Είναι ο MacBook Air με M5 καλός για τοπικά LLM;

Με 32 GB τρέχει καλά 34 από 82 ανοιχτά μοντέλα, έως και το Qwen3.6 35B A3B, και γράφει περίπου 36–64 tokens ανά δευτερόλεπτο με το gpt-oss-20b. Το M5 διαβάζει τη μνήμη με 153 GB/s, κάτι που καθορίζει πόσο γρήγορα γράφει.

Πόση μνήμη πρέπει να έχει ένας MacBook Air με M5 για AI;

Με 16 GB τρέχει καλά 23 ανοιχτά μοντέλα· με 32 GB, 34, έως και το Qwen3.6 35B A3B. Η μνήμη καθορίζει ποια μοντέλα χωρούν και δεν αναβαθμίζεται αργότερα.

MacBook Air M5 για AI: ποια τοπικά LLM τρέχουν ανά μνήμη

Ανά μέγεθος μνήμης

Μνήμη	Τρέχουν καλά	Το μεγαλύτερο που τρέχει καλά	gpt-oss-20b
16 GB153 GB/s	23	Gemma 4 12B Unified	43–77 tok/s
24 GB153 GB/s	27	Raon-1 mini Preview	36–64 tok/s
32 GB153 GB/s	34	Qwen3.6 35B A3B	36–64 tok/s

Μοντέλα: MacBook Air (13-inch, M5), MacBook Air (15-inch, M5). Δεν διατίθεται κάθε μέγεθος μνήμης με κάθε μοντέλο· τα Τεχνικά χαρακτηριστικά της Apple αναφέρουν τι προσφέρει το καθένα.

Οι καλύτερες εφαρμογές AI για ένα Mac σαν αυτό στο AI App Store: τιμή, άδεια και πού πηγαίνουν τα δεδομένα σας.

Ερωτήσεις

Είναι ο MacBook Air με M5 καλός για τοπικά LLM;: Με 32 GB τρέχει καλά 34 από 82 ανοιχτά μοντέλα, έως και το Qwen3.6 35B A3B, και γράφει περίπου 36–64 tokens ανά δευτερόλεπτο με το gpt-oss-20b. Το M5 διαβάζει τη μνήμη με 153 GB/s, κάτι που καθορίζει πόσο γρήγορα γράφει.
Πόση μνήμη πρέπει να έχει ένας MacBook Air με M5 για AI;: Με 16 GB τρέχει καλά 23 ανοιχτά μοντέλα· με 32 GB, 34, έως και το Qwen3.6 35B A3B. Η μνήμη καθορίζει ποια μοντέλα χωρούν και δεν αναβαθμίζεται αργότερα.

Άλλοι Mac

Ο MacBook Air με άλλα τσιπ:

Άλλοι Mac με M5:

MacBook Pro M5

Κατά μέτωπο:

Το M5 για τοπικό AI · Ο καλύτερος Mac για τοπικά LLM · Πόση RAM χρειάζεται ένα LLM · Όλοι οι Mac

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)