Ano ang pinakamagandang LLM para sa Mac na may 32 GB?

Sa mga model na may nailathalang Intelligence Index, Qwen3.8 27B ang may pinakamataas na score sa mga tumatakbo nang maayos sa 32 GB (4-bit). Ang pinakamalaking tumatakbo nang maayos ay Qwen3.6 35B A3B. Para sa code: Qwen3 Coder 30B A3B Instruct.

Sapat ba ang 32 GB para sa local AI sa Mac?

38 sa 73 na open model dito ang tumatakbo nang maayos dito sa 4 bit o mas mataas. Bilang default, mga 24 GB nito ang ipinapagamit ng macOS sa GPU; doon dapat magkasya ang model at ang context nito.

Kaya ba ng 32 GB na Mac ang gpt-oss-20b?

Oo, native na 4.25-bit, sa mga 28–51 token bawat segundo sa M4 at 95–168 sa M1 Max.

Pinakamagandang local LLM para sa 32 GB na Mac (M1 hanggang M6)

Mga Mac na may 32 GB

7 chip mula M1 hanggang M6 ang may 32 GB. Buksan ang alinman para sa sarili nitong listahan at bilis.

Tumatakbo nang maayos 38

Kasya at may espasyo pa para sa context, sa 10 o higit pang token bawat segundo sa M1 Max.

Model	Bersyon	Memory	M4	M1 Max
Qwen3.8 27B27B · Intelligence 33.7	4-bit	15.2 GB	2–4	12–21
Qwen3.6 35B A3B35B · 3B aktibo · Intelligence 18.2	4-bit	19.7 GB	32–56	106–188
Muse Glimmer 30B29.6B · Intelligence 17.5	4-bit	16.7 GB	3–6	11–19
Gemma 4 31B30.7B · Intelligence 14.7	4-bit	17.3 GB	3–6	10–18
Nemotron 3.5 Lightning 30B A3B30B · 3B aktibo · Intelligence 12.9	4-bit	16.9 GB	32–56	106–188
Granite 4.2 30B30B · Intelligence 12.7	4-bit	16.9 GB	3–6	11–19
MiniCPM5 2B2.52B · Intelligence 12.5	8-bit	2.7 GB	20–36	67–119
Qwen3.5 9B9B · Intelligence 11.2	8-bit	9.6 GB	11–19	19–33
Granite 4.2 8B8B · Intelligence 11.1	8-bit	8.5 GB	12–21	21–38
Granite 4.2 3B3B · Intelligence 9.1	8-bit	3.2 GB	17–30	56–100
gpt-oss-20b21B · 3.6B aktibo · Intelligence 9	native na 4.25-bit	13.8 GB	28–51	95–168
Nemotron 3 Nano 30B A3B30B · 3.5B aktibo · Intelligence 8.9	4-bit	16.9 GB	27–48	90–160
Gemma 4 E4B8B · Intelligence 8.9	8-bit	8.5 GB	11–20	38–67
Ministral 3 8B8.9B · Intelligence 5.5	8-bit	9.5 GB	11–19	19–34
Nemotron 3 Nano 4B3.97B · Intelligence 4.8	8-bit	4.2 GB	13–23	43–76
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B aktibo	4-bit	17.2 GB	28–51	95–168
GLM-4.7 Flash30B · 3B aktibo	4-bit	16.9 GB	32–56	106–188
Qwen3.6 27B27B	4-bit	15.2 GB	2–4	12–21
Gemma 4 26B A4B25.2B · 3.8B aktibo	6-bit	20.5 GB	17–31	58–103
Devstral Small 2 (24B)24B	4-bit	13.5 GB	3–5	13–24
Magistral Small 1.2 (2509)24B	4-bit	13.5 GB	3–5	13–24
Mistral Small 3.2 (24B)24B	4-bit	13.5 GB	3–5	13–24
LFM2.5 24B A2B24B · 2B aktibo	6-bit	19.5 GB	34–60	113–200
Phi-4 Reasoning Vision 15B15B	8-bit	15.9 GB	3–6	11–20
Phi-4 (14B)14B	8-bit	14.9 GB	4–6	12–21
Gemma 4 12B Unified12B	8-bit	12.7 GB	4–8	14–25
Qwen3 8B8.2B	8-bit	8.7 GB	12–21	21–37
Llama 3.1 8B Instruct8B	8-bit	8.5 GB	12–21	21–38
Gemma 4 E2B5.1B	8-bit	5.4 GB	23–40	75–133
Qwen3.5 4B4B	8-bit	4.3 GB	13–22	42–74
Phi-4 mini instruct3.8B	8-bit	4 GB	14–24	45–80
Llama 3.2 3B Instruct3.21B	8-bit	3.4 GB	16–28	53–94
SmolLM3 3B3B	8-bit	3.2 GB	17–30	56–100
LFM2.5 2.6B2.69B	8-bit	2.9 GB	19–33	62–110
Qwen3.5 2B2B	8-bit	2.1 GB	26–46	86–152
Llama 3.2 1B Instruct1.23B	8-bit	1.3 GB	42–74	138–246
Qwen3.5 0.8B0.8B	8-bit	0.9 GB	60–107	200–356
Qwen3 0.6B0.6B	8-bit	0.6 GB	90–160	300–533

Tumatakbo, pero mabagal 1

Kasya, pero wala pang 10 token bawat segundo: ayos para sa batch work, mabagal para sa chat.

Model	Bersyon	Memory	M4	M1 Max
Llama 3.3 70B Instruct70B	2-bit mas mababang kalidad	21.9 GB	2–4	8–15

Halos hindi kasya 2

Halos lahat ng memory ang kailangan: itaas ang GPU memory limit at panatilihing maikli ang context.

Model	Bersyon	Memory	M4	M1 Max
Nemotron 3.5 Bolt 74B A9B74B · 9B aktibo · Intelligence 21.4	2-bit mas mababang kalidad	23.1 GB	19–34	64–114
Qwen3 Coder Next80B · 3B aktibo · Intelligence 9.2	2-bit mas mababang kalidad	25 GB	60–107	200–356

Mga tanong

Ano ang pinakamagandang LLM para sa Mac na may 32 GB?: Sa mga model na may nailathalang Intelligence Index, Qwen3.8 27B ang may pinakamataas na score sa mga tumatakbo nang maayos sa 32 GB (4-bit). Ang pinakamalaking tumatakbo nang maayos ay Qwen3.6 35B A3B. Para sa code: Qwen3 Coder 30B A3B Instruct.
Sapat ba ang 32 GB para sa local AI sa Mac?: 38 sa 73 na open model dito ang tumatakbo nang maayos dito sa 4 bit o mas mataas. Bilang default, mga 24 GB nito ang ipinapagamit ng macOS sa GPU; doon dapat magkasya ang model at ang context nito.
Kaya ba ng 32 GB na Mac ang gpt-oss-20b?: Oo, native na 4.25-bit, sa mga 28–51 token bawat segundo sa M4 at 95–168 sa M1 Max.

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.

Ang pinakamagandang LLM para sa 32 GB na Mac.