Mag-log inGumawa ng wallet

Ang pinakamagandang LLM para sa 96 GB na Mac.

44 sa 73 na open model ang tumatakbo nang maayos sa 96 GB. Bilang default, mga 72 GB nito ang magagamit ng GPU. Nakadepende sa chip ang bilis: mula 300 GB/s sa M3 Max hanggang 1,200 GB/s sa M5 Ultra.

Pinakamatalino na maayos tumakboQwen3.8 27B8-bit · 28.7 GB · 5–33 tok/sPinakamalaki na maayos tumakbogpt-oss-120bnative na 4.25-bit · 65.3 GB · 50–356 tok/sPara sa codeQwen3 Coder Next6-bit · 65 GB · 56–400 tok/s

Mga Mac na may 96 GB

4 chip mula M2 hanggang M5 ang may 96 GB. Buksan ang alinman para sa sarili nitong listahan at bilis.

Tumatakbo nang maayos 51

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

ModelBersyonMemoryM3 MaxM5 Ultra
Qwen3.8 27B27B · Intelligence 33.78-bit28.7 GB5–819–33
Nemotron 3.5 Bolt 74B A9B74B · 9B aktibo · Intelligence 21.46-bit60.1 GB18–3374–132
Qwen3.6 35B A3B35B · 3B aktibo · Intelligence 18.28-bit37.2 GB42–75169–300
Muse Glimmer 30B29.6B · Intelligence 17.58-bit31.5 GB4–817–30
Gemma 4 31B30.7B · Intelligence 14.78-bit32.6 GB4–717–29
Nemotron 3.5 Lightning 30B A3B30B · 3B aktibo · Intelligence 12.98-bit31.9 GB42–75169–300
Granite 4.2 30B30B · Intelligence 12.78-bit31.9 GB4–817–30
MiniCPM5 2B2.52B · Intelligence 12.58-bit2.7 GB50–89200–356
gpt-oss-120b117B · 5.1B aktibo · Intelligence 11.6native na 4.25-bit65.3 GB50–89200–356
Qwen3.5 9B9B · Intelligence 11.28-bit9.6 GB14–2556–100
Granite 4.2 8B8B · Intelligence 11.18-bit8.5 GB16–2864–113
Qwen3 Coder Next80B · 3B aktibo · Intelligence 9.26-bit65 GB56–100225–400
Granite 4.2 3B3B · Intelligence 9.18-bit3.2 GB42–75169–300
gpt-oss-20b21B · 3.6B aktibo · Intelligence 9native na 4.25-bit13.8 GB71–126284–505
Nemotron 3 Nano 30B A3B30B · 3.5B aktibo · Intelligence 8.98-bit31.9 GB36–65146–259
Gemma 4 E4B8B · Intelligence 8.98-bit8.5 GB28–50113–200
Llama 4 Scout 17B-16E Instruct109B · 17B aktibo · Intelligence 6.54-bit61.3 GB14–2556–100
Ministral 3 8B8.9B · Intelligence 5.58-bit9.5 GB14–2557–101
Nemotron 3 Nano 4B3.97B · Intelligence 4.88-bit4.2 GB32–57129–229
GLM-4.5 Air106B · 12B aktibo4-bit59.6 GB20–3579–141
Llama 3.3 70B Instruct70B4-bit39.4 GB2–414–24
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B aktibo8-bit32.4 GB39–69154–274
GLM-4.7 Flash30B · 3B aktibo8-bit31.9 GB42–75169–300
Qwen3.6 27B27B8-bit28.7 GB5–819–33
Gemma 4 26B A4B25.2B · 3.8B aktibo8-bit26.8 GB34–60135–240
Devstral Small 2 (24B)24B8-bit25.5 GB10–1821–38
Magistral Small 1.2 (2509)24B8-bit25.5 GB10–1821–38
Mistral Small 3.2 (24B)24B8-bit25.5 GB10–1821–38
LFM2.5 24B A2B24B · 2B aktibo8-bit25.5 GB64–114257–457
Phi-4 Reasoning Vision 15B15B8-bit15.9 GB11–2034–60
Phi-4 (14B)14B8-bit14.9 GB12–2136–64
Gemma 4 12B Unified12B8-bit12.7 GB11–1943–76
Qwen3 8B8.2B8-bit8.7 GB16–2862–110
Llama 3.1 8B Instruct8B8-bit8.5 GB16–2864–113
Gemma 4 E2B5.1B8-bit5.4 GB56–100225–400
Qwen3.5 4B4B8-bit4.3 GB31–56126–223
Phi-4 mini instruct3.8B8-bit4 GB34–60135–240
Llama 3.2 3B Instruct3.21B8-bit3.4 GB40–71159–282
SmolLM3 3B3B8-bit3.2 GB42–75169–300
LFM2.5 2.6B2.69B8-bit2.9 GB47–83186–331
Qwen3.5 2B2B8-bit2.1 GB64–114257–457
Llama 3.2 1B Instruct1.23B8-bit1.3 GB104–185415–738
Qwen3.5 0.8B0.8B8-bit0.9 GB150–267600–1067
Qwen3 0.6B0.6B8-bit0.6 GB225–400900–1600
Qwen3.8 Flash Next180B · 6B aktibo · Intelligence 39.82-bit mas mababang kalidad56.3 GB71–126284–505
Qwen3.5 122B A10B122B · 10B aktibo · Intelligence 15.63-bit mas mababang kalidad53.4 GB31–55123–218
Mistral Medium 3.5 (128B)128B · Intelligence 14.23-bit mas mababang kalidad56 GB2–410–17
Mistral Small 4 (119B)119B · 6.5B aktibo · Intelligence 11.33-bit mas mababang kalidad52.1 GB48–86193–343
Devstral 2 (123B)123B3-bit mas mababang kalidad53.8 GB3–410–18
Ornith 1.5 122B122B · 10B aktibo3-bit mas mababang kalidad53.4 GB31–55123–218
Nemotron 3 Super 120B A12B120B · 12B aktibo3-bit mas mababang kalidad52.5 GB25–45102–181

Halos hindi kasya 1

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

ModelBersyonMemoryM3 MaxM5 Ultra
MiniMax M2.7230B · 10B aktibo2-bit mas mababang kalidad71.9 GB44–77174–310

Masyadong malaki 21

Kailangan ng higit sa 96 GB na memory, kahit sa 2 bit.

Mga tanong

Ano ang pinakamagandang LLM para sa Mac na may 96 GB?
Sa mga model na may nailathalang Intelligence Index, Qwen3.8 27B ang may pinakamataas na score sa mga tumatakbo nang maayos sa 96 GB (8-bit). Ang pinakamalaking tumatakbo nang maayos ay gpt-oss-120b. Para sa code: Qwen3 Coder Next.
Sapat ba ang 96 GB para sa local AI sa Mac?
44 sa 73 na open model dito ang tumatakbo nang maayos dito sa 4 bit o mas mataas. Bilang default, mga 72 GB nito ang ipinapagamit ng macOS sa GPU; doon dapat magkasya ang model at ang context nito.
Kaya ba ng 96 GB na Mac ang gpt-oss-20b?
Oo, native na 4.25-bit, sa mga 71–126 token bawat segundo sa M3 Max at 284–505 sa M5 Ultra.

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.

Pinakamagandang local LLM para sa 96 GB na Mac (M2 hanggang M5)