ΣύνδεσηΔημιουργία πορτοφολιού

Τι τρέχει ένας Mac με M5 Ultra και 512 GB;

70 από 82 ανοιχτά μοντέλα τρέχουν καλά σε αυτόν. Από προεπιλογή η GPU μπορεί να χρησιμοποιήσει περίπου 384 GB από τα 512 GB, και διαβάζει τη μνήμη με 1.200 GB/s, κάτι που καθορίζει πόσο γρήγορα γράφει. Υπάρχει σε: Mac Studio (M5 Max or M5 Ultra).

Ενημέρωση

Το εξυπνότερο που τρέχει καλάDeepSeek V4.1 Flash 10174-bit · 311 GB · 60–107 tok/sΤο μεγαλύτερο που τρέχει καλάLing 3.1 Flash4-bit · 315 GB · 38–68 tok/sΓια κώδικαQwen3 Coder Next8-bit · 85 GB · 169–300 tok/s

Τρέχει καλά 77

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

ΜοντέλοΈκδοσηΜνήμηTokens/s
DeepSeek V4.1 Flash 1017552B · 16B ενεργές · Νοημοσύνη 45,14-bit311 GB60–107
GLM-5.3 Flash320B · 18B ενεργές · Νοημοσύνη 41,88-bit340 GB28–50
Ling 3.1 Flash560B · 25B ενεργές · Νοημοσύνη 41,14-bit315 GB38–68
Qwen3.8 Flash Next180B · 6B ενεργές · Νοημοσύνη 39,88-bit191 GB84–150
MiMo V2.6 Flash309B · 15B ενεργές · Νοημοσύνη 37,9εγγενές 4,48-bit173 GB64–114
Qwen3.8 27B27B · Νοημοσύνη 33,78-bit28,7 GB19–33
Beam 1.0501B · 23B ενεργές · Νοημοσύνη 30,34-bit282 GB42–74
MiniMax M3428B · 23B ενεργές · Νοημοσύνη 29,26-bit348 GB29–51
Nemotron 3.5 Super VL 120B A12B120B · 12B ενεργές · Νοημοσύνη 26,58-bit128 GB42–75
Inkling Small276B · 12B ενεργές · Νοημοσύνη 25,78-bit293 GB42–75
Hy3295B · 21B ενεργές · Νοημοσύνη 25,38-bit313 GB24–43
Nemotron 3 Ultra 550B A55B550B · 55B ενεργές · Νοημοσύνη 22,94-bit309 GB17–31
Nemotron 3.5 Bolt 74B A9B74B · 9B ενεργές · Νοημοσύνη 21,48-bit78,6 GB56–100
Qwen3.5 397B A17B397B · 17B ενεργές · Νοημοσύνη 18,46-bit323 GB39–70
Qwen3.6 35B A3B35B · 3B ενεργές · Νοημοσύνη 18,28-bit37,2 GB169–300
Muse Glimmer 30B29,6B · Νοημοσύνη 17,58-bit31,5 GB17–30
Qwen3.5 122B A10B122B · 10B ενεργές · Νοημοσύνη 15,68-bit130 GB51–91
Gemma 4 31B30,7B · Νοημοσύνη 14,78-bit32,6 GB17–29
Nemotron 3.5 Lightning 30B A3B30B · 3B ενεργές · Νοημοσύνη 12,98-bit31,9 GB169–300
Granite 4.2 30B30B · Νοημοσύνη 12,78-bit31,9 GB17–30
MiniCPM5 2B2,52B · Νοημοσύνη 12,58-bit2,7 GB200–356
gpt-oss-120b117B · 5,1B ενεργές · Νοημοσύνη 11,6εγγενές 4,25-bit65,3 GB200–356
Mistral Small 4 (119B)119B · 6,5B ενεργές · Νοημοσύνη 11,38-bit126 GB78–139
Qwen3.5 9B9B · Νοημοσύνη 11,28-bit9,6 GB56–100
Granite 4.2 8B8B · Νοημοσύνη 11,18-bit8,5 GB64–113
Llama 4 Maverick 17B-128E Instruct400B · 17B ενεργές · Νοημοσύνη 9,36-bit325 GB39–70
Qwen3 Coder Next80B · 3B ενεργές · Νοημοσύνη 9,28-bit85 GB169–300
Granite 4.2 3B3B · Νοημοσύνη 9,18-bit3,2 GB169–300
gpt-oss-20b21B · 3,6B ενεργές · Νοημοσύνη 9εγγενές 4,25-bit13,8 GB284–505
Nemotron 3 Nano 30B A3B30B · 3,5B ενεργές · Νοημοσύνη 8,98-bit31,9 GB146–259
Gemma 4 E4B8B · Νοημοσύνη 8,98-bit8,5 GB113–200
Llama 4 Scout 17B-16E Instruct109B · 17B ενεργές · Νοημοσύνη 6,58-bit116 GB30–53
Ministral 3 8B8,9B · Νοημοσύνη 5,58-bit9,5 GB57–101
Nemotron 3 Nano 4B3,97B · Νοημοσύνη 4,88-bit4,2 GB129–229
DeepSeek V4 Flash 0731284B · 13B ενεργές8-bit302 GB39–70
MiniMax M2.7230B · 10B ενεργές8-bit244 GB51–91
Ornith 1.5 122B122B · 10B ενεργές8-bit130 GB51–91
Nemotron 3 Super 120B A12B120B · 12B ενεργές8-bit128 GB42–75
GLM-4.5 Air106B · 12B ενεργές8-bit113 GB42–75
Llama 3.3 70B Instruct70B4-bit39,4 GB14–24
Recursive Flint39,8B · 2,5B ενεργές8-bit42,3 GB200–356
Sage-A1.535B · 2,95B ενεργές8-bit37,2 GB174–310
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B ενεργές8-bit32,4 GB154–274
Hy-Memory-30B-A3B30,1B · 3,2B ενεργές8-bit31,9 GB159–282
GLM-4.7 Flash30B · 3B ενεργές8-bit31,9 GB169–300
Raon-1 mini Preview28,8B · 4,3B ενεργές8-bit30,6 GB117–209
Qwen3.6 27B27B8-bit28,7 GB19–33
Gemma 4 26B A4B25,2B · 3,8B ενεργές8-bit26,8 GB135–240
Devstral Small 2 (24B)24B8-bit25,5 GB21–38
Magistral Small 1.2 (2509)24B8-bit25,5 GB21–38
Mistral Small 3.2 (24B)24B8-bit25,5 GB21–38
LFM2.5 24B A2B24B · 2B ενεργές8-bit25,5 GB257–457
Phi-4 Reasoning Vision 15B15B8-bit15,9 GB34–60
Phi-4 (14B)14B8-bit14,9 GB36–64
Gemma 4 12B Unified12B8-bit12,7 GB43–76
Qwen3 8B8,2B8-bit8,7 GB62–110
Llama 3.1 8B Instruct8B8-bit8,5 GB64–113
Gemma 4 E2B5,1B8-bit5,4 GB225–400
Nanbeige4.2 3B4,17B8-bit4,4 GB69–123
Spark-X2.6 4B4,11B8-bit4,4 GB123–218
Qwen3.5 4B4B8-bit4,3 GB126–223
Nemotron-Labs Dory 1.0 4B3,98B8-bit4,2 GB87–155
Phi-4 mini instruct3,8B8-bit4 GB135–240
Llama 3.2 3B Instruct3,21B8-bit3,4 GB159–282
SmolLM3 3B3B8-bit3,2 GB169–300
LFM2.5 2.6B2,69B8-bit2,9 GB186–331
Qwen3.5 2B2B8-bit2,1 GB257–457
Llama 3.2 1B Instruct1,23B8-bit1,3 GB415–738
Qwen3.5 0.8B0,8B8-bit0,9 GB600–1067
Qwen3 0.6B0,6B8-bit0,6 GB900–1600
MiMo V2.6 Pro1.020B · 42B ενεργές · Νοημοσύνη 46,32-bit χαμηλότερη ποιότητα319 GB41–73
GLM-5.3744B · 40B ενεργές · Νοημοσύνη 44,83-bit χαμηλότερη ποιότητα326 GB31–55
Muse Spark Open816B · 42B ενεργές · Νοημοσύνη 38,92-bit χαμηλότερη ποιότητα255 GB41–73
Kimi K2.7 Code1.000B · 32B ενεργές · Νοημοσύνη 25,82-bit χαμηλότερη ποιότητα313 GB54–96
Inkling975B · 41B ενεργές · Νοημοσύνη 252-bit χαμηλότερη ποιότητα305 GB42–75
Kimi K2.61.000B · 32B ενεργές2-bit χαμηλότερη ποιότητα313 GB54–96
Mistral Large 3 (675B)675B · 41B ενεργές3-bit χαμηλότερη ποιότητα295 GB30–54

Τρέχει, αλλά αργά 2

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 GB4–7
Devstral 2 (123B)123B8-bit131 GB4–7

Πολύ μεγάλο 3

Χρειάζεται περισσότερα από 512 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 512 GB, με οποιοδήποτε τσιπ.

Το M5 Ultra με περισσότερη ή λιγότερη μνήμη:

Γειτονικά τσιπ:

Κατά μέτωπο:

Απέναντι σε PC και κάρτες γραφικών:

Συγκρίνετέ το με οποιονδήποτε Mac ή GPU · Το M5 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 M5 Ultra και 512 GB;
Από τα μοντέλα με δημοσιευμένο Intelligence Index, το DeepSeek V4.1 Flash 1017 έχει την υψηλότερη βαθμολογία ανάμεσα σε όσα τρέχουν καλά εδώ: 4-bit, περίπου 60–107 tokens ανά δευτερόλεπτο. Το μεγαλύτερο που τρέχει καλά είναι το Ling 3.1 Flash.
Μπορεί ένας Mac με M5 Ultra και 512 GB να τρέξει το Llama 3.3 70B;
Ναι: 4-bit, με περίπου 14–24 tokens ανά δευτερόλεπτο.
Πόσο γρήγορο είναι το gpt-oss-20b σε M5 Ultra;
Περίπου 284–505 tokens ανά δευτερόλεπτο (εγγενές 4,25-bit), με βάση το εύρος ζώνης μνήμης του τσιπ, 1.200 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)