ΣύνδεσηΔημιουργία πορτοφολιού

Τι τρέχει ένας Mac με M4 Max 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 546 GB/s, κάτι που καθορίζει πόσο γρήγορα γράφει. Υπάρχει σε: MacBook Pro (14-inch, M4 Pro or M4 Max, 2024), MacBook Pro (16-inch, 2024), Mac Studio (2025).

Ενημέρωση

Το εξυπνότερο που τρέχει καλάQwen3.8 27B6-bit · 21,9 GB · 11–20 tok/sΤο μεγαλύτερο που τρέχει καλάQwen3.5 122B A10B4-bit · 68,6 GB · 44–78 tok/sΓια κώδικαQwen3 Coder Next8-bit · 85 GB · 77–137 tok/s

Τρέχει καλά 59

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

ΜοντέλοΈκδοσηΜνήμηTokens/s
Qwen3.8 27B27B · Νοημοσύνη 33,76-bit21,9 GB11–20
Nemotron 3.5 Super VL 120B A12B120B · 12B ενεργές · Νοημοσύνη 26,54-bit67,5 GB36–64
Nemotron 3.5 Bolt 74B A9B74B · 9B ενεργές · Νοημοσύνη 21,48-bit78,6 GB26–46
Qwen3.6 35B A3B35B · 3B ενεργές · Νοημοσύνη 18,28-bit37,2 GB77–137
Muse Glimmer 30B29,6B · Νοημοσύνη 17,56-bit24,1 GB10–18
Qwen3.5 122B A10B122B · 10B ενεργές · Νοημοσύνη 15,64-bit68,6 GB44–78
Gemma 4 31B30,7B · Νοημοσύνη 14,76-bit24,9 GB10–18
Nemotron 3.5 Lightning 30B A3B30B · 3B ενεργές · Νοημοσύνη 12,98-bit31,9 GB77–137
Granite 4.2 30B30B · Νοημοσύνη 12,76-bit24,4 GB10–18
MiniCPM5 2B2,52B · Νοημοσύνη 12,58-bit2,7 GB91–162
gpt-oss-120b117B · 5,1B ενεργές · Νοημοσύνη 11,6εγγενές 4,25-bit65,3 GB91–162
Mistral Small 4 (119B)119B · 6,5B ενεργές · Νοημοσύνη 11,34-bit66,9 GB66–118
Qwen3.5 9B9B · Νοημοσύνη 11,28-bit9,6 GB26–46
Granite 4.2 8B8B · Νοημοσύνη 11,18-bit8,5 GB29–51
Qwen3 Coder Next80B · 3B ενεργές · Νοημοσύνη 9,28-bit85 GB77–137
Granite 4.2 3B3B · Νοημοσύνη 9,18-bit3,2 GB77–137
gpt-oss-20b21B · 3,6B ενεργές · Νοημοσύνη 9εγγενές 4,25-bit13,8 GB129–230
Nemotron 3 Nano 30B A3B30B · 3,5B ενεργές · Νοημοσύνη 8,98-bit31,9 GB66–118
Gemma 4 E4B8B · Νοημοσύνη 8,98-bit8,5 GB51–91
Llama 4 Scout 17B-16E Instruct109B · 17B ενεργές · Νοημοσύνη 6,56-bit88,6 GB18–32
Ministral 3 8B8,9B · Νοημοσύνη 5,58-bit9,5 GB26–46
Nemotron 3 Nano 4B3,97B · Νοημοσύνη 4,88-bit4,2 GB59–104
Ornith 1.5 122B122B · 10B ενεργές4-bit68,6 GB44–78
Nemotron 3 Super 120B A12B120B · 12B ενεργές4-bit67,5 GB36–64
GLM-4.5 Air106B · 12B ενεργές6-bit86,1 GB25–45
Recursive Flint39,8B · 2,5B ενεργές8-bit42,3 GB91–162
Sage-A1.535B · 2,95B ενεργές8-bit37,2 GB79–141
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B ενεργές8-bit32,4 GB70–125
Hy-Memory-30B-A3B30,1B · 3,2B ενεργές8-bit31,9 GB72–128
GLM-4.7 Flash30B · 3B ενεργές8-bit31,9 GB77–137
Raon-1 mini Preview28,8B · 4,3B ενεργές8-bit30,6 GB53–95
Qwen3.6 27B27B6-bit21,9 GB11–20
Gemma 4 26B A4B25,2B · 3,8B ενεργές8-bit26,8 GB61–109
Devstral Small 2 (24B)24B8-bit25,5 GB10–17
Magistral Small 1.2 (2509)24B8-bit25,5 GB10–17
Mistral Small 3.2 (24B)24B8-bit25,5 GB10–17
LFM2.5 24B A2B24B · 2B ενεργές8-bit25,5 GB117–208
Phi-4 Reasoning Vision 15B15B8-bit15,9 GB15–27
Phi-4 (14B)14B8-bit14,9 GB16–29
Gemma 4 12B Unified12B8-bit12,7 GB19–34
Qwen3 8B8,2B8-bit8,7 GB28–50
Llama 3.1 8B Instruct8B8-bit8,5 GB29–51
Gemma 4 E2B5,1B8-bit5,4 GB102–182
Nanbeige4.2 3B4,17B8-bit4,4 GB32–56
Spark-X2.6 4B4,11B8-bit4,4 GB56–99
Qwen3.5 4B4B8-bit4,3 GB57–102
Nemotron-Labs Dory 1.0 4B3,98B8-bit4,2 GB40–70
Phi-4 mini instruct3,8B8-bit4 GB61–109
Llama 3.2 3B Instruct3,21B8-bit3,4 GB72–128
SmolLM3 3B3B8-bit3,2 GB77–137
LFM2.5 2.6B2,69B8-bit2,9 GB85–151
Qwen3.5 2B2B8-bit2,1 GB117–208
Llama 3.2 1B Instruct1,23B8-bit1,3 GB189–336
Qwen3.5 0.8B0,8B8-bit0,9 GB273–485
Qwen3 0.6B0,6B8-bit0,6 GB410–728
Qwen3.8 Flash Next180B · 6B ενεργές · Νοημοσύνη 39,83-bit χαμηλότερη ποιότητα78,8 GB95–168
Inkling Small276B · 12B ενεργές · Νοημοσύνη 25,72-bit χαμηλότερη ποιότητα86,3 GB65–115
DeepSeek V4 Flash 0731284B · 13B ενεργές2-bit χαμηλότερη ποιότητα88,8 GB60–107
MiniMax M2.7230B · 10B ενεργές2-bit χαμηλότερη ποιότητα71,9 GB79–141

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 GB3–6
Devstral 2 (123B)123B4-bit69,2 GB4–6
Llama 3.3 70B Instruct70B8-bit74,4 GB3–6

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 GB44–78
MiMo V2.6 Flash309B · 15B ενεργές · Νοημοσύνη 37,92-bit χαμηλότερη ποιότητα96,6 GB52–93
Hy3295B · 21B ενεργές · Νοημοσύνη 25,32-bit χαμηλότερη ποιότητα92,2 GB37–66

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 M4 Max με περισσότερη ή λιγότερη μνήμη:

Γειτονικά τσιπ:

Κατά μέτωπο:

Απέναντι σε PC και κάρτες γραφικών:

Συγκρίνετέ το με οποιονδήποτε Mac ή GPU · Το M4 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 M4 Max και 128 GB;
Από τα μοντέλα με δημοσιευμένο Intelligence Index, το Qwen3.8 27B έχει την υψηλότερη βαθμολογία ανάμεσα σε όσα τρέχουν καλά εδώ: 6-bit, περίπου 11–20 tokens ανά δευτερόλεπτο. Το μεγαλύτερο που τρέχει καλά είναι το Qwen3.5 122B A10B.
Μπορεί ένας Mac με M4 Max και 128 GB να τρέξει το Llama 3.3 70B;
Ναι, αλλά αργά: 8-bit, με περίπου 3–6 tokens ανά δευτερόλεπτο.
Πόσο γρήγορο είναι το gpt-oss-20b σε M4 Max;
Περίπου 129–230 tokens ανά δευτερόλεπτο (εγγενές 4,25-bit), με βάση το εύρος ζώνης μνήμης του τσιπ, 546 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)