ΣύνδεσηΔημιουργία πορτοφολιού

Τι τρέχει ένας Mac με M5 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 614 GB/s, κάτι που καθορίζει πόσο γρήγορα γράφει. Υπάρχει σε: MacBook Pro (14-inch, M5 Pro or M5 Max), MacBook Pro (16-inch, M5 Pro or M5 Max), Mac Studio (M5 Max or M5 Ultra).

Ενημέρωση

Το εξυπνότερο που τρέχει καλάQwen3.8 27B8-bit · 28,7 GB · 10–17 tok/sΤο μεγαλύτερο που τρέχει καλάQwen3.5 122B A10B4-bit · 68,6 GB · 49–88 tok/sΓια κώδικαQwen3 Coder Next8-bit · 85 GB · 86–154 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 GB10–17
Nemotron 3.5 Super VL 120B A12B120B · 12B ενεργές · Νοημοσύνη 26,54-bit67,5 GB41–72
Nemotron 3.5 Bolt 74B A9B74B · 9B ενεργές · Νοημοσύνη 21,48-bit78,6 GB29–51
Qwen3.6 35B A3B35B · 3B ενεργές · Νοημοσύνη 18,28-bit37,2 GB86–154
Muse Glimmer 30B29,6B · Νοημοσύνη 17,56-bit24,1 GB11–20
Qwen3.5 122B A10B122B · 10B ενεργές · Νοημοσύνη 15,64-bit68,6 GB49–88
Gemma 4 31B30,7B · Νοημοσύνη 14,76-bit24,9 GB11–20
Nemotron 3.5 Lightning 30B A3B30B · 3B ενεργές · Νοημοσύνη 12,98-bit31,9 GB86–154
Granite 4.2 30B30B · Νοημοσύνη 12,76-bit24,4 GB11–20
MiniCPM5 2B2,52B · Νοημοσύνη 12,58-bit2,7 GB102–182
gpt-oss-120b117B · 5,1B ενεργές · Νοημοσύνη 11,6εγγενές 4,25-bit65,3 GB102–182
Mistral Small 4 (119B)119B · 6,5B ενεργές · Νοημοσύνη 11,34-bit66,9 GB75–133
Qwen3.5 9B9B · Νοημοσύνη 11,28-bit9,6 GB29–51
Granite 4.2 8B8B · Νοημοσύνη 11,18-bit8,5 GB33–58
Qwen3 Coder Next80B · 3B ενεργές · Νοημοσύνη 9,28-bit85 GB86–154
Granite 4.2 3B3B · Νοημοσύνη 9,18-bit3,2 GB86–154
gpt-oss-20b21B · 3,6B ενεργές · Νοημοσύνη 9εγγενές 4,25-bit13,8 GB145–259
Nemotron 3 Nano 30B A3B30B · 3,5B ενεργές · Νοημοσύνη 8,98-bit31,9 GB75–133
Gemma 4 E4B8B · Νοημοσύνη 8,98-bit8,5 GB58–102
Llama 4 Scout 17B-16E Instruct109B · 17B ενεργές · Νοημοσύνη 6,56-bit88,6 GB20–36
Ministral 3 8B8,9B · Νοημοσύνη 5,58-bit9,5 GB29–52
Nemotron 3 Nano 4B3,97B · Νοημοσύνη 4,88-bit4,2 GB66–117
Ornith 1.5 122B122B · 10B ενεργές4-bit68,6 GB49–88
Nemotron 3 Super 120B A12B120B · 12B ενεργές4-bit67,5 GB41–72
GLM-4.5 Air106B · 12B ενεργές6-bit86,1 GB28–50
Recursive Flint39,8B · 2,5B ενεργές8-bit42,3 GB102–182
Sage-A1.535B · 2,95B ενεργές8-bit37,2 GB89–158
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B ενεργές8-bit32,4 GB79–140
Hy-Memory-30B-A3B30,1B · 3,2B ενεργές8-bit31,9 GB81–144
GLM-4.7 Flash30B · 3B ενεργές8-bit31,9 GB86–154
Raon-1 mini Preview28,8B · 4,3B ενεργές8-bit30,6 GB60–107
Qwen3.6 27B27B8-bit28,7 GB10–17
Gemma 4 26B A4B25,2B · 3,8B ενεργές8-bit26,8 GB69–123
Devstral Small 2 (24B)24B8-bit25,5 GB11–19
Magistral Small 1.2 (2509)24B8-bit25,5 GB11–19
Mistral Small 3.2 (24B)24B8-bit25,5 GB11–19
LFM2.5 24B A2B24B · 2B ενεργές8-bit25,5 GB132–234
Phi-4 Reasoning Vision 15B15B8-bit15,9 GB17–31
Phi-4 (14B)14B8-bit14,9 GB19–33
Gemma 4 12B Unified12B8-bit12,7 GB22–39
Qwen3 8B8,2B8-bit8,7 GB32–56
Llama 3.1 8B Instruct8B8-bit8,5 GB33–58
Gemma 4 E2B5,1B8-bit5,4 GB115–205
Nanbeige4.2 3B4,17B8-bit4,4 GB35–63
Spark-X2.6 4B4,11B8-bit4,4 GB63–112
Qwen3.5 4B4B8-bit4,3 GB64–114
Nemotron-Labs Dory 1.0 4B3,98B8-bit4,2 GB45–79
Phi-4 mini instruct3,8B8-bit4 GB69–123
Llama 3.2 3B Instruct3,21B8-bit3,4 GB81–144
SmolLM3 3B3B8-bit3,2 GB86–154
LFM2.5 2.6B2,69B8-bit2,9 GB95–169
Qwen3.5 2B2B8-bit2,1 GB132–234
Llama 3.2 1B Instruct1,23B8-bit1,3 GB213–378
Qwen3.5 0.8B0,8B8-bit0,9 GB307–546
Qwen3 0.6B0,6B8-bit0,6 GB461–819
Qwen3.8 Flash Next180B · 6B ενεργές · Νοημοσύνη 39,83-bit χαμηλότερη ποιότητα78,8 GB106–189
Inkling Small276B · 12B ενεργές · Νοημοσύνη 25,72-bit χαμηλότερη ποιότητα86,3 GB73–129
DeepSeek V4 Flash 0731284B · 13B ενεργές2-bit χαμηλότερη ποιότητα88,8 GB67–120
MiniMax M2.7230B · 10B ενεργές2-bit χαμηλότερη ποιότητα71,9 GB89–158

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 GB4–7
Devstral 2 (123B)123B4-bit69,2 GB4–7
Llama 3.3 70B Instruct70B8-bit74,4 GB4–7

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 GB49–88
MiMo V2.6 Flash309B · 15B ενεργές · Νοημοσύνη 37,92-bit χαμηλότερη ποιότητα96,6 GB59–105
Hy3295B · 21B ενεργές · Νοημοσύνη 25,32-bit χαμηλότερη ποιότητα92,2 GB42–74

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 M5 Max με περισσότερη ή λιγότερη μνήμη:

Γειτονικά τσιπ:

Κατά μέτωπο:

Απέναντι σε PC και κάρτες γραφικών:

Συγκρίνετέ το με οποιονδήποτε Mac ή GPU · Το M5 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 M5 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: 8-bit, περίπου 10–17 tokens ανά δευτερόλεπτο. Το μεγαλύτερο που τρέχει καλά είναι το Qwen3.5 122B A10B.
Μπορεί ένας Mac με M5 Max και 128 GB να τρέξει το Llama 3.3 70B;
Ναι, αλλά αργά: 8-bit, με περίπου 4–7 tokens ανά δευτερόλεπτο.
Πόσο γρήγορο είναι το gpt-oss-20b σε M5 Max;
Περίπου 145–259 tokens ανά δευτερόλεπτο (εγγενές 4,25-bit), με βάση το εύρος ζώνης μνήμης του τσιπ, 614 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)