ΣύνδεσηΔημιουργία πορτοφολιού

Τα καλύτερα LLM για Mac με 48 GB.

45 από 82 ανοιχτά μοντέλα τρέχουν καλά σε 48 GB. Από προεπιλογή η GPU μπορεί να χρησιμοποιήσει περίπου 36 GB από αυτά. Η ταχύτητα εξαρτάται από το τσιπ: από 273 GB/s στο M4 Pro έως 614 GB/s στο M5 Max.

Ενημέρωση

Το εξυπνότερο που τρέχει καλάQwen3.8 27B8-bit · 28,7 GB · 4–17 tok/sΤο μεγαλύτερο που τρέχει καλάRecursive Flint6-bit · 32,3 GB · 61–246 tok/sΓια κώδικαQwen3 Coder 30B A3B Instruct8-bit · 32,4 GB · 35–140 tok/s

Mac με 48 GB

5 τσιπ από M3 έως M5 διατίθενται με 48 GB. Ανοίξτε ένα για τη δική του λίστα και τις ταχύτητές του.

Τρέχει καλά 48

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

ΜοντέλοΈκδοσηΜνήμηM4 ProM5 Max
Qwen3.8 27B27B · Νοημοσύνη 33,78-bit28,7 GB4–810–17
Qwen3.6 35B A3B35B · 3B ενεργές · Νοημοσύνη 18,26-bit28,4 GB51–91115–205
Muse Glimmer 30B29,6B · Νοημοσύνη 17,56-bit24,1 GB4–711–20
Gemma 4 31B30,7B · Νοημοσύνη 14,76-bit24,9 GB4–711–20
Nemotron 3.5 Lightning 30B A3B30B · 3B ενεργές · Νοημοσύνη 12,98-bit31,9 GB38–6886–154
Granite 4.2 30B30B · Νοημοσύνη 12,76-bit24,4 GB4–711–20
MiniCPM5 2B2,52B · Νοημοσύνη 12,58-bit2,7 GB45–81102–182
Qwen3.5 9B9B · Νοημοσύνη 11,28-bit9,6 GB13–2329–51
Granite 4.2 8B8B · Νοημοσύνη 11,18-bit8,5 GB14–2633–58
Granite 4.2 3B3B · Νοημοσύνη 9,18-bit3,2 GB38–6886–154
gpt-oss-20b21B · 3,6B ενεργές · Νοημοσύνη 9εγγενές 4,25-bit13,8 GB65–115145–259
Nemotron 3 Nano 30B A3B30B · 3,5B ενεργές · Νοημοσύνη 8,98-bit31,9 GB33–5975–133
Gemma 4 E4B8B · Νοημοσύνη 8,98-bit8,5 GB26–4658–102
Ministral 3 8B8,9B · Νοημοσύνη 5,58-bit9,5 GB13–2329–52
Nemotron 3 Nano 4B3,97B · Νοημοσύνη 4,88-bit4,2 GB29–5266–117
Recursive Flint39,8B · 2,5B ενεργές6-bit32,3 GB61–109138–246
Sage-A1.535B · 2,95B ενεργές6-bit28,4 GB51–91115–205
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B ενεργές8-bit32,4 GB35–6279–140
Hy-Memory-30B-A3B30,1B · 3,2B ενεργές8-bit31,9 GB36–6481–144
GLM-4.7 Flash30B · 3B ενεργές8-bit31,9 GB38–6886–154
Raon-1 mini Preview28,8B · 4,3B ενεργές8-bit30,6 GB27–4760–107
Qwen3.6 27B27B8-bit28,7 GB4–810–17
Gemma 4 26B A4B25,2B · 3,8B ενεργές8-bit26,8 GB31–5569–123
Devstral Small 2 (24B)24B8-bit25,5 GB5–911–19
Magistral Small 1.2 (2509)24B8-bit25,5 GB5–911–19
Mistral Small 3.2 (24B)24B8-bit25,5 GB5–911–19
LFM2.5 24B A2B24B · 2B ενεργές8-bit25,5 GB59–104132–234
Phi-4 Reasoning Vision 15B15B8-bit15,9 GB10–1817–31
Phi-4 (14B)14B8-bit14,9 GB11–1919–33
Gemma 4 12B Unified12B8-bit12,7 GB10–1722–39
Qwen3 8B8,2B8-bit8,7 GB14–2532–56
Llama 3.1 8B Instruct8B8-bit8,5 GB14–2633–58
Gemma 4 E2B5,1B8-bit5,4 GB51–91115–205
Nanbeige4.2 3B4,17B8-bit4,4 GB16–2835–63
Spark-X2.6 4B4,11B8-bit4,4 GB28–5063–112
Qwen3.5 4B4B8-bit4,3 GB29–5164–114
Nemotron-Labs Dory 1.0 4B3,98B8-bit4,2 GB20–3545–79
Phi-4 mini instruct3,8B8-bit4 GB31–5569–123
Llama 3.2 3B Instruct3,21B8-bit3,4 GB36–6481–144
SmolLM3 3B3B8-bit3,2 GB38–6886–154
LFM2.5 2.6B2,69B8-bit2,9 GB42–7595–169
Qwen3.5 2B2B8-bit2,1 GB59–104132–234
Llama 3.2 1B Instruct1,23B8-bit1,3 GB95–168213–378
Qwen3.5 0.8B0,8B8-bit0,9 GB137–243307–546
Qwen3 0.6B0,6B8-bit0,6 GB205–364461–819
Nemotron 3.5 Bolt 74B A9B74B · 9B ενεργές · Νοημοσύνη 21,43-bit χαμηλότερη ποιότητα32,4 GB32–5671–126
Qwen3 Coder Next80B · 3B ενεργές · Νοημοσύνη 9,22-bit χαμηλότερη ποιότητα25 GB137–243307–546
GLM-4.5 Air106B · 12B ενεργές2-bit χαμηλότερη ποιότητα33,1 GB32–5773–129

Τρέχει, αλλά αργά 1

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

ΜοντέλοΈκδοσηΜνήμηM4 ProM5 Max
Llama 3.3 70B Instruct70B3-bit χαμηλότερη ποιότητα30,6 GB4–79–16

Χωράει οριακά 9

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

ΜοντέλοΈκδοσηΜνήμηM4 ProM5 Max
Nemotron 3.5 Super VL 120B A12B120B · 12B ενεργές · Νοημοσύνη 26,52-bit χαμηλότερη ποιότητα37,5 GB32–5773–129
Qwen3.5 122B A10B122B · 10B ενεργές · Νοημοσύνη 15,62-bit χαμηλότερη ποιότητα38,1 GB40–7089–158
Mistral Medium 3.5 (128B)128B · Νοημοσύνη 14,22-bit χαμηλότερη ποιότητα40 GB3–57–12
gpt-oss-120b117B · 5,1B ενεργές · Νοημοσύνη 11,62-bit χαμηλότερη ποιότητα36,6 GB77–137173–307
Mistral Small 4 (119B)119B · 6,5B ενεργές · Νοημοσύνη 11,32-bit χαμηλότερη ποιότητα37,2 GB61–109138–246
Llama 4 Scout 17B-16E Instruct109B · 17B ενεργές · Νοημοσύνη 6,52-bit χαμηλότερη ποιότητα34,1 GB23–4152–93
Devstral 2 (123B)123B2-bit χαμηλότερη ποιότητα38,4 GB3–67–13
Ornith 1.5 122B122B · 10B ενεργές2-bit χαμηλότερη ποιότητα38,1 GB40–7089–158
Nemotron 3 Super 120B A12B120B · 12B ενεργές2-bit χαμηλότερη ποιότητα37,5 GB32–5773–129

Πολύ μεγάλο 24

Χρειάζεται περισσότερα από 48 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 48 GB;
Από τα μοντέλα με δημοσιευμένο Intelligence Index, το Qwen3.8 27B έχει την υψηλότερη βαθμολογία ανάμεσα σε όσα τρέχουν καλά σε 48 GB (8-bit). Το μεγαλύτερο που τρέχει καλά είναι το Recursive Flint. Για κώδικα: Qwen3 Coder 30B A3B Instruct.
Αρκούν 48 GB για τοπικό AI σε Mac;
45 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 36 GB από αυτά· το μοντέλο και τα συμφραζόμενά του πρέπει να χωρούν εκεί.
Μπορεί ένας Mac με 48 GB να τρέξει το gpt-oss-20b;
Ναι, εγγενές 4,25-bit, με περίπου 65–115 tokens ανά δευτερόλεπτο σε M4 Pro και 145–259 σε M5 Max.

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)