ΣύνδεσηΔημιουργία πορτοφολιού

Τι τρέχει ένας Mac με M2 Ultra και 128 GB;

55 από 82 ανοιχτά μοντέλα τρέχουν καλά σε αυτόν. Από προεπιλογή η GPU μπορεί να χρησιμοποιήσει περίπου 96 GB από τα 128 GB, και διαβάζει τη μνήμη με 800 GB/s, κάτι που καθορίζει πόσο γρήγορα γράφει. Υπάρχει σε: Mac Studio (2023), Mac Pro (2023), Mac Pro (Rack, 2023).

Ενημέρωση

Το εξυπνότερο που τρέχει καλάQwen3.8 27B8-bit · 28,7 GB · 13–22 tok/sΤο μεγαλύτερο που τρέχει καλάQwen3.5 122B A10B4-bit · 68,6 GB · 64–114 tok/sΓια κώδικαQwen3 Coder Next8-bit · 85 GB · 113–200 tok/s

Τρέχει καλά 59

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

ΜοντέλοΈκδοσηΜνήμηTokens/s
Qwen3.8 27B27B · Νοημοσύνη 33,78-bit28,7 GB13–22
Nemotron 3.5 Super VL 120B A12B120B · 12B ενεργές · Νοημοσύνη 26,54-bit67,5 GB53–94
Nemotron 3.5 Bolt 74B A9B74B · 9B ενεργές · Νοημοσύνη 21,48-bit78,6 GB38–67
Qwen3.6 35B A3B35B · 3B ενεργές · Νοημοσύνη 18,28-bit37,2 GB113–200
Muse Glimmer 30B29,6B · Νοημοσύνη 17,58-bit31,5 GB11–20
Qwen3.5 122B A10B122B · 10B ενεργές · Νοημοσύνη 15,64-bit68,6 GB64–114
Gemma 4 31B30,7B · Νοημοσύνη 14,78-bit32,6 GB11–20
Nemotron 3.5 Lightning 30B A3B30B · 3B ενεργές · Νοημοσύνη 12,98-bit31,9 GB113–200
Granite 4.2 30B30B · Νοημοσύνη 12,78-bit31,9 GB11–20
MiniCPM5 2B2,52B · Νοημοσύνη 12,58-bit2,7 GB133–237
gpt-oss-120b117B · 5,1B ενεργές · Νοημοσύνη 11,6εγγενές 4,25-bit65,3 GB133–237
Mistral Small 4 (119B)119B · 6,5B ενεργές · Νοημοσύνη 11,34-bit66,9 GB97–173
Qwen3.5 9B9B · Νοημοσύνη 11,28-bit9,6 GB38–67
Granite 4.2 8B8B · Νοημοσύνη 11,18-bit8,5 GB42–75
Qwen3 Coder Next80B · 3B ενεργές · Νοημοσύνη 9,28-bit85 GB113–200
Granite 4.2 3B3B · Νοημοσύνη 9,18-bit3,2 GB113–200
gpt-oss-20b21B · 3,6B ενεργές · Νοημοσύνη 9εγγενές 4,25-bit13,8 GB189–337
Nemotron 3 Nano 30B A3B30B · 3,5B ενεργές · Νοημοσύνη 8,98-bit31,9 GB97–173
Gemma 4 E4B8B · Νοημοσύνη 8,98-bit8,5 GB75–133
Llama 4 Scout 17B-16E Instruct109B · 17B ενεργές · Νοημοσύνη 6,56-bit88,6 GB26–46
Ministral 3 8B8,9B · Νοημοσύνη 5,58-bit9,5 GB38–67
Nemotron 3 Nano 4B3,97B · Νοημοσύνη 4,88-bit4,2 GB86–152
Ornith 1.5 122B122B · 10B ενεργές4-bit68,6 GB64–114
Nemotron 3 Super 120B A12B120B · 12B ενεργές4-bit67,5 GB53–94
GLM-4.5 Air106B · 12B ενεργές6-bit86,1 GB37–65
Recursive Flint39,8B · 2,5B ενεργές8-bit42,3 GB133–237
Sage-A1.535B · 2,95B ενεργές8-bit37,2 GB116–206
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B ενεργές8-bit32,4 GB103–183
Hy-Memory-30B-A3B30,1B · 3,2B ενεργές8-bit31,9 GB106–188
GLM-4.7 Flash30B · 3B ενεργές8-bit31,9 GB113–200
Raon-1 mini Preview28,8B · 4,3B ενεργές8-bit30,6 GB78–139
Qwen3.6 27B27B8-bit28,7 GB13–22
Gemma 4 26B A4B25,2B · 3,8B ενεργές8-bit26,8 GB90–160
Devstral Small 2 (24B)24B8-bit25,5 GB14–25
Magistral Small 1.2 (2509)24B8-bit25,5 GB14–25
Mistral Small 3.2 (24B)24B8-bit25,5 GB14–25
LFM2.5 24B A2B24B · 2B ενεργές8-bit25,5 GB171–305
Phi-4 Reasoning Vision 15B15B8-bit15,9 GB23–40
Phi-4 (14B)14B8-bit14,9 GB24–43
Gemma 4 12B Unified12B8-bit12,7 GB28–50
Qwen3 8B8,2B8-bit8,7 GB41–74
Llama 3.1 8B Instruct8B8-bit8,5 GB42–75
Gemma 4 E2B5,1B8-bit5,4 GB150–267
Nanbeige4.2 3B4,17B8-bit4,4 GB46–82
Spark-X2.6 4B4,11B8-bit4,4 GB82–145
Qwen3.5 4B4B8-bit4,3 GB84–149
Nemotron-Labs Dory 1.0 4B3,98B8-bit4,2 GB58–103
Phi-4 mini instruct3,8B8-bit4 GB90–160
Llama 3.2 3B Instruct3,21B8-bit3,4 GB106–188
SmolLM3 3B3B8-bit3,2 GB113–200
LFM2.5 2.6B2,69B8-bit2,9 GB124–221
Qwen3.5 2B2B8-bit2,1 GB171–305
Llama 3.2 1B Instruct1,23B8-bit1,3 GB277–492
Qwen3.5 0.8B0,8B8-bit0,9 GB400–711
Qwen3 0.6B0,6B8-bit0,6 GB600–1067
Qwen3.8 Flash Next180B · 6B ενεργές · Νοημοσύνη 39,83-bit χαμηλότερη ποιότητα78,8 GB138–246
Inkling Small276B · 12B ενεργές · Νοημοσύνη 25,72-bit χαμηλότερη ποιότητα86,3 GB95–168
DeepSeek V4 Flash 0731284B · 13B ενεργές2-bit χαμηλότερη ποιότητα88,8 GB88–156
MiniMax M2.7230B · 10B ενεργές2-bit χαμηλότερη ποιότητα71,9 GB116–206

Τρέχει, αλλά αργά 3

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

ΜοντέλοΈκδοσηΜνήμηTokens/s
Mistral Medium 3.5 (128B)128B · Νοημοσύνη 14,24-bit72 GB5–9
Devstral 2 (123B)123B4-bit69,2 GB5–9
Llama 3.3 70B Instruct70B8-bit74,4 GB5–9

Χωράει οριακά 3

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

ΜοντέλοΈκδοσηΜνήμηTokens/s
GLM-5.3 Flash320B · 18B ενεργές · Νοημοσύνη 41,82-bit χαμηλότερη ποιότητα100 GB64–114
MiMo V2.6 Flash309B · 15B ενεργές · Νοημοσύνη 37,92-bit χαμηλότερη ποιότητα96,6 GB77–136
Hy3295B · 21B ενεργές · Νοημοσύνη 25,32-bit χαμηλότερη ποιότητα92,2 GB55–97

Πολύ μεγάλο 17

Χρειάζεται περισσότερα από 128 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.

Άλλοι Mac

Όλοι οι Mac με 128 GB, με οποιοδήποτε τσιπ.

Το M2 Ultra με περισσότερη ή λιγότερη μνήμη:

Γειτονικά τσιπ:

Κατά μέτωπο:

Συγκρίνετέ το με οποιονδήποτε Mac ή GPU · Το M2 Ultra για τοπικό AI · Ο καλύτερος Mac για τοπικά LLM · Πόση RAM χρειάζεται ένα LLM · Όλοι οι Mac

Ερωτήσεις

Ποιο είναι το καλύτερο LLM για Mac με M2 Ultra και 128 GB;
Από τα μοντέλα με δημοσιευμένο Intelligence Index, το Qwen3.8 27B έχει την υψηλότερη βαθμολογία ανάμεσα σε όσα τρέχουν καλά εδώ: 8-bit, περίπου 13–22 tokens ανά δευτερόλεπτο. Το μεγαλύτερο που τρέχει καλά είναι το Qwen3.5 122B A10B.
Μπορεί ένας Mac με M2 Ultra και 128 GB να τρέξει το Llama 3.3 70B;
Ναι, αλλά αργά: 8-bit, με περίπου 5–9 tokens ανά δευτερόλεπτο.
Πόσο γρήγορο είναι το gpt-oss-20b σε M2 Ultra;
Περίπου 189–337 tokens ανά δευτερόλεπτο (εγγενές 4,25-bit), με βάση το εύρος ζώνης μνήμης του τσιπ, 800 GB/s.

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

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)