ΣύνδεσηΔημιουργία πορτοφολιού

Τι τρέχει ένας Mac με M3 Max και 96 GB;

45 από 82 ανοιχτά μοντέλα τρέχουν καλά σε αυτόν. Από προεπιλογή η GPU μπορεί να χρησιμοποιήσει περίπου 72 GB από τα 96 GB, και διαβάζει τη μνήμη με 300 GB/s, κάτι που καθορίζει πόσο γρήγορα γράφει. Υπάρχει σε: MacBook Pro (14-inch, M3 Pro or M3 Max, Nov 2023), MacBook Pro (16-inch, Nov 2023).

Ενημέρωση

Το εξυπνότερο που τρέχει καλάNemotron 3.5 Bolt 74B A9B6-bit · 60,1 GB · 18–33 tok/sΤο μεγαλύτερο που τρέχει καλάgpt-oss-120bεγγενές 4,25-bit · 65,3 GB · 50–89 tok/sΓια κώδικαQwen3 Coder Next6-bit · 65 GB · 56–100 tok/s

Τρέχει καλά 51

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

ΜοντέλοΈκδοσηΜνήμηTokens/s
Nemotron 3.5 Bolt 74B A9B74B · 9B ενεργές · Νοημοσύνη 21,46-bit60,1 GB18–33
Qwen3.6 35B A3B35B · 3B ενεργές · Νοημοσύνη 18,28-bit37,2 GB42–75
Nemotron 3.5 Lightning 30B A3B30B · 3B ενεργές · Νοημοσύνη 12,98-bit31,9 GB42–75
MiniCPM5 2B2,52B · Νοημοσύνη 12,58-bit2,7 GB50–89
gpt-oss-120b117B · 5,1B ενεργές · Νοημοσύνη 11,6εγγενές 4,25-bit65,3 GB50–89
Qwen3.5 9B9B · Νοημοσύνη 11,28-bit9,6 GB14–25
Granite 4.2 8B8B · Νοημοσύνη 11,18-bit8,5 GB16–28
Qwen3 Coder Next80B · 3B ενεργές · Νοημοσύνη 9,26-bit65 GB56–100
Granite 4.2 3B3B · Νοημοσύνη 9,18-bit3,2 GB42–75
gpt-oss-20b21B · 3,6B ενεργές · Νοημοσύνη 9εγγενές 4,25-bit13,8 GB71–126
Nemotron 3 Nano 30B A3B30B · 3,5B ενεργές · Νοημοσύνη 8,98-bit31,9 GB36–65
Gemma 4 E4B8B · Νοημοσύνη 8,98-bit8,5 GB28–50
Llama 4 Scout 17B-16E Instruct109B · 17B ενεργές · Νοημοσύνη 6,54-bit61,3 GB14–25
Ministral 3 8B8,9B · Νοημοσύνη 5,58-bit9,5 GB14–25
Nemotron 3 Nano 4B3,97B · Νοημοσύνη 4,88-bit4,2 GB32–57
GLM-4.5 Air106B · 12B ενεργές4-bit59,6 GB20–35
Recursive Flint39,8B · 2,5B ενεργές8-bit42,3 GB50–89
Sage-A1.535B · 2,95B ενεργές8-bit37,2 GB44–77
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B ενεργές8-bit32,4 GB39–69
Hy-Memory-30B-A3B30,1B · 3,2B ενεργές8-bit31,9 GB40–71
GLM-4.7 Flash30B · 3B ενεργές8-bit31,9 GB42–75
Raon-1 mini Preview28,8B · 4,3B ενεργές8-bit30,6 GB29–52
Gemma 4 26B A4B25,2B · 3,8B ενεργές8-bit26,8 GB34–60
Devstral Small 2 (24B)24B4-bit13,5 GB10–18
Magistral Small 1.2 (2509)24B4-bit13,5 GB10–18
Mistral Small 3.2 (24B)24B4-bit13,5 GB10–18
LFM2.5 24B A2B24B · 2B ενεργές8-bit25,5 GB64–114
Phi-4 Reasoning Vision 15B15B6-bit12,2 GB11–20
Phi-4 (14B)14B6-bit11,4 GB12–21
Gemma 4 12B Unified12B8-bit12,7 GB11–19
Qwen3 8B8,2B8-bit8,7 GB16–28
Llama 3.1 8B Instruct8B8-bit8,5 GB16–28
Gemma 4 E2B5,1B8-bit5,4 GB56–100
Nanbeige4.2 3B4,17B8-bit4,4 GB17–31
Spark-X2.6 4B4,11B8-bit4,4 GB31–55
Qwen3.5 4B4B8-bit4,3 GB31–56
Nemotron-Labs Dory 1.0 4B3,98B8-bit4,2 GB22–39
Phi-4 mini instruct3,8B8-bit4 GB34–60
Llama 3.2 3B Instruct3,21B8-bit3,4 GB40–71
SmolLM3 3B3B8-bit3,2 GB42–75
LFM2.5 2.6B2,69B8-bit2,9 GB47–83
Qwen3.5 2B2B8-bit2,1 GB64–114
Llama 3.2 1B Instruct1,23B8-bit1,3 GB104–185
Qwen3.5 0.8B0,8B8-bit0,9 GB150–267
Qwen3 0.6B0,6B8-bit0,6 GB225–400
Qwen3.8 Flash Next180B · 6B ενεργές · Νοημοσύνη 39,82-bit χαμηλότερη ποιότητα56,3 GB71–126
Nemotron 3.5 Super VL 120B A12B120B · 12B ενεργές · Νοημοσύνη 26,53-bit χαμηλότερη ποιότητα52,5 GB25–45
Qwen3.5 122B A10B122B · 10B ενεργές · Νοημοσύνη 15,63-bit χαμηλότερη ποιότητα53,4 GB31–55
Mistral Small 4 (119B)119B · 6,5B ενεργές · Νοημοσύνη 11,33-bit χαμηλότερη ποιότητα52,1 GB48–86
Ornith 1.5 122B122B · 10B ενεργές3-bit χαμηλότερη ποιότητα53,4 GB31–55
Nemotron 3 Super 120B A12B120B · 12B ενεργές3-bit χαμηλότερη ποιότητα52,5 GB25–45

Τρέχει, αλλά αργά 8

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

ΜοντέλοΈκδοσηΜνήμηTokens/s
Qwen3.8 27B27B · Νοημοσύνη 33,78-bit28,7 GB5–8
Muse Glimmer 30B29,6B · Νοημοσύνη 17,58-bit31,5 GB4–8
Gemma 4 31B30,7B · Νοημοσύνη 14,78-bit32,6 GB4–7
Granite 4.2 30B30B · Νοημοσύνη 12,78-bit31,9 GB4–8
Llama 3.3 70B Instruct70B6-bit56,9 GB2–4
Qwen3.6 27B27B8-bit28,7 GB5–8
Mistral Medium 3.5 (128B)128B · Νοημοσύνη 14,23-bit χαμηλότερη ποιότητα56 GB2–4
Devstral 2 (123B)123B3-bit χαμηλότερη ποιότητα53,8 GB3–4

Χωράει οριακά 1

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

ΜοντέλοΈκδοσηΜνήμηTokens/s
MiniMax M2.7230B · 10B ενεργές2-bit χαμηλότερη ποιότητα71,9 GB44–77

Πολύ μεγάλο 22

Χρειάζεται περισσότερα από 96 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 96 GB, με οποιοδήποτε τσιπ.

Το M3 Max με περισσότερη ή λιγότερη μνήμη:

Γειτονικά τσιπ:

Κατά μέτωπο:

Συγκρίνετέ το με οποιονδήποτε Mac ή GPU · Το M3 Max 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 M3 Max και 96 GB;
Από τα μοντέλα με δημοσιευμένο Intelligence Index, το Nemotron 3.5 Bolt 74B A9B έχει την υψηλότερη βαθμολογία ανάμεσα σε όσα τρέχουν καλά εδώ: 6-bit, περίπου 18–33 tokens ανά δευτερόλεπτο. Το μεγαλύτερο που τρέχει καλά είναι το gpt-oss-120b.
Μπορεί ένας Mac με M3 Max και 96 GB να τρέξει το Llama 3.3 70B;
Ναι, αλλά αργά: 6-bit, με περίπου 2–4 tokens ανά δευτερόλεπτο.
Πόσο γρήγορο είναι το gpt-oss-20b σε M3 Max;
Περίπου 71–126 tokens ανά δευτερόλεπτο (εγγενές 4,25-bit), με βάση το εύρος ζώνης μνήμης του τσιπ, 300 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)