Va bien 27
Cabe con espacio para el contexto, a 10 tokens por segundo o más.
| Modelo | Versión | Memoria | Tokens/s |
|---|---|---|---|
| MiniCPM5 2B2,52B · Inteligencia 12,5 | 8 bits | 2,7 GB | 25–44 |
| Qwen3.5 9B9B · Inteligencia 11,2 | 4 bits | 5,1 GB | 13–24 |
| Granite 4.2 8B8B · Inteligencia 11,1 | 6 bits | 6,5 GB | 10–18 |
| Granite 4.2 3B3B · Inteligencia 9,1 | 8 bits | 3,2 GB | 21–38 |
| Gemma 4 E4B8B · Inteligencia 8,9 | 8 bits | 8,5 GB | 14–25 |
| Ministral 3 8B8,9B · Inteligencia 5,5 | 4 bits | 5 GB | 14–24 |
| Nemotron 3 Nano 4B3,97B · Inteligencia 4,8 | 8 bits | 4,2 GB | 16–29 |
| Gemma 4 12B Unified12B | 4 bits | 6,7 GB | 10–18 |
| Qwen3 8B8,2B | 6 bits | 6,7 GB | 10–18 |
| Llama 3.1 8B Instruct8B | 6 bits | 6,5 GB | 10–18 |
| Gemma 4 E2B5,1B | 8 bits | 5,4 GB | 28–50 |
| Qwen3.5 4B4B | 8 bits | 4,3 GB | 16–28 |
| Phi-4 mini instruct3,8B | 8 bits | 4 GB | 17–30 |
| Llama 3.2 3B Instruct3,21B | 8 bits | 3,4 GB | 20–35 |
| SmolLM3 3B3B | 8 bits | 3,2 GB | 21–38 |
| LFM2.5 2.6B2,69B | 8 bits | 2,9 GB | 23–41 |
| Qwen3.5 2B2B | 8 bits | 2,1 GB | 32–57 |
| Llama 3.2 1B Instruct1,23B | 8 bits | 1,3 GB | 52–92 |
| Qwen3.5 0.8B0,8B | 8 bits | 0,9 GB | 75–133 |
| Qwen3 0.6B0,6B | 8 bits | 0,6 GB | 113–200 |
| Qwen3.6 35B A3B35B · 3B activos · Inteligencia 18,2 | 2 bits menor calidad | 10,9 GB | 75–133 |
| Nemotron 3.5 Lightning 30B A3B30B · 3B activos · Inteligencia 12,9 | 2 bits menor calidad | 9,4 GB | 75–133 |
| Nemotron 3 Nano 30B A3B30B · 3,5B activos · Inteligencia 8,9 | 2 bits menor calidad | 9,4 GB | 61–109 |
| Qwen3 Coder 30B A3B Instruct30,5B · 3,3B activos | 2 bits menor calidad | 9,5 GB | 68–120 |
| GLM-4.7 Flash30B · 3B activos | 2 bits menor calidad | 9,4 GB | 75–133 |
| Gemma 4 26B A4B25,2B · 3,8B activos | 3 bits menor calidad | 11 GB | 40–71 |
| LFM2.5 24B A2B24B · 2B activos | 3 bits menor calidad | 10,5 GB | 75–133 |
Funciona, pero lento 10
Cabe, pero a menos de 10 tokens por segundo: sirve para trabajos por lotes, pero es lento para chatear.
| Modelo | Versión | Memoria | Tokens/s |
|---|---|---|---|
| Phi-4 Reasoning Vision 15B15B | 4 bits | 8,4 GB | 8–14 |
| Phi-4 (14B)14B | 6 bits | 11,4 GB | 6–11 |
| Qwen3.8 27B27B · Inteligencia 33,7 | 3 bits menor calidad | 11,8 GB | 6–10 |
| Muse Glimmer 30B29,6B · Inteligencia 17,5 | 2 bits menor calidad | 9,3 GB | 7–13 |
| Gemma 4 31B30,7B · Inteligencia 14,7 | 2 bits menor calidad | 9,6 GB | 7–13 |
| Granite 4.2 30B30B · Inteligencia 12,7 | 2 bits menor calidad | 9,4 GB | 7–13 |
| Qwen3.6 27B27B | 3 bits menor calidad | 11,8 GB | 6–10 |
| Devstral Small 2 (24B)24B | 3 bits menor calidad | 10,5 GB | 6–11 |
| Magistral Small 1.2 (2509)24B | 3 bits menor calidad | 10,5 GB | 6–11 |
| Mistral Small 3.2 (24B)24B | 3 bits menor calidad | 10,5 GB | 6–11 |
Cabe muy justo 1
Necesita casi toda la memoria: sube el límite de memoria de la GPU y usa un contexto corto.
| Modelo | Versión | Memoria | Tokens/s |
|---|---|---|---|
| gpt-oss-20b21B · 3,6B activos · Inteligencia 9 | 4,25 bits nativo | 13,8 GB | 36–63 |
Demasiado grande 35
Necesita más de 18 GB de memoria, incluso a 2 bits.
- MiMo V2.6 Pro1020B
- Kimi K32800B
- MiMo V2.6 Flash309B
- Kimi K2.7 Code1000B
- gpt-oss-120b117B
- Kimi K2.61000B
- DeepSeek V4.1 Flash 1017552B
- GLM-5.3744B
- GLM-5.3 Flash320B
- Qwen3.8 2.4T A95B2400B
- Qwen3.8 Flash Next180B
- Muse Spark Open816B
- DeepSeek V4 Pro 08131600B
- Beam 1.0501B
- MiniMax M3428B
- Inkling Small276B
- Hy3295B
- Inkling975B
- Nemotron 3 Ultra 550B A55B550B
- Nemotron 3.5 Bolt 74B A9B74B
- Qwen3.5 397B A17B397B
- Qwen3.5 122B A10B122B
- Mistral Medium 3.5 (128B)128B
- Mistral Small 4 (119B)119B
- Llama 4 Maverick 17B-128E Instruct400B
- Qwen3 Coder Next80B
- Llama 4 Scout 17B-16E Instruct109B
- Mistral Large 3 (675B)675B
- DeepSeek V4 Flash 0731284B
- MiniMax M2.7230B
- Devstral 2 (123B)123B
- Ornith 1.5 122B122B
- Nemotron 3 Super 120B A12B120B
- GLM-4.5 Air106B
- Llama 3.3 70B Instruct70B
Otras Mac
Todas las Mac con 18 GB, con cualquier chip.
El M3 Pro con más o menos memoria:
Chips vecinos:
Cara a cara:
Compáralo con cualquier Mac o GPU · El M3 Pro para IA local · La mejor Mac para LLM en local · Todas las Mac
Preguntas
- ¿Cuál es el mejor LLM para un M3 Pro con 18 GB?
- De los modelos con un Intelligence Index publicado, MiniCPM5 2B obtiene la puntuación más alta entre los que van bien aquí: 8 bits, unos 25–44 tokens por segundo. El más grande que va bien es Gemma 4 12B Unified.
- ¿Puede un M3 Pro con 18 GB ejecutar Llama 3.3 70B?
- No: incluso a 2 bits necesita más que los 14 GB que la GPU puede usar de forma predeterminada.
- ¿Qué tan rápido va gpt-oss-20b en un M3 Pro?
- Unos 36–63 tokens por segundo (4,25 bits nativo), según los 150 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.