Iniciar sesiónCrear billetera

¿Qué puede ejecutar un M3 Ultra con 96 GB?

43 de 73 modelos abiertos van bien en ella. De forma predeterminada, la GPU puede usar unos 72 GB de sus 96 GB, y el chip lee la memoria a 819 GB/s, lo que marca su velocidad de escritura. Está en: Mac Studio (2025).

El más inteligente que va bienQwen3.8 27B8 bits · 28,7 GB · 13–23 tok/sEl más grande que va biengpt-oss-120b4,25 bits nativo · 65,3 GB · 137–243 tok/sPara códigoQwen3 Coder Next6 bits · 65 GB · 154–273 tok/s

Va bien 48

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

ModeloVersiónMemoriaTokens/s
Qwen3.8 27B27B · Inteligencia 33,78 bits28,7 GB13–23
Nemotron 3.5 Bolt 74B A9B74B · 9B activos · Inteligencia 21,46 bits60,1 GB50–90
Qwen3.6 35B A3B35B · 3B activos · Inteligencia 18,28 bits37,2 GB115–205
Muse Glimmer 30B29,6B · Inteligencia 17,58 bits31,5 GB12–21
Gemma 4 31B30,7B · Inteligencia 14,78 bits32,6 GB11–20
Nemotron 3.5 Lightning 30B A3B30B · 3B activos · Inteligencia 12,98 bits31,9 GB115–205
Granite 4.2 30B30B · Inteligencia 12,78 bits31,9 GB12–21
MiniCPM5 2B2,52B · Inteligencia 12,58 bits2,7 GB137–243
gpt-oss-120b117B · 5,1B activos · Inteligencia 11,64,25 bits nativo65,3 GB137–243
Qwen3.5 9B9B · Inteligencia 11,28 bits9,6 GB38–68
Granite 4.2 8B8B · Inteligencia 11,18 bits8,5 GB43–77
Qwen3 Coder Next80B · 3B activos · Inteligencia 9,26 bits65 GB154–273
Granite 4.2 3B3B · Inteligencia 9,18 bits3,2 GB115–205
gpt-oss-20b21B · 3,6B activos · Inteligencia 94,25 bits nativo13,8 GB194–345
Nemotron 3 Nano 30B A3B30B · 3,5B activos · Inteligencia 8,98 bits31,9 GB100–177
Gemma 4 E4B8B · Inteligencia 8,98 bits8,5 GB77–137
Llama 4 Scout 17B-16E Instruct109B · 17B activos · Inteligencia 6,54 bits61,3 GB38–68
Ministral 3 8B8,9B · Inteligencia 5,58 bits9,5 GB39–69
Nemotron 3 Nano 4B3,97B · Inteligencia 4,88 bits4,2 GB88–156
GLM-4.5 Air106B · 12B activos4 bits59,6 GB54–96
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B activos8 bits32,4 GB105–187
GLM-4.7 Flash30B · 3B activos8 bits31,9 GB115–205
Qwen3.6 27B27B8 bits28,7 GB13–23
Gemma 4 26B A4B25,2B · 3,8B activos8 bits26,8 GB92–164
Devstral Small 2 (24B)24B8 bits25,5 GB14–26
Magistral Small 1.2 (2509)24B8 bits25,5 GB14–26
Mistral Small 3.2 (24B)24B8 bits25,5 GB14–26
LFM2.5 24B A2B24B · 2B activos8 bits25,5 GB176–312
Phi-4 Reasoning Vision 15B15B8 bits15,9 GB23–41
Phi-4 (14B)14B8 bits14,9 GB25–44
Gemma 4 12B Unified12B8 bits12,7 GB29–52
Qwen3 8B8,2B8 bits8,7 GB42–75
Llama 3.1 8B Instruct8B8 bits8,5 GB43–77
Gemma 4 E2B5,1B8 bits5,4 GB154–273
Qwen3.5 4B4B8 bits4,3 GB86–152
Phi-4 mini instruct3,8B8 bits4 GB92–164
Llama 3.2 3B Instruct3,21B8 bits3,4 GB108–193
SmolLM3 3B3B8 bits3,2 GB115–205
LFM2.5 2.6B2,69B8 bits2,9 GB127–226
Qwen3.5 2B2B8 bits2,1 GB176–312
Llama 3.2 1B Instruct1,23B8 bits1,3 GB284–504
Qwen3.5 0.8B0,8B8 bits0,9 GB410–728
Qwen3 0.6B0,6B8 bits0,6 GB614–1092
Qwen3.8 Flash Next180B · 6B activos · Inteligencia 39,82 bits menor calidad56,3 GB194–345
Qwen3.5 122B A10B122B · 10B activos · Inteligencia 15,63 bits menor calidad53,4 GB84–149
Mistral Small 4 (119B)119B · 6,5B activos · Inteligencia 11,33 bits menor calidad52,1 GB132–234
Ornith 1.5 122B122B · 10B activos3 bits menor calidad53,4 GB84–149
Nemotron 3 Super 120B A12B120B · 12B activos3 bits menor calidad52,5 GB70–124

Funciona, pero lento 3

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

ModeloVersiónMemoriaTokens/s
Llama 3.3 70B Instruct70B6 bits56,9 GB6–12
Mistral Medium 3.5 (128B)128B · Inteligencia 14,23 bits menor calidad56 GB7–12
Devstral 2 (123B)123B3 bits menor calidad53,8 GB7–12

Cabe muy justo 1

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

ModeloVersiónMemoriaTokens/s
MiniMax M2.7230B · 10B activos2 bits menor calidad71,9 GB119–211

Demasiado grande 21

Necesita más de 96 GB de memoria, incluso a 2 bits.

Otras Mac

Todas las Mac con 96 GB, con cualquier chip.

El M3 Ultra con más o menos memoria:

Chips vecinos:

Cara a cara:

Contra PC y tarjetas gráficas:

Compáralo con cualquier Mac o GPU · El M3 Ultra para IA local · La mejor Mac para LLM en local · Todas las Mac

Preguntas

¿Cuál es el mejor LLM para un M3 Ultra con 96 GB?
De los modelos con un Intelligence Index publicado, Qwen3.8 27B obtiene la puntuación más alta entre los que van bien aquí: 8 bits, unos 13–23 tokens por segundo. El más grande que va bien es gpt-oss-120b.
¿Puede un M3 Ultra con 96 GB ejecutar Llama 3.3 70B?
Sí, pero lento: 6 bits, a unos 6–12 tokens por segundo.
¿Qué tan rápido va gpt-oss-20b en un M3 Ultra?
Unos 194–345 tokens por segundo (4,25 bits nativo), según los 819 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 LLM ejecuta un M3 Ultra con 96 GB? Modelos y velocidad