Mag-log inGumawa ng wallet

Ano ang kaya ng M3 Ultra na may 256 GB?

53 sa 73 na open model ang tumatakbo nang maayos dito. Bilang default, mga 192 GB sa 256 GB nito ang magagamit ng GPU, at binabasa nito ang memory sa 819 GB/s, na siyang nagtatakda kung gaano ito kabilis magsulat. Makikita sa: Mac Studio (2025).

Pinakamatalino na maayos tumakboQwen3.8 Flash Next6-bit · 146 GB · 75–134 tok/sPinakamalaki na maayos tumakboMiMo V2.6 Flashnative na 4.48-bit · 173 GB · 44–78 tok/sPara sa codeQwen3 Coder Next8-bit · 85 GB · 115–205 tok/s

Tumatakbo nang maayos 60

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

ModelBersyonMemoryToken/s
Qwen3.8 Flash Next180B · 6B aktibo · Intelligence 39.86-bit146 GB75–134
MiMo V2.6 Flash309B · 15B aktibo · Intelligence 37.9native na 4.48-bit173 GB44–78
Qwen3.8 27B27B · Intelligence 33.78-bit28.7 GB13–23
Inkling Small276B · 12B aktibo · Intelligence 25.74-bit155 GB54–96
Hy3295B · 21B aktibo · Intelligence 25.34-bit166 GB31–56
Nemotron 3.5 Bolt 74B A9B74B · 9B aktibo · Intelligence 21.48-bit78.6 GB38–68
Qwen3.6 35B A3B35B · 3B aktibo · Intelligence 18.28-bit37.2 GB115–205
Muse Glimmer 30B29.6B · Intelligence 17.58-bit31.5 GB12–21
Qwen3.5 122B A10B122B · 10B aktibo · Intelligence 15.68-bit130 GB35–62
Gemma 4 31B30.7B · Intelligence 14.78-bit32.6 GB11–20
Nemotron 3.5 Lightning 30B A3B30B · 3B aktibo · Intelligence 12.98-bit31.9 GB115–205
Granite 4.2 30B30B · Intelligence 12.78-bit31.9 GB12–21
MiniCPM5 2B2.52B · Intelligence 12.58-bit2.7 GB137–243
gpt-oss-120b117B · 5.1B aktibo · Intelligence 11.6native na 4.25-bit65.3 GB137–243
Mistral Small 4 (119B)119B · 6.5B aktibo · Intelligence 11.38-bit126 GB53–95
Qwen3.5 9B9B · Intelligence 11.28-bit9.6 GB38–68
Granite 4.2 8B8B · Intelligence 11.18-bit8.5 GB43–77
Qwen3 Coder Next80B · 3B aktibo · Intelligence 9.28-bit85 GB115–205
Granite 4.2 3B3B · Intelligence 9.18-bit3.2 GB115–205
gpt-oss-20b21B · 3.6B aktibo · Intelligence 9native na 4.25-bit13.8 GB194–345
Nemotron 3 Nano 30B A3B30B · 3.5B aktibo · Intelligence 8.98-bit31.9 GB100–177
Gemma 4 E4B8B · Intelligence 8.98-bit8.5 GB77–137
Llama 4 Scout 17B-16E Instruct109B · 17B aktibo · Intelligence 6.58-bit116 GB20–36
Ministral 3 8B8.9B · Intelligence 5.58-bit9.5 GB39–69
Nemotron 3 Nano 4B3.97B · Intelligence 4.88-bit4.2 GB88–156
DeepSeek V4 Flash 0731284B · 13B aktibo4-bit160 GB50–90
MiniMax M2.7230B · 10B aktibo4-bit129 GB66–117
Ornith 1.5 122B122B · 10B aktibo8-bit130 GB35–62
Nemotron 3 Super 120B A12B120B · 12B aktibo8-bit128 GB29–51
GLM-4.5 Air106B · 12B aktibo8-bit113 GB29–51
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B aktibo8-bit32.4 GB105–187
GLM-4.7 Flash30B · 3B aktibo8-bit31.9 GB115–205
Qwen3.6 27B27B8-bit28.7 GB13–23
Gemma 4 26B A4B25.2B · 3.8B aktibo8-bit26.8 GB92–164
Devstral Small 2 (24B)24B8-bit25.5 GB14–26
Magistral Small 1.2 (2509)24B8-bit25.5 GB14–26
Mistral Small 3.2 (24B)24B8-bit25.5 GB14–26
LFM2.5 24B A2B24B · 2B aktibo8-bit25.5 GB176–312
Phi-4 Reasoning Vision 15B15B8-bit15.9 GB23–41
Phi-4 (14B)14B8-bit14.9 GB25–44
Gemma 4 12B Unified12B8-bit12.7 GB29–52
Qwen3 8B8.2B8-bit8.7 GB42–75
Llama 3.1 8B Instruct8B8-bit8.5 GB43–77
Gemma 4 E2B5.1B8-bit5.4 GB154–273
Qwen3.5 4B4B8-bit4.3 GB86–152
Phi-4 mini instruct3.8B8-bit4 GB92–164
Llama 3.2 3B Instruct3.21B8-bit3.4 GB108–193
SmolLM3 3B3B8-bit3.2 GB115–205
LFM2.5 2.6B2.69B8-bit2.9 GB127–226
Qwen3.5 2B2B8-bit2.1 GB176–312
Llama 3.2 1B Instruct1.23B8-bit1.3 GB284–504
Qwen3.5 0.8B0.8B8-bit0.9 GB410–728
Qwen3 0.6B0.6B8-bit0.6 GB614–1092
DeepSeek V4.1 Flash 1017552B · 16B aktibo · Intelligence 45.12-bit mas mababang kalidad173 GB74–131
GLM-5.3 Flash320B · 18B aktibo · Intelligence 41.83-bit mas mababang kalidad140 GB47–83
Beam 1.0501B · 23B aktibo · Intelligence 30.32-bit mas mababang kalidad157 GB51–91
MiniMax M3428B · 23B aktibo · Intelligence 29.22-bit mas mababang kalidad134 GB51–91
Nemotron 3 Ultra 550B A55B550B · 55B aktibo · Intelligence 22.92-bit mas mababang kalidad172 GB21–38
Qwen3.5 397B A17B397B · 17B aktibo · Intelligence 18.43-bit mas mababang kalidad174 GB50–89
Llama 4 Maverick 17B-128E Instruct400B · 17B aktibo · Intelligence 9.33-bit mas mababang kalidad175 GB50–89

Tumatakbo, pero mabagal 3

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

ModelBersyonMemoryToken/s
Mistral Medium 3.5 (128B)128B · Intelligence 14.28-bit136 GB3–5
Devstral 2 (123B)123B8-bit131 GB3–5
Llama 3.3 70B Instruct70B8-bit74.4 GB5–9

Halos hindi kasya 1

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

ModelBersyonMemoryToken/s
Mistral Large 3 (675B)675B · 41B aktibo2-bit mas mababang kalidad211 GB29–51

Masyadong malaki 9

Kailangan ng higit sa 256 GB na memory, kahit sa 2 bit.

Ibang Mac

Bawat Mac na may 256 GB, anumang chip.

Ang M3 Ultra na may mas malaki o mas maliit na memory:

Mga katabing chip:

Harapan:

Laban sa mga PC at graphics card:

Ihambing ito sa anumang Mac o GPU · Ang M3 Ultra para sa local AI · Ang pinakamagandang Mac para sa local LLM · Bawat Mac

Mga tanong

Ano ang pinakamagandang LLM para sa M3 Ultra na may 256 GB?
Sa mga model na may nailathalang Intelligence Index, Qwen3.8 Flash Next ang may pinakamataas na score sa mga tumatakbo nang maayos dito: 6-bit, mga 75–134 token bawat segundo. Ang pinakamalaking tumatakbo nang maayos ay MiMo V2.6 Flash.
Kaya ba ng M3 Ultra na may 256 GB ang Llama 3.3 70B?
Oo, pero mabagal: 8-bit, sa mga 5–9 token bawat segundo.
Gaano kabilis ang gpt-oss-20b sa M3 Ultra?
Mga 194–345 token bawat segundo (native na 4.25-bit), batay sa 819 GB/s na memory bandwidth ng chip.

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.

Anong LLM ang kaya ng M3 Ultra na may 256 GB? Mga model at bilis