ورودساخت کیف پول

بهترین LLMها برای Mac با 16 GB.

22 از 73 مدل باز در 16 GB خوب اجرا می‌شوند. GPU به‌طور پیش‌فرض می‌تواند حدود 12 GB از آن را استفاده کند. سرعت به تراشه بستگی دارد: از 68 GB/s روی M1 تا 200 GB/s روی M1 Pro.

باهوش‌ترین که خوب اجرا می‌شودMiniCPM5 2B8 بیت · 2.7 GB · 11–59 tok/sبزرگ‌ترین که خوب اجرا می‌شودPhi-4 Reasoning Vision 15B4 بیت · 8.4 GB · 4–19 tok/s

Macهای دارای 16 GB

8 تراشه از M1 تا M6 با 16 GB عرضه می‌شوند. هر کدام را برای فهرست و سرعت‌های خودش باز کنید.

خوب اجرا می‌شوند 33

با جای کافی برای کانتکست جا می‌شود، با 10 توکن یا بیشتر در ثانیه روی M1 Pro.

مدلنسخهحافظهM1M1 Pro
MiniCPM5 2B2.52B · هوش 12.58 بیت2.7 GB11–2033–59
Qwen3.5 9B9B · هوش 11.26 بیت7.3 GB3–612–22
Granite 4.2 8B8B · هوش 11.18 بیت8.5 GB4–611–19
Granite 4.2 3B3B · هوش 9.18 بیت3.2 GB10–1728–50
Gemma 4 E4B8B · هوش 8.98 بیت8.5 GB12–2219–33
Ministral 3 8B8.9B · هوش 5.56 بیت7.2 GB3–613–22
Nemotron 3 Nano 4B3.97B · هوش 4.88 بیت4.2 GB10–1721–38
Phi-4 Reasoning Vision 15B15B4 بیت8.4 GB4–611–19
Phi-4 (14B)14B4 بیت7.9 GB4–711–20
Gemma 4 12B Unified12B4 بیت6.7 GB3–613–24
Qwen3 8B8.2B8 بیت8.7 GB4–610–18
Llama 3.1 8B Instruct8B8 بیت8.5 GB4–611–19
Gemma 4 E2B5.1B8 بیت5.4 GB13–2338–67
Qwen3.5 4B4B8 بیت4.3 GB13–2421–37
Phi-4 mini instruct3.8B8 بیت4 GB10–1823–40
Llama 3.2 3B Instruct3.21B8 بیت3.4 GB12–2126–47
SmolLM3 3B3B8 بیت3.2 GB10–1728–50
LFM2.5 2.6B2.69B8 بیت2.9 GB11–1931–55
Qwen3.5 2B2B8 بیت2.1 GB15–2643–76
Llama 3.2 1B Instruct1.23B8 بیت1.3 GB24–4269–123
Qwen3.5 0.8B0.8B8 بیت0.9 GB34–60100–178
Qwen3 0.6B0.6B8 بیت0.6 GB51–91150–267
Qwen3.8 27B27B · هوش 33.72 بیت کیفیت پایین‌تر8.4 GB4–611–19
Muse Glimmer 30B29.6B · هوش 17.52 بیت کیفیت پایین‌تر9.3 GB3–610–17
Nemotron 3.5 Lightning 30B A3B30B · 3B فعال · هوش 12.92 بیت کیفیت پایین‌تر9.4 GB34–60100–178
Granite 4.2 30B30B · هوش 12.72 بیت کیفیت پایین‌تر9.4 GB3–610–17
gpt-oss-20b21B · 3.6B فعال · هوش 93 بیت کیفیت پایین‌تر9.2 GB19–3456–100
Nemotron 3 Nano 30B A3B30B · 3.5B فعال · هوش 8.92 بیت کیفیت پایین‌تر9.4 GB28–4982–145
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B فعال2 بیت کیفیت پایین‌تر9.5 GB31–5490–160
GLM-4.7 Flash30B · 3B فعال2 بیت کیفیت پایین‌تر9.4 GB34–60100–178
Qwen3.6 27B27B2 بیت کیفیت پایین‌تر8.4 GB4–611–19
Gemma 4 26B A4B25.2B · 3.8B فعال2 بیت کیفیت پایین‌تر7.9 GB26–4575–133
LFM2.5 24B A2B24B · 2B فعال3 بیت کیفیت پایین‌تر10.5 GB34–60100–178

اجرا می‌شوند، اما کند 4

جا می‌شود، اما زیر 10 توکن در ثانیه: برای کارهای دسته‌ای خوب است، برای گفت‌وگو کند.

مدلنسخهحافظهM1M1 Pro
Gemma 4 31B30.7B · هوش 14.72 بیت کیفیت پایین‌تر9.6 GB3–69–17
Devstral Small 2 (24B)24B3 بیت کیفیت پایین‌تر10.5 GB3–59–15
Magistral Small 1.2 (2509)24B3 بیت کیفیت پایین‌تر10.5 GB3–59–15
Mistral Small 3.2 (24B)24B3 بیت کیفیت پایین‌تر10.5 GB3–59–15

به‌زحمت جا می‌شوند 1

تقریباً همهٔ حافظه را لازم دارد: سقف حافظهٔ GPU را بالا ببرید و کانتکست را کوتاه نگه دارید.

مدلنسخهحافظهM1M1 Pro
Qwen3.6 35B A3B35B · 3B فعال · هوش 18.22 بیت کیفیت پایین‌تر10.9 GB34–60100–178

خیلی بزرگ 35

حتی در 2 بیت، بیش از 16 GB حافظه لازم دارد.

پرسش‌ها

بهترین LLM برای Mac با 16 GB کدام است؟
از میان مدل‌هایی که Intelligence Index منتشرشده دارند، MiniCPM5 2B بالاترین امتیاز را در بین مدل‌هایی دارد که در 16 GB خوب اجرا می‌شوند (8 بیت). بزرگ‌ترین مدلی که خوب اجرا می‌شود Phi-4 Reasoning Vision 15B است.
آیا 16 GB برای هوش مصنوعی محلی روی Mac کافی است؟
22 از 73 مدل باز اینجا در 4 بیت یا بهتر در آن خوب اجرا می‌شوند. macOS به‌طور پیش‌فرض اجازه می‌دهد GPU حدود 12 GB از آن را استفاده کند؛ مدل و کانتکستش باید در همین مقدار جا شوند.
آیا Mac با 16 GB می‌تواند gpt-oss-20b را اجرا کند؟
بله، 3 بیت، با حدود 19–34 توکن در ثانیه روی یک M1 و 56–100 روی یک M1 Pro.

اندازه‌های دیگر: 8 GB · 16 GB · 18 GB · 24 GB · 32 GB · 36 GB · 48 GB · 64 GB · 96 GB · 128 GB · 192 GB · 256 GB · 512 GB

آن‌ها را با MLX Harness (رایگان و متن‌باز) یا mlx-lm از Apple در Terminal اجرا کنید: گام به گام.

چطور محاسبه شده

حافظه: پارامترهای مدل در 8، 6، 4، 3 یا 2 بیت برای هر وزن به‌علاوهٔ مقیاس‌های گروهی MLX (نیم بیت برای هر وزن)، یا قالب اصلی آن، به‌اضافهٔ جا برای کانتکست. macOS به‌طور پیش‌فرض اجازه می‌دهد GPU حدود 75% حافظهٔ یکپارچه را استفاده کند. سرعت: پهنای باند حافظه تقسیم بر بایت‌هایی که برای هر توکن خوانده می‌شود، سقف سرعت یک گفت‌وگوست؛ در بنچمارک‌های عمومی llama.cpp روی Apple Silicon اجراهای واقعی به حدود 45% تا 80% آن می‌رسند و همین بازه نمایش داده می‌شود. این‌ها برآوردند، نه اندازه‌گیری: Mac خودتان را روی MLX Bench بسنجید. ارقام مدل‌ها از کارت رسمی هر مدل و ارقام تراشه‌ها از مشخصات فنی Apple است. بررسی‌شده در 2026-10-19. همان داده‌های mlx.app/compare.

بهترین LLMهای محلی برای Mac با 16 GB (M1 تا M6): چه اجرا می‌شود