ΣύνδεσηΔημιουργία πορτοφολιού

Τα καλύτερα LLM για Mac με 8 GB.

19 από 82 ανοιχτά μοντέλα τρέχουν καλά σε 8 GB. Από προεπιλογή η GPU μπορεί να χρησιμοποιήσει περίπου 6 GB από αυτά. Η ταχύτητα εξαρτάται από το τσιπ: από 68 GB/s στο M1 έως 100 GB/s στο M2.

Ενημέρωση

Το εξυπνότερο που τρέχει καλάMiniCPM5 2B8-bit · 2,7 GB · 11–30 tok/sΤο μεγαλύτερο που τρέχει καλάGranite 4.2 8B4-bit · 4,5 GB · 7–18 tok/s

Mac με 8 GB

3 τσιπ από M1 έως M3 διατίθενται με 8 GB. Ανοίξτε ένα για τη δική του λίστα και τις ταχύτητές του.

Τρέχει καλά 24

Χωράει με χώρο για τα συμφραζόμενα, με 10 ή περισσότερα tokens ανά δευτερόλεπτο στο M2.

ΜοντέλοΈκδοσηΜνήμηM1M2
MiniCPM5 2B2,52B · Νοημοσύνη 12,58-bit2,7 GB11–2017–30
Granite 4.2 8B8B · Νοημοσύνη 11,14-bit4,5 GB7–1210–18
Granite 4.2 3B3B · Νοημοσύνη 9,18-bit3,2 GB10–1714–25
Gemma 4 E4B8B · Νοημοσύνη 8,94-bit4,5 GB12–2218–32
Nemotron 3 Nano 4B3,97B · Νοημοσύνη 4,88-bit4,2 GB10–1711–19
Llama 3.1 8B Instruct8B4-bit4,5 GB7–1210–18
Gemma 4 E2B5,1B6-bit4,1 GB16–2924–42
Nanbeige4.2 3B4,17B4-bit2,3 GB4–711–20
Spark-X2.6 4B4,11B8-bit4,4 GB13–2410–18
Qwen3.5 4B4B8-bit4,3 GB13–2410–19
Nemotron-Labs Dory 1.0 4B3,98B6-bit3,2 GB5–910–17
Phi-4 mini instruct3,8B8-bit4 GB10–1811–20
Llama 3.2 3B Instruct3,21B8-bit3,4 GB12–2113–24
SmolLM3 3B3B8-bit3,2 GB10–1714–25
LFM2.5 2.6B2,69B8-bit2,9 GB11–1916–28
Qwen3.5 2B2B8-bit2,1 GB15–2621–38
Llama 3.2 1B Instruct1,23B8-bit1,3 GB24–4235–62
Qwen3.5 0.8B0,8B8-bit0,9 GB34–6050–89
Qwen3 0.6B0,6B8-bit0,6 GB51–9175–133
Qwen3.5 9B9B · Νοημοσύνη 11,23-bit χαμηλότερη ποιότητα3,9 GB8–1412–21
Ministral 3 8B8,9B · Νοημοσύνη 5,53-bit χαμηλότερη ποιότητα3,9 GB8–1412–21
Phi-4 (14B)14B2-bit χαμηλότερη ποιότητα4,4 GB7–1210–18
Gemma 4 12B Unified12B2-bit χαμηλότερη ποιότητα3,7 GB8–1512–22
Qwen3 8B8,2B3-bit χαμηλότερη ποιότητα3,6 GB9–1513–22

Χωράει οριακά 1

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

ΜοντέλοΈκδοσηΜνήμηM1M2
Phi-4 Reasoning Vision 15B15B2-bit χαμηλότερη ποιότητα4,7 GB7–1210–17

Πολύ μεγάλο 57

Χρειάζεται περισσότερα από 8 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 8 GB;
Από τα μοντέλα με δημοσιευμένο Intelligence Index, το MiniCPM5 2B έχει την υψηλότερη βαθμολογία ανάμεσα σε όσα τρέχουν καλά σε 8 GB (8-bit). Το μεγαλύτερο που τρέχει καλά είναι το Granite 4.2 8B.
Αρκούν 8 GB για τοπικό AI σε Mac;
19 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 6 GB από αυτά· το μοντέλο και τα συμφραζόμενά του πρέπει να χωρούν εκεί.
Μπορεί ένας Mac με 8 GB να τρέξει το gpt-oss-20b;
Όχι: χρειάζεται περισσότερα από τα 6 GB που μπορεί να χρησιμοποιήσει η GPU από προεπιλογή.

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)