Mga Mac na may 18 GB
1 chip mula M3 ang may 18 GB. Buksan ang alinman para sa sarili nitong listahan at bilis.
Tumatakbo nang maayos 27
Kasya at may espasyo pa para sa context, sa 10 o higit pang token bawat segundo sa M3 Pro.
| Model | Bersyon | Memory | Token/s |
|---|---|---|---|
| MiniCPM5 2B2.52B · Intelligence 12.5 | 8-bit | 2.7 GB | 25–44 |
| Qwen3.5 9B9B · Intelligence 11.2 | 4-bit | 5.1 GB | 13–24 |
| Granite 4.2 8B8B · Intelligence 11.1 | 6-bit | 6.5 GB | 10–18 |
| Granite 4.2 3B3B · Intelligence 9.1 | 8-bit | 3.2 GB | 21–38 |
| Gemma 4 E4B8B · Intelligence 8.9 | 8-bit | 8.5 GB | 14–25 |
| Ministral 3 8B8.9B · Intelligence 5.5 | 4-bit | 5 GB | 14–24 |
| Nemotron 3 Nano 4B3.97B · Intelligence 4.8 | 8-bit | 4.2 GB | 16–29 |
| Gemma 4 12B Unified12B | 4-bit | 6.7 GB | 10–18 |
| Qwen3 8B8.2B | 6-bit | 6.7 GB | 10–18 |
| Llama 3.1 8B Instruct8B | 6-bit | 6.5 GB | 10–18 |
| Gemma 4 E2B5.1B | 8-bit | 5.4 GB | 28–50 |
| Qwen3.5 4B4B | 8-bit | 4.3 GB | 16–28 |
| Phi-4 mini instruct3.8B | 8-bit | 4 GB | 17–30 |
| Llama 3.2 3B Instruct3.21B | 8-bit | 3.4 GB | 20–35 |
| SmolLM3 3B3B | 8-bit | 3.2 GB | 21–38 |
| LFM2.5 2.6B2.69B | 8-bit | 2.9 GB | 23–41 |
| Qwen3.5 2B2B | 8-bit | 2.1 GB | 32–57 |
| Llama 3.2 1B Instruct1.23B | 8-bit | 1.3 GB | 52–92 |
| Qwen3.5 0.8B0.8B | 8-bit | 0.9 GB | 75–133 |
| Qwen3 0.6B0.6B | 8-bit | 0.6 GB | 113–200 |
| Qwen3.6 35B A3B35B · 3B aktibo · Intelligence 18.2 | 2-bit mas mababang kalidad | 10.9 GB | 75–133 |
| Nemotron 3.5 Lightning 30B A3B30B · 3B aktibo · Intelligence 12.9 | 2-bit mas mababang kalidad | 9.4 GB | 75–133 |
| Nemotron 3 Nano 30B A3B30B · 3.5B aktibo · Intelligence 8.9 | 2-bit mas mababang kalidad | 9.4 GB | 61–109 |
| Qwen3 Coder 30B A3B Instruct30.5B · 3.3B aktibo | 2-bit mas mababang kalidad | 9.5 GB | 68–120 |
| GLM-4.7 Flash30B · 3B aktibo | 2-bit mas mababang kalidad | 9.4 GB | 75–133 |
| Gemma 4 26B A4B25.2B · 3.8B aktibo | 3-bit mas mababang kalidad | 11 GB | 40–71 |
| LFM2.5 24B A2B24B · 2B aktibo | 3-bit mas mababang kalidad | 10.5 GB | 75–133 |
Tumatakbo, pero mabagal 10
Kasya, pero wala pang 10 token bawat segundo: ayos para sa batch work, mabagal para sa chat.
| Model | Bersyon | Memory | Token/s |
|---|---|---|---|
| Phi-4 Reasoning Vision 15B15B | 4-bit | 8.4 GB | 8–14 |
| Phi-4 (14B)14B | 6-bit | 11.4 GB | 6–11 |
| Qwen3.8 27B27B · Intelligence 33.7 | 3-bit mas mababang kalidad | 11.8 GB | 6–10 |
| Muse Glimmer 30B29.6B · Intelligence 17.5 | 2-bit mas mababang kalidad | 9.3 GB | 7–13 |
| Gemma 4 31B30.7B · Intelligence 14.7 | 2-bit mas mababang kalidad | 9.6 GB | 7–13 |
| Granite 4.2 30B30B · Intelligence 12.7 | 2-bit mas mababang kalidad | 9.4 GB | 7–13 |
| Qwen3.6 27B27B | 3-bit mas mababang kalidad | 11.8 GB | 6–10 |
| Devstral Small 2 (24B)24B | 3-bit mas mababang kalidad | 10.5 GB | 6–11 |
| Magistral Small 1.2 (2509)24B | 3-bit mas mababang kalidad | 10.5 GB | 6–11 |
| Mistral Small 3.2 (24B)24B | 3-bit mas mababang kalidad | 10.5 GB | 6–11 |
Halos hindi kasya 1
Halos lahat ng memory ang kailangan: itaas ang GPU memory limit at panatilihing maikli ang context.
| Model | Bersyon | Memory | Token/s |
|---|---|---|---|
| gpt-oss-20b21B · 3.6B aktibo · Intelligence 9 | native na 4.25-bit | 13.8 GB | 36–63 |
Masyadong malaki 35
Kailangan ng higit sa 18 GB na memory, kahit sa 2 bit.
- 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
Mga tanong
- Ano ang pinakamagandang LLM para sa Mac na may 18 GB?
- Sa mga model na may nailathalang Intelligence Index, MiniCPM5 2B ang may pinakamataas na score sa mga tumatakbo nang maayos sa 18 GB (8-bit). Ang pinakamalaking tumatakbo nang maayos ay Gemma 4 12B Unified.
- Sapat ba ang 18 GB para sa local AI sa Mac?
- 20 sa 73 na open model dito ang tumatakbo nang maayos dito sa 4 bit o mas mataas. Bilang default, mga 14 GB nito ang ipinapagamit ng macOS sa GPU; doon dapat magkasya ang model at ang context nito.
- Kaya ba ng 18 GB na Mac ang gpt-oss-20b?
- Halos hindi: itaas ang GPU memory limit at panatilihing maikli ang context.
Ibang size: 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
Patakbuhin ang mga ito gamit ang MLX Harness (libre, open source) o ang mlx-lm ng Apple sa Terminal: hakbang-hakbang.
Paano ito kinuwenta
Memory: ang mga parameter ng model sa 8, 6, 4, 3 o 2 bit kada weight dagdag ang group scales ng MLX (kalahating bit kada weight), o ang native format nito, at may espasyo pa para sa context. Bilang default, mga 75% ng unified memory ang ipinapagamit ng macOS sa GPU. Bilis: ang memory bandwidth na hinati sa mga byte na binabasa kada token ang pinakamataas na posible para sa isang usapan; sa mga pampublikong benchmark ng llama.cpp sa Apple Silicon, umaabot ang totoong takbo sa mga 45% hanggang 80% nito, at iyon ang range na ipinapakita. Mga tantiya ito, hindi sukat: sukatin ang sarili mong Mac sa MLX Bench. Ang mga numero ng model ay mula sa opisyal na model card ng bawat isa, at ang sa chip ay mula sa Tech Specs ng Apple. Sinuri noong 2026-10-19. Parehong data ng mlx.app/compare.