ΣύνδεσηΔημιουργία πορτοφολιού

Τι τρέχει ένας Mac με M3 Ultra και 256 GB;

61 από 82 ανοιχτά μοντέλα τρέχουν καλά σε αυτόν. Από προεπιλογή η GPU μπορεί να χρησιμοποιήσει περίπου 192 GB από τα 256 GB, και διαβάζει τη μνήμη με 819 GB/s, κάτι που καθορίζει πόσο γρήγορα γράφει. Υπάρχει σε: Mac Studio (2025).

Ενημέρωση

Το εξυπνότερο που τρέχει καλάQwen3.8 Flash Next6-bit · 146 GB · 75–134 tok/sΤο μεγαλύτερο που τρέχει καλάMiMo V2.6 Flashεγγενές 4,48-bit · 173 GB · 44–78 tok/sΓια κώδικαQwen3 Coder Next8-bit · 85 GB · 115–205 tok/s

Τρέχει καλά 69

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

ΜοντέλοΈκδοσηΜνήμηTokens/s
Qwen3.8 Flash Next180B · 6B ενεργές · Νοημοσύνη 39,86-bit146 GB75–134
MiMo V2.6 Flash309B · 15B ενεργές · Νοημοσύνη 37,9εγγενές 4,48-bit173 GB44–78
Qwen3.8 27B27B · Νοημοσύνη 33,78-bit28,7 GB13–23
Nemotron 3.5 Super VL 120B A12B120B · 12B ενεργές · Νοημοσύνη 26,58-bit128 GB29–51
Inkling Small276B · 12B ενεργές · Νοημοσύνη 25,74-bit155 GB54–96
Hy3295B · 21B ενεργές · Νοημοσύνη 25,34-bit166 GB31–56
Nemotron 3.5 Bolt 74B A9B74B · 9B ενεργές · Νοημοσύνη 21,48-bit78,6 GB38–68
Qwen3.6 35B A3B35B · 3B ενεργές · Νοημοσύνη 18,28-bit37,2 GB115–205
Muse Glimmer 30B29,6B · Νοημοσύνη 17,58-bit31,5 GB12–21
Qwen3.5 122B A10B122B · 10B ενεργές · Νοημοσύνη 15,68-bit130 GB35–62
Gemma 4 31B30,7B · Νοημοσύνη 14,78-bit32,6 GB11–20
Nemotron 3.5 Lightning 30B A3B30B · 3B ενεργές · Νοημοσύνη 12,98-bit31,9 GB115–205
Granite 4.2 30B30B · Νοημοσύνη 12,78-bit31,9 GB12–21
MiniCPM5 2B2,52B · Νοημοσύνη 12,58-bit2,7 GB137–243
gpt-oss-120b117B · 5,1B ενεργές · Νοημοσύνη 11,6εγγενές 4,25-bit65,3 GB137–243
Mistral Small 4 (119B)119B · 6,5B ενεργές · Νοημοσύνη 11,38-bit126 GB53–95
Qwen3.5 9B9B · Νοημοσύνη 11,28-bit9,6 GB38–68
Granite 4.2 8B8B · Νοημοσύνη 11,18-bit8,5 GB43–77
Qwen3 Coder Next80B · 3B ενεργές · Νοημοσύνη 9,28-bit85 GB115–205
Granite 4.2 3B3B · Νοημοσύνη 9,18-bit3,2 GB115–205
gpt-oss-20b21B · 3,6B ενεργές · Νοημοσύνη 9εγγενές 4,25-bit13,8 GB194–345
Nemotron 3 Nano 30B A3B30B · 3,5B ενεργές · Νοημοσύνη 8,98-bit31,9 GB100–177
Gemma 4 E4B8B · Νοημοσύνη 8,98-bit8,5 GB77–137
Llama 4 Scout 17B-16E Instruct109B · 17B ενεργές · Νοημοσύνη 6,58-bit116 GB20–36
Ministral 3 8B8,9B · Νοημοσύνη 5,58-bit9,5 GB39–69
Nemotron 3 Nano 4B3,97B · Νοημοσύνη 4,88-bit4,2 GB88–156
DeepSeek V4 Flash 0731284B · 13B ενεργές4-bit160 GB50–90
MiniMax M2.7230B · 10B ενεργές4-bit129 GB66–117
Ornith 1.5 122B122B · 10B ενεργές8-bit130 GB35–62
Nemotron 3 Super 120B A12B120B · 12B ενεργές8-bit128 GB29–51
GLM-4.5 Air106B · 12B ενεργές8-bit113 GB29–51
Recursive Flint39,8B · 2,5B ενεργές8-bit42,3 GB137–243
Sage-A1.535B · 2,95B ενεργές8-bit37,2 GB119–211
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B ενεργές8-bit32,4 GB105–187
Hy-Memory-30B-A3B30,1B · 3,2B ενεργές8-bit31,9 GB108–193
GLM-4.7 Flash30B · 3B ενεργές8-bit31,9 GB115–205
Raon-1 mini Preview28,8B · 4,3B ενεργές8-bit30,6 GB80–142
Qwen3.6 27B27B8-bit28,7 GB13–23
Gemma 4 26B A4B25,2B · 3,8B ενεργές8-bit26,8 GB92–164
Devstral Small 2 (24B)24B8-bit25,5 GB14–26
Magistral Small 1.2 (2509)24B8-bit25,5 GB14–26
Mistral Small 3.2 (24B)24B8-bit25,5 GB14–26
LFM2.5 24B A2B24B · 2B ενεργές8-bit25,5 GB176–312
Phi-4 Reasoning Vision 15B15B8-bit15,9 GB23–41
Phi-4 (14B)14B8-bit14,9 GB25–44
Gemma 4 12B Unified12B8-bit12,7 GB29–52
Qwen3 8B8,2B8-bit8,7 GB42–75
Llama 3.1 8B Instruct8B8-bit8,5 GB43–77
Gemma 4 E2B5,1B8-bit5,4 GB154–273
Nanbeige4.2 3B4,17B8-bit4,4 GB47–84
Spark-X2.6 4B4,11B8-bit4,4 GB84–149
Qwen3.5 4B4B8-bit4,3 GB86–152
Nemotron-Labs Dory 1.0 4B3,98B8-bit4,2 GB59–106
Phi-4 mini instruct3,8B8-bit4 GB92–164
Llama 3.2 3B Instruct3,21B8-bit3,4 GB108–193
SmolLM3 3B3B8-bit3,2 GB115–205
LFM2.5 2.6B2,69B8-bit2,9 GB127–226
Qwen3.5 2B2B8-bit2,1 GB176–312
Llama 3.2 1B Instruct1,23B8-bit1,3 GB284–504
Qwen3.5 0.8B0,8B8-bit0,9 GB410–728
Qwen3 0.6B0,6B8-bit0,6 GB614–1092
DeepSeek V4.1 Flash 1017552B · 16B ενεργές · Νοημοσύνη 45,12-bit χαμηλότερη ποιότητα173 GB74–131
GLM-5.3 Flash320B · 18B ενεργές · Νοημοσύνη 41,83-bit χαμηλότερη ποιότητα140 GB47–83
Ling 3.1 Flash560B · 25B ενεργές · Νοημοσύνη 41,12-bit χαμηλότερη ποιότητα175 GB47–84
Beam 1.0501B · 23B ενεργές · Νοημοσύνη 30,32-bit χαμηλότερη ποιότητα157 GB51–91
MiniMax M3428B · 23B ενεργές · Νοημοσύνη 29,22-bit χαμηλότερη ποιότητα134 GB51–91
Nemotron 3 Ultra 550B A55B550B · 55B ενεργές · Νοημοσύνη 22,92-bit χαμηλότερη ποιότητα172 GB21–38
Qwen3.5 397B A17B397B · 17B ενεργές · Νοημοσύνη 18,43-bit χαμηλότερη ποιότητα174 GB50–89
Llama 4 Maverick 17B-128E Instruct400B · 17B ενεργές · Νοημοσύνη 9,33-bit χαμηλότερη ποιότητα175 GB50–89

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 14,28-bit136 GB3–5
Devstral 2 (123B)123B8-bit131 GB3–5
Llama 3.3 70B Instruct70B8-bit74,4 GB5–9

Χωράει οριακά 1

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

ΜοντέλοΈκδοσηΜνήμηTokens/s
Mistral Large 3 (675B)675B · 41B ενεργές2-bit χαμηλότερη ποιότητα211 GB29–51

Πολύ μεγάλο 9

Χρειάζεται περισσότερα από 256 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 256 GB, με οποιοδήποτε τσιπ.

Το M3 Ultra με περισσότερη ή λιγότερη μνήμη:

Γειτονικά τσιπ:

Κατά μέτωπο:

Απέναντι σε PC και κάρτες γραφικών:

Συγκρίνετέ το με οποιονδήποτε Mac ή GPU · Το M3 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 M3 Ultra και 256 GB;
Από τα μοντέλα με δημοσιευμένο Intelligence Index, το Qwen3.8 Flash Next έχει την υψηλότερη βαθμολογία ανάμεσα σε όσα τρέχουν καλά εδώ: 6-bit, περίπου 75–134 tokens ανά δευτερόλεπτο. Το μεγαλύτερο που τρέχει καλά είναι το MiMo V2.6 Flash.
Μπορεί ένας Mac με M3 Ultra και 256 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 M3 Ultra;
Περίπου 194–345 tokens ανά δευτερόλεπτο (εγγενές 4,25-bit), με βάση το εύρος ζώνης μνήμης του τσιπ, 819 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)