ΣύνδεσηΔημιουργία πορτοφολιού

Τι τρέχει ένας Mac με M3 Pro και 18 GB;

23 από 82 ανοιχτά μοντέλα τρέχουν καλά σε αυτόν. Από προεπιλογή η GPU μπορεί να χρησιμοποιήσει περίπου 14 GB από τα 18 GB, και διαβάζει τη μνήμη με 150 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 καλάMiniCPM5 2B8-bit · 2,7 GB · 25–44 tok/sΤο μεγαλύτερο που τρέχει καλάGemma 4 12B Unified4-bit · 6,7 GB · 10–18 tok/s

Τρέχει καλά 33

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

ΜοντέλοΈκδοσηΜνήμηTokens/s
MiniCPM5 2B2,52B · Νοημοσύνη 12,58-bit2,7 GB25–44
Qwen3.5 9B9B · Νοημοσύνη 11,24-bit5,1 GB13–24
Granite 4.2 8B8B · Νοημοσύνη 11,16-bit6,5 GB10–18
Granite 4.2 3B3B · Νοημοσύνη 9,18-bit3,2 GB21–38
Gemma 4 E4B8B · Νοημοσύνη 8,98-bit8,5 GB14–25
Ministral 3 8B8,9B · Νοημοσύνη 5,54-bit5 GB14–24
Nemotron 3 Nano 4B3,97B · Νοημοσύνη 4,88-bit4,2 GB16–29
Gemma 4 12B Unified12B4-bit6,7 GB10–18
Qwen3 8B8,2B6-bit6,7 GB10–18
Llama 3.1 8B Instruct8B6-bit6,5 GB10–18
Gemma 4 E2B5,1B8-bit5,4 GB28–50
Nanbeige4.2 3B4,17B6-bit3,4 GB11–20
Spark-X2.6 4B4,11B8-bit4,4 GB15–27
Qwen3.5 4B4B8-bit4,3 GB16–28
Nemotron-Labs Dory 1.0 4B3,98B8-bit4,2 GB11–19
Phi-4 mini instruct3,8B8-bit4 GB17–30
Llama 3.2 3B Instruct3,21B8-bit3,4 GB20–35
SmolLM3 3B3B8-bit3,2 GB21–38
LFM2.5 2.6B2,69B8-bit2,9 GB23–41
Qwen3.5 2B2B8-bit2,1 GB32–57
Llama 3.2 1B Instruct1,23B8-bit1,3 GB52–92
Qwen3.5 0.8B0,8B8-bit0,9 GB75–133
Qwen3 0.6B0,6B8-bit0,6 GB113–200
Qwen3.6 35B A3B35B · 3B ενεργές · Νοημοσύνη 18,22-bit χαμηλότερη ποιότητα10,9 GB75–133
Nemotron 3.5 Lightning 30B A3B30B · 3B ενεργές · Νοημοσύνη 12,92-bit χαμηλότερη ποιότητα9,4 GB75–133
Nemotron 3 Nano 30B A3B30B · 3,5B ενεργές · Νοημοσύνη 8,92-bit χαμηλότερη ποιότητα9,4 GB61–109
Sage-A1.535B · 2,95B ενεργές2-bit χαμηλότερη ποιότητα10,9 GB75–133
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B ενεργές2-bit χαμηλότερη ποιότητα9,5 GB68–120
Hy-Memory-30B-A3B30,1B · 3,2B ενεργές2-bit χαμηλότερη ποιότητα9,4 GB68–120
GLM-4.7 Flash30B · 3B ενεργές2-bit χαμηλότερη ποιότητα9,4 GB75–133
Raon-1 mini Preview28,8B · 4,3B ενεργές2-bit χαμηλότερη ποιότητα9 GB52–92
Gemma 4 26B A4B25,2B · 3,8B ενεργές3-bit χαμηλότερη ποιότητα11 GB40–71
LFM2.5 24B A2B24B · 2B ενεργές3-bit χαμηλότερη ποιότητα10,5 GB75–133

Τρέχει, αλλά αργά 10

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

ΜοντέλοΈκδοσηΜνήμηTokens/s
Phi-4 Reasoning Vision 15B15B4-bit8,4 GB8–14
Phi-4 (14B)14B6-bit11,4 GB6–11
Qwen3.8 27B27B · Νοημοσύνη 33,73-bit χαμηλότερη ποιότητα11,8 GB6–10
Muse Glimmer 30B29,6B · Νοημοσύνη 17,52-bit χαμηλότερη ποιότητα9,3 GB7–13
Gemma 4 31B30,7B · Νοημοσύνη 14,72-bit χαμηλότερη ποιότητα9,6 GB7–13
Granite 4.2 30B30B · Νοημοσύνη 12,72-bit χαμηλότερη ποιότητα9,4 GB7–13
Qwen3.6 27B27B3-bit χαμηλότερη ποιότητα11,8 GB6–10
Devstral Small 2 (24B)24B3-bit χαμηλότερη ποιότητα10,5 GB6–11
Magistral Small 1.2 (2509)24B3-bit χαμηλότερη ποιότητα10,5 GB6–11
Mistral Small 3.2 (24B)24B3-bit χαμηλότερη ποιότητα10,5 GB6–11

Χωράει οριακά 2

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

ΜοντέλοΈκδοσηΜνήμηTokens/s
gpt-oss-20b21B · 3,6B ενεργές · Νοημοσύνη 9εγγενές 4,25-bit13,8 GB36–63
Recursive Flint39,8B · 2,5B ενεργές2-bit χαμηλότερη ποιότητα12,4 GB84–150

Πολύ μεγάλο 37

Χρειάζεται περισσότερα από 18 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 18 GB, με οποιοδήποτε τσιπ.

Το M3 Pro με περισσότερη ή λιγότερη μνήμη:

Γειτονικά τσιπ:

Κατά μέτωπο:

Συγκρίνετέ το με οποιονδήποτε Mac ή GPU · Το M3 Pro 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 Pro και 18 GB;
Από τα μοντέλα με δημοσιευμένο Intelligence Index, το MiniCPM5 2B έχει την υψηλότερη βαθμολογία ανάμεσα σε όσα τρέχουν καλά εδώ: 8-bit, περίπου 25–44 tokens ανά δευτερόλεπτο. Το μεγαλύτερο που τρέχει καλά είναι το Gemma 4 12B Unified.
Μπορεί ένας Mac με M3 Pro και 18 GB να τρέξει το Llama 3.3 70B;
Όχι: ακόμη και στα 2 bit χρειάζεται περισσότερα από τα 14 GB που μπορεί να χρησιμοποιήσει η GPU από προεπιλογή.
Πόσο γρήγορο είναι το gpt-oss-20b σε M3 Pro;
Περίπου 36–63 tokens ανά δευτερόλεπτο (εγγενές 4,25-bit), με βάση το εύρος ζώνης μνήμης του τσιπ, 150 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)