خوب اجرا میشوند 36
با جای کافی برای کانتکست جا میشود، با 10 توکن یا بیشتر در ثانیه.
| مدل | نسخه | حافظه | توکن/ثانیه |
|---|---|---|---|
| MiniCPM5 2B2.52B · هوش 12.5 | 8 بیت | 2.7 GB | 51–91 |
| Qwen3.5 9B9B · هوش 11.2 | 8 بیت | 9.6 GB | 14–26 |
| Granite 4.2 8B8B · هوش 11.1 | 8 بیت | 8.5 GB | 16–29 |
| Granite 4.2 3B3B · هوش 9.1 | 8 بیت | 3.2 GB | 43–77 |
| gpt-oss-20b21B · 3.6B فعال · هوش 9 | 4.25 بیت اصلی | 13.8 GB | 73–129 |
| Gemma 4 E4B8B · هوش 8.9 | 8 بیت | 8.5 GB | 29–51 |
| Ministral 3 8B8.9B · هوش 5.5 | 8 بیت | 9.5 GB | 15–26 |
| Nemotron 3 Nano 4B3.97B · هوش 4.8 | 8 بیت | 4.2 GB | 33–58 |
| Gemma 4 26B A4B25.2B · 3.8B فعال | 4 بیت | 14.2 GB | 66–117 |
| Devstral Small 2 (24B)24B | 4 بیت | 13.5 GB | 10–18 |
| Magistral Small 1.2 (2509)24B | 4 بیت | 13.5 GB | 10–18 |
| Mistral Small 3.2 (24B)24B | 4 بیت | 13.5 GB | 10–18 |
| LFM2.5 24B A2B24B · 2B فعال | 4 بیت | 13.5 GB | 126–223 |
| Phi-4 Reasoning Vision 15B15B | 6 بیت | 12.2 GB | 11–20 |
| Phi-4 (14B)14B | 6 بیت | 11.4 GB | 12–22 |
| Gemma 4 12B Unified12B | 8 بیت | 12.7 GB | 11–19 |
| Qwen3 8B8.2B | 8 بیت | 8.7 GB | 16–28 |
| Llama 3.1 8B Instruct8B | 8 بیت | 8.5 GB | 16–29 |
| Gemma 4 E2B5.1B | 8 بیت | 5.4 GB | 58–102 |
| Qwen3.5 4B4B | 8 بیت | 4.3 GB | 32–57 |
| Phi-4 mini instruct3.8B | 8 بیت | 4 GB | 35–61 |
| Llama 3.2 3B Instruct3.21B | 8 بیت | 3.4 GB | 41–72 |
| SmolLM3 3B3B | 8 بیت | 3.2 GB | 43–77 |
| LFM2.5 2.6B2.69B | 8 بیت | 2.9 GB | 48–85 |
| Qwen3.5 2B2B | 8 بیت | 2.1 GB | 66–117 |
| Llama 3.2 1B Instruct1.23B | 8 بیت | 1.3 GB | 106–189 |
| Qwen3.5 0.8B0.8B | 8 بیت | 0.9 GB | 154–273 |
| Qwen3 0.6B0.6B | 8 بیت | 0.6 GB | 230–409 |
| Qwen3.6 35B A3B35B · 3B فعال · هوش 18.2 | 3 بیت کیفیت پایین‌تر | 15.3 GB | 106–189 |
| Muse Glimmer 30B29.6B · هوش 17.5 | 3 بیت کیفیت پایین‌تر | 13 GB | 11–19 |
| Gemma 4 31B30.7B · هوش 14.7 | 3 بیت کیفیت پایین‌تر | 13.4 GB | 10–18 |
| Nemotron 3.5 Lightning 30B A3B30B · 3B فعال · هوش 12.9 | 3 بیت کیفیت پایین‌تر | 13.1 GB | 106–189 |
| Granite 4.2 30B30B · هوش 12.7 | 3 بیت کیفیت پایین‌تر | 13.1 GB | 11–19 |
| Nemotron 3 Nano 30B A3B30B · 3.5B فعال · هوش 8.9 | 3 بیت کیفیت پایین‌تر | 13.1 GB | 92–164 |
| Qwen3 Coder 30B A3B Instruct30.5B · 3.3B فعال | 3 بیت کیفیت پایین‌تر | 13.3 GB | 99–175 |
| GLM-4.7 Flash30B · 3B فعال | 3 بیت کیفیت پایین‌تر | 13.1 GB | 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 | توکن/ثانیه |
|---|---|---|---|
| Qwen3.8 27B27B · هوش 33.7 | 4 بیت | 15.2 GB | 9–16 |
| Qwen3.6 27B27B | 4 بیت | 15.2 GB | 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
Macهای دیگر
همهٔ Macها با 24 GB، با هر تراشه‌ای.
M5 Pro با حافظهٔ بیشتر یا کمتر:
تراشه‌های همسایه:
رودررو:
آن را با هر Mac یا GPU مقایسه کنید · تراشهٔ M5 Pro برای هوش مصنوعی محلی · بهترین Mac برای LLM محلی · همهٔ Macها
پرسش‌ها
- بهترین LLM برای یک M5 Pro با 24 GB کدام است؟
- از میان مدلهایی که Intelligence Index منتشرشده دارند، MiniCPM5 2B بالاترین امتیاز را در بین مدلهایی دارد که اینجا خوب اجرا میشوند: 8 بیت، حدود 51–91 توکن در ثانیه. بزرگترین مدلی که خوب اجرا میشود Gemma 4 26B A4B است.
- آیا یک M5 Pro با 24 GB میتواند Llama 3.3 70B را اجرا کند؟
- نه: حتی در 2 بیت بیش از 18 GB که GPU بهطور پیشفرض میتواند استفاده کند لازم دارد.
- gpt-oss-20b روی یک M5 Pro چقدر سریع است؟
- حدود 73–129 توکن در ثانیه (4.25 بیت اصلی)، بر پایهٔ پهنای باند حافظهٔ 307 GB/s این تراشه.
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.