Ano ang pinakamagandang LLM para sa Mac na may 36 GB?

Sa mga model na may nailathalang Intelligence Index, Qwen3.8 27B ang may pinakamataas na score sa mga tumatakbo nang maayos sa 36 GB (4-bit). Ang pinakamalaking tumatakbo nang maayos ay Qwen3.6 35B A3B. Para sa code: Qwen3 Coder 30B A3B Instruct.

Sapat ba ang 36 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 27 GB nito ang ipinapagamit ng macOS sa GPU; doon dapat magkasya ang model at ang context nito.

Kaya ba ng 36 GB na Mac ang gpt-oss-20b?

Oo, native na 4.25-bit, sa mga 36–63 token bawat segundo sa M3 Pro at 109–194 sa M5 Max.

Pinakamagandang local LLM para sa 36 GB na Mac (M3 hanggang M5)

Mga Mac na may 36 GB

4 chip mula M3 hanggang M5 ang may 36 GB. Buksan ang alinman para sa sarili nitong listahan at bilis.

Tumatakbo nang maayos 40

Kasya at may espasyo pa para sa context, sa 10 o higit pang token bawat segundo sa M5 Max.

Model	Bersyon	Memory	M3 Pro	M5 Max
Qwen3.8 27B27B · Intelligence 33.7	4-bit	15.2 GB	3–5	14–24
Qwen3.6 35B A3B35B · 3B aktibo · Intelligence 18.2	4-bit	19.7 GB	40–71	122–216
Muse Glimmer 30B29.6B · Intelligence 17.5	4-bit	16.7 GB	3–5	12–22
Gemma 4 31B30.7B · Intelligence 14.7	4-bit	17.3 GB	3–5	12–21
Nemotron 3.5 Lightning 30B A3B30B · 3B aktibo · Intelligence 12.9	6-bit	24.4 GB	28–50	86–153
Granite 4.2 30B30B · Intelligence 12.7	4-bit	16.9 GB	3–5	12–22
MiniCPM5 2B2.52B · Intelligence 12.5	8-bit	2.7 GB	25–44	77–136
Qwen3.5 9B9B · Intelligence 11.2	8-bit	9.6 GB	13–24	22–38
Granite 4.2 8B8B · Intelligence 11.1	8-bit	8.5 GB	10–18	24–43
Granite 4.2 3B3B · Intelligence 9.1	8-bit	3.2 GB	21–38	65–115
gpt-oss-20b21B · 3.6B aktibo · Intelligence 9	native na 4.25-bit	13.8 GB	36–63	109–194
Nemotron 3 Nano 30B A3B30B · 3.5B aktibo · Intelligence 8.9	6-bit	24.4 GB	24–43	74–131
Gemma 4 E4B8B · Intelligence 8.9	8-bit	8.5 GB	14–25	43–77
Ministral 3 8B8.9B · Intelligence 5.5	8-bit	9.5 GB	14–24	22–39
Nemotron 3 Nano 4B3.97B · Intelligence 4.8	8-bit	4.2 GB	16–29	49–88
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B aktibo	6-bit	24.8 GB	25–44	77–136
GLM-4.7 Flash30B · 3B aktibo	6-bit	24.4 GB	28–50	86–153
Qwen3.6 27B27B	4-bit	15.2 GB	3–5	14–24
Gemma 4 26B A4B25.2B · 3.8B aktibo	6-bit	20.5 GB	22–39	67–119
Devstral Small 2 (24B)24B	6-bit	19.5 GB	3–6	11–19
Magistral Small 1.2 (2509)24B	6-bit	19.5 GB	3–6	11–19
Mistral Small 3.2 (24B)24B	6-bit	19.5 GB	3–6	11–19
LFM2.5 24B A2B24B · 2B aktibo	6-bit	19.5 GB	42–75	129–230
Phi-4 Reasoning Vision 15B15B	8-bit	15.9 GB	4–8	13–23
Phi-4 (14B)14B	8-bit	14.9 GB	5–8	14–25
Gemma 4 12B Unified12B	8-bit	12.7 GB	10–18	16–29
Qwen3 8B8.2B	8-bit	8.7 GB	10–18	24–42
Llama 3.1 8B Instruct8B	8-bit	8.5 GB	10–18	24–43
Gemma 4 E2B5.1B	8-bit	5.4 GB	28–50	86–153
Qwen3.5 4B4B	8-bit	4.3 GB	16–28	48–86
Phi-4 mini instruct3.8B	8-bit	4 GB	17–30	52–92
Llama 3.2 3B Instruct3.21B	8-bit	3.4 GB	20–35	61–108
SmolLM3 3B3B	8-bit	3.2 GB	21–38	65–115
LFM2.5 2.6B2.69B	8-bit	2.9 GB	23–41	71–127
Qwen3.5 2B2B	8-bit	2.1 GB	32–57	99–175
Llama 3.2 1B Instruct1.23B	8-bit	1.3 GB	52–92	159–283
Qwen3.5 0.8B0.8B	8-bit	0.9 GB	75–133	230–409
Qwen3 0.6B0.6B	8-bit	0.6 GB	113–200	345–613
Nemotron 3.5 Bolt 74B A9B74B · 9B aktibo · Intelligence 21.4	2-bit mas mababang kalidad	23.1 GB	24–43	74–131
Qwen3 Coder Next80B · 3B aktibo · Intelligence 9.2	2-bit mas mababang kalidad	25 GB	75–133	230–409

Tumatakbo, pero mabagal 1

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

Model	Bersyon	Memory	M3 Pro	M5 Max
Llama 3.3 70B Instruct70B	2-bit mas mababang kalidad	21.9 GB	3–5	9–17

Mga tanong

Ano ang pinakamagandang LLM para sa Mac na may 36 GB?: Sa mga model na may nailathalang Intelligence Index, Qwen3.8 27B ang may pinakamataas na score sa mga tumatakbo nang maayos sa 36 GB (4-bit). Ang pinakamalaking tumatakbo nang maayos ay Qwen3.6 35B A3B. Para sa code: Qwen3 Coder 30B A3B Instruct.
Sapat ba ang 36 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 27 GB nito ang ipinapagamit ng macOS sa GPU; doon dapat magkasya ang model at ang context nito.
Kaya ba ng 36 GB na Mac ang gpt-oss-20b?: Oo, native na 4.25-bit, sa mga 36–63 token bawat segundo sa M3 Pro at 109–194 sa M5 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 36 GB na Mac.