ورودساخت کیف پول

یک M5 Ultra با 96 GB چه چیزهایی را اجرا می‌کند؟

44 از 73 مدل باز روی آن خوب اجرا می‌شوند. GPU به‌طور پیش‌فرض می‌تواند حدود 72 GB از 96 GB آن را استفاده کند و حافظه را با 1,200 GB/s می‌خواند، که سرعت نوشتن را تعیین می‌کند. در: Mac Studio (M5 Max or M5 Ultra).

باهوش‌ترین که خوب اجرا می‌شودQwen3.8 27B8 بیت · 28.7 GB · 19–33 tok/sبزرگ‌ترین که خوب اجرا می‌شودgpt-oss-120b4.25 بیت اصلی · 65.3 GB · 200–356 tok/sبرای کدنویسیQwen3 Coder Next6 بیت · 65 GB · 225–400 tok/s

خوب اجرا می‌شوند 51

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

مدلنسخهحافظهتوکن/ثانیه
Qwen3.8 27B27B · هوش 33.78 بیت28.7 GB19–33
Nemotron 3.5 Bolt 74B A9B74B · 9B فعال · هوش 21.46 بیت60.1 GB74–132
Qwen3.6 35B A3B35B · 3B فعال · هوش 18.28 بیت37.2 GB169–300
Muse Glimmer 30B29.6B · هوش 17.58 بیت31.5 GB17–30
Gemma 4 31B30.7B · هوش 14.78 بیت32.6 GB17–29
Nemotron 3.5 Lightning 30B A3B30B · 3B فعال · هوش 12.98 بیت31.9 GB169–300
Granite 4.2 30B30B · هوش 12.78 بیت31.9 GB17–30
MiniCPM5 2B2.52B · هوش 12.58 بیت2.7 GB200–356
gpt-oss-120b117B · 5.1B فعال · هوش 11.64.25 بیت اصلی65.3 GB200–356
Qwen3.5 9B9B · هوش 11.28 بیت9.6 GB56–100
Granite 4.2 8B8B · هوش 11.18 بیت8.5 GB64–113
Qwen3 Coder Next80B · 3B فعال · هوش 9.26 بیت65 GB225–400
Granite 4.2 3B3B · هوش 9.18 بیت3.2 GB169–300
gpt-oss-20b21B · 3.6B فعال · هوش 94.25 بیت اصلی13.8 GB284–505
Nemotron 3 Nano 30B A3B30B · 3.5B فعال · هوش 8.98 بیت31.9 GB146–259
Gemma 4 E4B8B · هوش 8.98 بیت8.5 GB113–200
Llama 4 Scout 17B-16E Instruct109B · 17B فعال · هوش 6.54 بیت61.3 GB56–100
Ministral 3 8B8.9B · هوش 5.58 بیت9.5 GB57–101
Nemotron 3 Nano 4B3.97B · هوش 4.88 بیت4.2 GB129–229
GLM-4.5 Air106B · 12B فعال4 بیت59.6 GB79–141
Llama 3.3 70B Instruct70B4 بیت39.4 GB14–24
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B فعال8 بیت32.4 GB154–274
GLM-4.7 Flash30B · 3B فعال8 بیت31.9 GB169–300
Qwen3.6 27B27B8 بیت28.7 GB19–33
Gemma 4 26B A4B25.2B · 3.8B فعال8 بیت26.8 GB135–240
Devstral Small 2 (24B)24B8 بیت25.5 GB21–38
Magistral Small 1.2 (2509)24B8 بیت25.5 GB21–38
Mistral Small 3.2 (24B)24B8 بیت25.5 GB21–38
LFM2.5 24B A2B24B · 2B فعال8 بیت25.5 GB257–457
Phi-4 Reasoning Vision 15B15B8 بیت15.9 GB34–60
Phi-4 (14B)14B8 بیت14.9 GB36–64
Gemma 4 12B Unified12B8 بیت12.7 GB43–76
Qwen3 8B8.2B8 بیت8.7 GB62–110
Llama 3.1 8B Instruct8B8 بیت8.5 GB64–113
Gemma 4 E2B5.1B8 بیت5.4 GB225–400
Qwen3.5 4B4B8 بیت4.3 GB126–223
Phi-4 mini instruct3.8B8 بیت4 GB135–240
Llama 3.2 3B Instruct3.21B8 بیت3.4 GB159–282
SmolLM3 3B3B8 بیت3.2 GB169–300
LFM2.5 2.6B2.69B8 بیت2.9 GB186–331
Qwen3.5 2B2B8 بیت2.1 GB257–457
Llama 3.2 1B Instruct1.23B8 بیت1.3 GB415–738
Qwen3.5 0.8B0.8B8 بیت0.9 GB600–1067
Qwen3 0.6B0.6B8 بیت0.6 GB900–1600
Qwen3.8 Flash Next180B · 6B فعال · هوش 39.82 بیت کیفیت پایین‌تر56.3 GB284–505
Qwen3.5 122B A10B122B · 10B فعال · هوش 15.63 بیت کیفیت پایین‌تر53.4 GB123–218
Mistral Medium 3.5 (128B)128B · هوش 14.23 بیت کیفیت پایین‌تر56 GB10–17
Mistral Small 4 (119B)119B · 6.5B فعال · هوش 11.33 بیت کیفیت پایین‌تر52.1 GB193–343
Devstral 2 (123B)123B3 بیت کیفیت پایین‌تر53.8 GB10–18
Ornith 1.5 122B122B · 10B فعال3 بیت کیفیت پایین‌تر53.4 GB123–218
Nemotron 3 Super 120B A12B120B · 12B فعال3 بیت کیفیت پایین‌تر52.5 GB102–181

به‌زحمت جا می‌شوند 1

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

مدلنسخهحافظهتوکن/ثانیه
MiniMax M2.7230B · 10B فعال2 بیت کیفیت پایین‌تر71.9 GB174–310

خیلی بزرگ 21

حتی در 2 بیت، بیش از 96 GB حافظه لازم دارد.

Macهای دیگر

همهٔ Macها با 96 GB، با هر تراشه‌ای.

M5 Ultra با حافظهٔ بیشتر یا کمتر:

تراشه‌های همسایه:

رودررو:

در برابر PC و کارت گرافیک:

آن را با هر Mac یا GPU مقایسه کنید · تراشهٔ M5 Ultra برای هوش مصنوعی محلی · بهترین Mac برای LLM محلی · همهٔ Macها

پرسش‌ها

بهترین LLM برای یک M5 Ultra با 96 GB کدام است؟
از میان مدل‌هایی که Intelligence Index منتشرشده دارند، Qwen3.8 27B بالاترین امتیاز را در بین مدل‌هایی دارد که اینجا خوب اجرا می‌شوند: 8 بیت، حدود 19–33 توکن در ثانیه. بزرگ‌ترین مدلی که خوب اجرا می‌شود gpt-oss-120b است.
آیا یک M5 Ultra با 96 GB می‌تواند Llama 3.3 70B را اجرا کند؟
بله: 4 بیت، با حدود 14–24 توکن در ثانیه.
gpt-oss-20b روی یک M5 Ultra چقدر سریع است؟
حدود 284–505 توکن در ثانیه (4.25 بیت اصلی)، بر پایهٔ پهنای باند حافظهٔ 1,200 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.

یک M5 Ultra با 96 GB چه LLMهایی را اجرا می‌کند؟ مدل‌ها و سرعت