¿Cuál es el mejor LLM para un M2 Max con 32 GB?

De los modelos con un Intelligence Index publicado, Qwen3.8 27B obtiene la puntuación más alta entre los que van bien aquí: 4 bits, unos 12–21 tokens por segundo. El más grande que va bien es Qwen3.6 35B A3B.

¿Puede un M2 Max con 32 GB ejecutar Llama 3.3 70B?

Sí, pero lento: 2 bits (menor calidad), a unos 8–15 tokens por segundo.

¿Qué tan rápido va gpt-oss-20b en un M2 Max?

Unos 95–168 tokens por segundo (4,25 bits nativo), según los 400 GB/s de ancho de banda de memoria del chip.

¿Qué LLM ejecuta un M2 Max con 32 GB? Modelos y velocidad

Va bien 38

Cabe con espacio para el contexto, a 10 tokens por segundo o más.

Modelo	Versión	Memoria	Tokens/s
Qwen3.8 27B27B · Inteligencia 33,7	4 bits	15,2 GB	12–21
Qwen3.6 35B A3B35B · 3B activos · Inteligencia 18,2	4 bits	19,7 GB	106–188
Muse Glimmer 30B29,6B · Inteligencia 17,5	4 bits	16,7 GB	11–19
Gemma 4 31B30,7B · Inteligencia 14,7	4 bits	17,3 GB	10–18
Nemotron 3.5 Lightning 30B A3B30B · 3B activos · Inteligencia 12,9	4 bits	16,9 GB	106–188
Granite 4.2 30B30B · Inteligencia 12,7	4 bits	16,9 GB	11–19
MiniCPM5 2B2,52B · Inteligencia 12,5	8 bits	2,7 GB	67–119
Qwen3.5 9B9B · Inteligencia 11,2	8 bits	9,6 GB	19–33
Granite 4.2 8B8B · Inteligencia 11,1	8 bits	8,5 GB	21–38
Granite 4.2 3B3B · Inteligencia 9,1	8 bits	3,2 GB	56–100
gpt-oss-20b21B · 3,6B activos · Inteligencia 9	4,25 bits nativo	13,8 GB	95–168
Nemotron 3 Nano 30B A3B30B · 3,5B activos · Inteligencia 8,9	4 bits	16,9 GB	90–160
Gemma 4 E4B8B · Inteligencia 8,9	8 bits	8,5 GB	38–67
Ministral 3 8B8,9B · Inteligencia 5,5	8 bits	9,5 GB	19–34
Nemotron 3 Nano 4B3,97B · Inteligencia 4,8	8 bits	4,2 GB	43–76
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B activos	4 bits	17,2 GB	95–168
GLM-4.7 Flash30B · 3B activos	4 bits	16,9 GB	106–188
Qwen3.6 27B27B	4 bits	15,2 GB	12–21
Gemma 4 26B A4B25,2B · 3,8B activos	6 bits	20,5 GB	58–103
Devstral Small 2 (24B)24B	4 bits	13,5 GB	13–24
Magistral Small 1.2 (2509)24B	4 bits	13,5 GB	13–24
Mistral Small 3.2 (24B)24B	4 bits	13,5 GB	13–24
LFM2.5 24B A2B24B · 2B activos	6 bits	19,5 GB	113–200
Phi-4 Reasoning Vision 15B15B	8 bits	15,9 GB	11–20
Phi-4 (14B)14B	8 bits	14,9 GB	12–21
Gemma 4 12B Unified12B	8 bits	12,7 GB	14–25
Qwen3 8B8,2B	8 bits	8,7 GB	21–37
Llama 3.1 8B Instruct8B	8 bits	8,5 GB	21–38
Gemma 4 E2B5,1B	8 bits	5,4 GB	75–133
Qwen3.5 4B4B	8 bits	4,3 GB	42–74
Phi-4 mini instruct3,8B	8 bits	4 GB	45–80
Llama 3.2 3B Instruct3,21B	8 bits	3,4 GB	53–94
SmolLM3 3B3B	8 bits	3,2 GB	56–100
LFM2.5 2.6B2,69B	8 bits	2,9 GB	62–110
Qwen3.5 2B2B	8 bits	2,1 GB	86–152
Llama 3.2 1B Instruct1,23B	8 bits	1,3 GB	138–246
Qwen3.5 0.8B0,8B	8 bits	0,9 GB	200–356
Qwen3 0.6B0,6B	8 bits	0,6 GB	300–533

Funciona, pero lento 1

Cabe, pero a menos de 10 tokens por segundo: sirve para trabajos por lotes, pero es lento para chatear.

Modelo	Versión	Memoria	Tokens/s
Llama 3.3 70B Instruct70B	2 bits menor calidad	21,9 GB	8–15

Cabe muy justo 2

Necesita casi toda la memoria: sube el límite de memoria de la GPU y usa un contexto corto.

Modelo	Versión	Memoria	Tokens/s
Nemotron 3.5 Bolt 74B A9B74B · 9B activos · Inteligencia 21,4	2 bits menor calidad	23,1 GB	64–114
Qwen3 Coder Next80B · 3B activos · Inteligencia 9,2	2 bits menor calidad	25 GB	200–356

Otras Mac

Todas las Mac con 32 GB, con cualquier chip.

El M2 Max con más o menos memoria:

Chips vecinos:

Cara a cara:

Compáralo con cualquier Mac o GPU · El M2 Max para IA local · La mejor Mac para LLM en local · Todas las Mac

Preguntas

¿Cuál es el mejor LLM para un M2 Max con 32 GB?: De los modelos con un Intelligence Index publicado, Qwen3.8 27B obtiene la puntuación más alta entre los que van bien aquí: 4 bits, unos 12–21 tokens por segundo. El más grande que va bien es Qwen3.6 35B A3B.
¿Puede un M2 Max con 32 GB ejecutar Llama 3.3 70B?: Sí, pero lento: 2 bits (menor calidad), a unos 8–15 tokens por segundo.
¿Qué tan rápido va gpt-oss-20b en un M2 Max?: Unos 95–168 tokens por segundo (4,25 bits nativo), según los 400 GB/s de ancho de banda de memoria del chip.

Ejecútalos con MLX Harness (gratis, de código abierto) o con mlx-lm de Apple en Terminal: paso a paso.

Cómo se calcula

Memoria: los parámetros del modelo a 8, 6, 4, 3 o 2 bits por peso más las escalas por grupo de MLX (medio bit por peso), o su formato nativo, con espacio extra para el contexto. De forma predeterminada, macOS deja que la GPU use alrededor del 75 % de la memoria unificada. Velocidad: el ancho de banda de memoria dividido entre los bytes leídos por token es el techo para una conversación; en los benchmarks públicos de Apple Silicon de llama.cpp, las ejecuciones reales alcanzan entre el 45 % y el 80 % de ese techo, que es el rango que se muestra. Son estimaciones, no mediciones: mide tu propia Mac en MLX Bench. Datos de los modelos tomados de cada ficha oficial; datos de los chips, de las especificaciones técnicas de Apple. Revisado el 2026-10-19. Los mismos datos que mlx.app/compare.

¿Qué puede ejecutar un M2 Max con 32 GB?