6 4B4,11B8-bit4,4 GB84–149123–218
Qwen3.5 4B4B8-bit4,3 GB86–152126–223
Nemotron-Labs Dory 1.0 4B3,98B8-bit4,2 GB59–10687–155
Phi-4 mini instruct3,8B8-bit4 GB92–164135–240
Llama 3.2 3B Instruct3,21B8-bit3,4 GB108–193159–282
SmolLM3 3B3B8-bit3,2 GB115–205169–300
LFM2.5 2.6B2,69B8-bit2,9 GB127–226186–331
Qwen3.5 2B2B8-bit2,1 GB176–312257–457
Llama 3.2 1B Instruct1,23B8-bit1,3 GB284–504415–738
Qwen3.5 0.8B0,8B8-bit0,9 GB410–728600–1067
Qwen3 0.6B0,6B8-bit0,6 GB614–1092900–1600
DeepSeek V4.1 Flash 1017552B · 16B ενεργές · Νοημοσύνη 45,12-bit χαμηλότερη ποιότητα173 GB74–131108–192
GLM-5.3 Flash320B · 18B ενεργές · Νοημοσύνη 41,83-bit χαμηλότερη ποιότητα140 GB47–8368–122
Ling 3.1 Flash560B · 25B ενεργές · Νοημοσύνη 41,12-bit χαμηλότερη ποιότητα175 GB47–8469–123
Beam 1.0501B · 23B ενεργές · Νοημοσύνη 30,32-bit χαμηλότερη ποιότητα157 GB51–9175–133
MiniMax M3428B · 23B ενεργές · Νοημοσύνη 29,22-bit χαμηλότερη ποιότητα134 GB51–9175–133
Nemotron 3 Ultra 550B A55B550B · 55B ενεργές · Νοημοσύνη 22,92-bit χαμηλότερη ποιότητα172 GB21–3831–56
Qwen3.5 397B A17B397B · 17B ενεργές · Νοημοσύνη 18,43-bit χαμηλότερη ποιότητα174 GB50–8973–130
Llama 4 Maverick 17B-128E Instruct400B · 17B ενεργές · Νοημοσύνη 9,33-bit χαμηλότερη ποιότητα175 GB50–8973–130

Τρέχει, αλλά αργά 2

Χωράει, αλλά με λιγότερα από 10 tokens ανά δευτερόλεπτο: καλό για μαζικές εργασίες, αργό για συνομιλία.

ΜοντέλοΈκδοσηΜνήμηM3 UltraM5 Ultra
Mistral Medium 3.5 (128B)128B · Νοημοσύνη 14,28-bit136 GB3–54–7
Devstral 2 (123B)123B8-bit131 GB3–54–7

Χωράει οριακά 1

Χρειάζεται σχεδόν όλη τη μνήμη: αυξήστε το όριο μνήμης της GPU και κρατήστε τα συμφραζόμενα σύντομα.

ΜοντέλοΈκδοσηΜνήμηM3 UltraM5 Ultra
Mistral Large 3 (675B)675B · 41B ενεργές2-bit χαμηλότερη ποιότητα211 GB29–5142–75

Πολύ μεγάλο 9

Χρειάζεται περισσότερα από 256 GB μνήμης, ακόμη και στα 2 bit.

Οι καλύτερες εφαρμογές AI για ένα Mac σαν αυτό στο AI App Store: τιμή, άδεια και πού πηγαίνουν τα δεδομένα σας.

Ερωτήσεις

Ποιο είναι το καλύτερο LLM για Mac με 256 GB;
Από τα μοντέλα με δημοσιευμένο Intelligence Index, το Qwen3.8 Flash Next έχει την υψηλότερη βαθμολογία ανάμεσα σε όσα τρέχουν καλά σε 256 GB (6-bit). Το μεγαλύτερο που τρέχει καλά είναι το MiMo V2.6 Flash. Για κώδικα: Qwen3 Coder Next.
Αρκούν 256 GB για τοπικό AI σε Mac;
62 από τα 82 ανοιχτά μοντέλα εδώ τρέχουν καλά σε αυτά, σε 4 bit ή καλύτερα. Από προεπιλογή το macOS αφήνει την GPU να χρησιμοποιεί περίπου 192 GB από αυτά· το μοντέλο και τα συμφραζόμενά του πρέπει να χωρούν εκεί.
Μπορεί ένας Mac με 256 GB να τρέξει το gpt-oss-20b;
Ναι, εγγενές 4,25-bit, με περίπου 194–345 tokens ανά δευτερόλεπτο σε M3 Ultra και 284–505 σε M5 Ultra.

Άλλα μεγέθη: 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

Εκτελέστε τα με το mlx-lm της Apple στο Terminal: βήμα προς βήμα.

Πόση RAM χρειάζεται ένα LLM · Το καλύτερο τοπικό LLM για προγραμματισμό

Πώς υπολογίζεται

Μνήμη: οι παράμετροι του μοντέλου σε 8, 6, 4, 3 ή 2 bit ανά βάρος συν τις κλίμακες ομάδων του MLX (μισό bit ανά βάρος), ή στην εγγενή του μορφή, με χώρο για τα συμφραζόμενα από πάνω. Από προεπιλογή το macOS αφήνει την GPU να χρησιμοποιεί περίπου το 75% της ενοποιημένης μνήμης. Ταχύτητα: το εύρος ζώνης μνήμης διαιρεμένο με τα bytes που διαβάζονται ανά token είναι το ανώτατο όριο για μία συνομιλία· στα δημόσια benchmarks Apple Silicon του llama.cpp οι πραγματικές εκτελέσεις φτάνουν περίπου το 45% έως 80% του ορίου, και αυτό το εύρος δείχνουμε. Είναι εκτιμήσεις, όχι μετρήσεις: μετρήστε τον δικό σας Mac στο MLX Bench. Στοιχεία μοντέλων από την επίσημη κάρτα κάθε μοντέλου, στοιχεία τσιπ από τα Τεχνικά χαρακτηριστικά της Apple. Ελέγχθηκε 2026-10-19. Ίδια δεδομένα με το mlx.app/compare.

Ανοιχτά δεδομένα: mlx.app/data (JSON, CSV)