Macهای دارای 24 GB
7 تراشه از M2 تا M6 با 24 GB عرضه میشوند. هر کدام را برای فهرست و سرعت‌های خودش باز کنید.
خوب اجرا میشوند 36
با جای کافی برای کانتکست جا میشود، با 10 توکن یا بیشتر در ثانیه روی M5 Pro.
| مدل | نسخه | حافظه | M3 | M5 Pro |
|---|---|---|---|---|
| MiniCPM5 2B2.52B · هوش 12.5 | 8 بیت | 2.7 GB | 17–30 | 51–91 |
| Qwen3.5 9B9B · هوش 11.2 | 8 بیت | 9.6 GB | 5–8 | 14–26 |
| Granite 4.2 8B8B · هوش 11.1 | 8 بیت | 8.5 GB | 10–18 | 16–29 |
| Granite 4.2 3B3B · هوش 9.1 | 8 بیت | 3.2 GB | 14–25 | 43–77 |
| gpt-oss-20b21B · 3.6B فعال · هوش 9 | 4.25 بیت اصلی | 13.8 GB | 24–42 | 73–129 |
| Gemma 4 E4B8B · هوش 8.9 | 8 بیت | 8.5 GB | 12–22 | 29–51 |
| Ministral 3 8B8.9B · هوش 5.5 | 8 بیت | 9.5 GB | 5–8 | 15–26 |
| Nemotron 3 Nano 4B3.97B · هوش 4.8 | 8 بیت | 4.2 GB | 11–19 | 33–58 |
| Gemma 4 26B A4B25.2B · 3.8B فعال | 4 بیت | 14.2 GB | 21–38 | 66–117 |
| Devstral Small 2 (24B)24B | 4 بیت | 13.5 GB | 3–6 | 10–18 |
| Magistral Small 1.2 (2509)24B | 4 بیت | 13.5 GB | 3–6 | 10–18 |
| Mistral Small 3.2 (24B)24B | 4 بیت | 13.5 GB | 3–6 | 10–18 |
| LFM2.5 24B A2B24B · 2B فعال | 4 بیت | 13.5 GB | 41–73 | 126–223 |
| Phi-4 Reasoning Vision 15B15B | 6 بیت | 12.2 GB | 3–5 | 11–20 |
| Phi-4 (14B)14B | 6 بیت | 11.4 GB | 3–5 | 12–22 |
| Gemma 4 12B Unified12B | 8 بیت | 12.7 GB | 4–6 | 11–19 |
| Qwen3 8B8.2B | 8 بیت | 8.7 GB | 10–17 | 16–28 |
| Llama 3.1 8B Instruct8B | 8 بیت | 8.5 GB | 10–18 | 16–29 |
| Gemma 4 E2B5.1B | 8 بیت | 5.4 GB | 19–33 | 58–102 |
| Qwen3.5 4B4B | 8 بیت | 4.3 GB | 10–19 | 32–57 |
| Phi-4 mini instruct3.8B | 8 بیت | 4 GB | 11–20 | 35–61 |
| Llama 3.2 3B Instruct3.21B | 8 بیت | 3.4 GB | 13–24 | 41–72 |
| SmolLM3 3B3B | 8 بیت | 3.2 GB | 14–25 | 43–77 |
| LFM2.5 2.6B2.69B | 8 بیت | 2.9 GB | 16–28 | 48–85 |
| Qwen3.5 2B2B | 8 بیت | 2.1 GB | 21–38 | 66–117 |
| Llama 3.2 1B Instruct1.23B | 8 بیت | 1.3 GB | 35–62 | 106–189 |
| Qwen3.5 0.8B0.8B | 8 بیت | 0.9 GB | 50–89 | 154–273 |
| Qwen3 0.6B0.6B | 8 بیت | 0.6 GB | 75–133 | 230–409 |
| Qwen3.6 35B A3B35B · 3B فعال · هوش 18.2 | 3 بیت کیفیت پایین‌تر | 15.3 GB | 35–62 | 106–189 |
| Muse Glimmer 30B29.6B · هوش 17.5 | 3 بیت کیفیت پایین‌تر | 13 GB | 3–6 | 11–19 |
| Gemma 4 31B30.7B · هوش 14.7 | 3 بیت کیفیت پایین‌تر | 13.4 GB | 3–6 | 10–18 |
| Nemotron 3.5 Lightning 30B A3B30B · 3B فعال · هوش 12.9 | 3 بیت کیفیت پایین‌تر | 13.1 GB | 35–62 | 106–189 |
| Granite 4.2 30B30B · هوش 12.7 | 3 بیت کیفیت پایین‌تر | 13.1 GB | 3–6 | 11–19 |
| Nemotron 3 Nano 30B A3B30B · 3.5B فعال · هوش 8.9 | 3 بیت کیفیت پایین‌تر | 13.1 GB | 30–53 | 92–164 |
| Qwen3 Coder 30B A3B Instruct30.5B · 3.3B فعال | 3 بیت کیفیت پایین‌تر | 13.3 GB | 32–57 | 99–175 |
| GLM-4.7 Flash30B · 3B فعال | 3 بیت کیفیت پایین‌تر | 13.1 GB | 35–62 | 106–189 |
اجرا میشوند، اما کند 2
جا میشود، اما زیر 10 توکن در ثانیه: برای کارهای دسته‌ای خوب است، برای گفت‌وگو کند.
| مدل | نسخه | حافظه | M3 | M5 Pro |
|---|---|---|---|---|
| Qwen3.8 27B27B · هوش 33.7 | 4 بیت | 15.2 GB | 3–5 | 9–16 |
| Qwen3.6 27B27B | 4 بیت | 15.2 GB | 3–5 | 9–16 |
خیلی بزرگ 35
حتی در 2 بیت، بیش از 24 GB حافظه لازم دارد.
- MiMo V2.6 Pro1,020B
- Kimi K32,800B
- MiMo V2.6 Flash309B
- Kimi K2.7 Code1,000B
- gpt-oss-120b117B
- Kimi K2.61,000B
- DeepSeek V4.1 Flash 1017552B
- GLM-5.3744B
- GLM-5.3 Flash320B
- Qwen3.8 2.4T A95B2,400B
- Qwen3.8 Flash Next180B
- Muse Spark Open816B
- DeepSeek V4 Pro 08131,600B
- 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
پرسش‌ها
- بهترین LLM برای Mac با 24 GB کدام است؟
- از میان مدلهایی که Intelligence Index منتشرشده دارند، MiniCPM5 2B بالاترین امتیاز را در بین مدلهایی دارد که در 24 GB خوب اجرا میشوند (8 بیت). بزرگترین مدلی که خوب اجرا میشود Gemma 4 26B A4B است. برای کدنویسی: Devstral Small 2 (24B).
- آیا 24 GB برای هوش مصنوعی محلی روی Mac کافی است؟
- 28 از 73 مدل باز اینجا در 4 بیت یا بهتر در آن خوب اجرا میشوند. macOS بهطور پیشفرض اجازه میدهد GPU حدود 18 GB از آن را استفاده کند؛ مدل و کانتکستش باید در همین مقدار جا شوند.
- آیا Mac با 24 GB میتواند gpt-oss-20b را اجرا کند؟
- بله، 4.25 بیت اصلی، با حدود 24–42 توکن در ثانیه روی یک M3 و 73–129 روی یک M5 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.