ورودساخت کیف پول

بهترین LLMها برای Mac با 32 GB.

38 از 73 مدل باز در 32 GB خوب اجرا می‌شوند. GPU به‌طور پیش‌فرض می‌تواند حدود 24 GB از آن را استفاده کند. سرعت به تراشه بستگی دارد: از 120 GB/s روی M4 تا 400 GB/s روی M1 Max.

باهوش‌ترین که خوب اجرا می‌شودQwen3.8 27B4 بیت · 15.2 GB · 2–21 tok/sبزرگ‌ترین که خوب اجرا می‌شودQwen3.6 35B A3B4 بیت · 19.7 GB · 32–188 tok/sبرای کدنویسیQwen3 Coder 30B A3B Instruct4 بیت · 17.2 GB · 28–168 tok/s

Macهای دارای 32 GB

7 تراشه از M1 تا M6 با 32 GB عرضه می‌شوند. هر کدام را برای فهرست و سرعت‌های خودش باز کنید.

خوب اجرا می‌شوند 38

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

مدلنسخهحافظهM4M1 Max
Qwen3.8 27B27B · هوش 33.74 بیت15.2 GB2–412–21
Qwen3.6 35B A3B35B · 3B فعال · هوش 18.24 بیت19.7 GB32–56106–188
Muse Glimmer 30B29.6B · هوش 17.54 بیت16.7 GB3–611–19
Gemma 4 31B30.7B · هوش 14.74 بیت17.3 GB3–610–18
Nemotron 3.5 Lightning 30B A3B30B · 3B فعال · هوش 12.94 بیت16.9 GB32–56106–188
Granite 4.2 30B30B · هوش 12.74 بیت16.9 GB3–611–19
MiniCPM5 2B2.52B · هوش 12.58 بیت2.7 GB20–3667–119
Qwen3.5 9B9B · هوش 11.28 بیت9.6 GB11–1919–33
Granite 4.2 8B8B · هوش 11.18 بیت8.5 GB12–2121–38
Granite 4.2 3B3B · هوش 9.18 بیت3.2 GB17–3056–100
gpt-oss-20b21B · 3.6B فعال · هوش 94.25 بیت اصلی13.8 GB28–5195–168
Nemotron 3 Nano 30B A3B30B · 3.5B فعال · هوش 8.94 بیت16.9 GB27–4890–160
Gemma 4 E4B8B · هوش 8.98 بیت8.5 GB11–2038–67
Ministral 3 8B8.9B · هوش 5.58 بیت9.5 GB11–1919–34
Nemotron 3 Nano 4B3.97B · هوش 4.88 بیت4.2 GB13–2343–76
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B فعال4 بیت17.2 GB28–5195–168
GLM-4.7 Flash30B · 3B فعال4 بیت16.9 GB32–56106–188
Qwen3.6 27B27B4 بیت15.2 GB2–412–21
Gemma 4 26B A4B25.2B · 3.8B فعال6 بیت20.5 GB17–3158–103
Devstral Small 2 (24B)24B4 بیت13.5 GB3–513–24
Magistral Small 1.2 (2509)24B4 بیت13.5 GB3–513–24
Mistral Small 3.2 (24B)24B4 بیت13.5 GB3–513–24
LFM2.5 24B A2B24B · 2B فعال6 بیت19.5 GB34–60113–200
Phi-4 Reasoning Vision 15B15B8 بیت15.9 GB3–611–20
Phi-4 (14B)14B8 بیت14.9 GB4–612–21
Gemma 4 12B Unified12B8 بیت12.7 GB4–814–25
Qwen3 8B8.2B8 بیت8.7 GB12–2121–37
Llama 3.1 8B Instruct8B8 بیت8.5 GB12–2121–38
Gemma 4 E2B5.1B8 بیت5.4 GB23–4075–133
Qwen3.5 4B4B8 بیت4.3 GB13–2242–74
Phi-4 mini instruct3.8B8 بیت4 GB14–2445–80
Llama 3.2 3B Instruct3.21B8 بیت3.4 GB16–2853–94
SmolLM3 3B3B8 بیت3.2 GB17–3056–100
LFM2.5 2.6B2.69B8 بیت2.9 GB19–3362–110
Qwen3.5 2B2B8 بیت2.1 GB26–4686–152
Llama 3.2 1B Instruct1.23B8 بیت1.3 GB42–74138–246
Qwen3.5 0.8B0.8B8 بیت0.9 GB60–107200–356
Qwen3 0.6B0.6B8 بیت0.6 GB90–160300–533

اجرا می‌شوند، اما کند 1

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

مدلنسخهحافظهM4M1 Max
Llama 3.3 70B Instruct70B2 بیت کیفیت پایین‌تر21.9 GB2–48–15

به‌زحمت جا می‌شوند 2

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

مدلنسخهحافظهM4M1 Max
Nemotron 3.5 Bolt 74B A9B74B · 9B فعال · هوش 21.42 بیت کیفیت پایین‌تر23.1 GB19–3464–114
Qwen3 Coder Next80B · 3B فعال · هوش 9.22 بیت کیفیت پایین‌تر25 GB60–107200–356

خیلی بزرگ 32

حتی در 2 بیت، بیش از 32 GB حافظه لازم دارد.

پرسش‌ها

بهترین LLM برای Mac با 32 GB کدام است؟
از میان مدل‌هایی که Intelligence Index منتشرشده دارند، Qwen3.8 27B بالاترین امتیاز را در بین مدل‌هایی دارد که در 32 GB خوب اجرا می‌شوند (4 بیت). بزرگ‌ترین مدلی که خوب اجرا می‌شود Qwen3.6 35B A3B است. برای کدنویسی: Qwen3 Coder 30B A3B Instruct.
آیا 32 GB برای هوش مصنوعی محلی روی Mac کافی است؟
38 از 73 مدل باز اینجا در 4 بیت یا بهتر در آن خوب اجرا می‌شوند. macOS به‌طور پیش‌فرض اجازه می‌دهد GPU حدود 24 GB از آن را استفاده کند؛ مدل و کانتکستش باید در همین مقدار جا شوند.
آیا Mac با 32 GB می‌تواند gpt-oss-20b را اجرا کند؟
بله، 4.25 بیت اصلی، با حدود 28–51 توکن در ثانیه روی یک M4 و 95–168 روی یک M1 Max.

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 32 GB (M1 تا M6): چه اجرا می‌شود