Tumatakbo nang maayos 36
Kasya at may espasyo pa para sa context, sa 10 o higit pang token bawat segundo.
| Model | Bersyon | Memory | Token/s |
|---|---|---|---|
| MiniCPM5 2B2.52B · Intelligence 12.5 | 8-bit | 2.7 GB | 51–91 |
| Qwen3.5 9B9B · Intelligence 11.2 | 8-bit | 9.6 GB | 14–26 |
| Granite 4.2 8B8B · Intelligence 11.1 | 8-bit | 8.5 GB | 16–29 |
| Granite 4.2 3B3B · Intelligence 9.1 | 8-bit | 3.2 GB | 43–77 |
| gpt-oss-20b21B · 3.6B aktibo · Intelligence 9 | native na 4.25-bit | 13.8 GB | 73–129 |
| Gemma 4 E4B8B · Intelligence 8.9 | 8-bit | 8.5 GB | 29–51 |
| Ministral 3 8B8.9B · Intelligence 5.5 | 8-bit | 9.5 GB | 15–26 |
| Nemotron 3 Nano 4B3.97B · Intelligence 4.8 | 8-bit | 4.2 GB | 33–58 |
| Gemma 4 26B A4B25.2B · 3.8B aktibo | 4-bit | 14.2 GB | 66–117 |
| Devstral Small 2 (24B)24B | 4-bit | 13.5 GB | 10–18 |
| Magistral Small 1.2 (2509)24B | 4-bit | 13.5 GB | 10–18 |
| Mistral Small 3.2 (24B)24B | 4-bit | 13.5 GB | 10–18 |
| LFM2.5 24B A2B24B · 2B aktibo | 4-bit | 13.5 GB | 126–223 |
| Phi-4 Reasoning Vision 15B15B | 6-bit | 12.2 GB | 11–20 |
| Phi-4 (14B)14B | 6-bit | 11.4 GB | 12–22 |
| Gemma 4 12B Unified12B | 8-bit | 12.7 GB | 11–19 |
| Qwen3 8B8.2B | 8-bit | 8.7 GB | 16–28 |
| Llama 3.1 8B Instruct8B | 8-bit | 8.5 GB | 16–29 |
| Gemma 4 E2B5.1B | 8-bit | 5.4 GB | 58–102 |
| Qwen3.5 4B4B | 8-bit | 4.3 GB | 32–57 |
| Phi-4 mini instruct3.8B | 8-bit | 4 GB | 35–61 |
| Llama 3.2 3B Instruct3.21B | 8-bit | 3.4 GB | 41–72 |
| SmolLM3 3B3B | 8-bit | 3.2 GB | 43–77 |
| LFM2.5 2.6B2.69B | 8-bit | 2.9 GB | 48–85 |
| Qwen3.5 2B2B | 8-bit | 2.1 GB | 66–117 |
| Llama 3.2 1B Instruct1.23B | 8-bit | 1.3 GB | 106–189 |
| Qwen3.5 0.8B0.8B | 8-bit | 0.9 GB | 154–273 |
| Qwen3 0.6B0.6B | 8-bit | 0.6 GB | 230–409 |
| Qwen3.6 35B A3B35B · 3B aktibo · Intelligence 18.2 | 3-bit mas mababang kalidad | 15.3 GB | 106–189 |
| Muse Glimmer 30B29.6B · Intelligence 17.5 | 3-bit mas mababang kalidad | 13 GB | 11–19 |
| Gemma 4 31B30.7B · Intelligence 14.7 | 3-bit mas mababang kalidad | 13.4 GB | 10–18 |
| Nemotron 3.5 Lightning 30B A3B30B · 3B aktibo · Intelligence 12.9 | 3-bit mas mababang kalidad | 13.1 GB | 106–189 |
| Granite 4.2 30B30B · Intelligence 12.7 | 3-bit mas mababang kalidad | 13.1 GB | 11–19 |
| Nemotron 3 Nano 30B A3B30B · 3.5B aktibo · Intelligence 8.9 | 3-bit mas mababang kalidad | 13.1 GB | 92–164 |
| Qwen3 Coder 30B A3B Instruct30.5B · 3.3B aktibo | 3-bit mas mababang kalidad | 13.3 GB | 99–175 |
| GLM-4.7 Flash30B · 3B aktibo | 3-bit mas mababang kalidad | 13.1 GB | 106–189 |
Tumatakbo, pero mabagal 2
Kasya, pero wala pang 10 token bawat segundo: ayos para sa batch work, mabagal para sa chat.
| Model | Bersyon | Memory | Token/s |
|---|---|---|---|
| Qwen3.8 27B27B · Intelligence 33.7 | 4-bit | 15.2 GB | 9–16 |
| Qwen3.6 27B27B | 4-bit | 15.2 GB | 9–16 |
Masyadong malaki 35
Kailangan ng higit sa 24 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
Ibang Mac
Bawat Mac na may 24 GB, anumang chip.
Ang M5 Pro na may mas malaki o mas maliit na memory:
Mga katabing chip:
Harapan:
Ihambing ito sa anumang Mac o GPU · Ang M5 Pro para sa local AI · Ang pinakamagandang Mac para sa local LLM · Bawat Mac
Mga tanong
- Ano ang pinakamagandang LLM para sa M5 Pro na may 24 GB?
- Sa mga model na may nailathalang Intelligence Index, MiniCPM5 2B ang may pinakamataas na score sa mga tumatakbo nang maayos dito: 8-bit, mga 51–91 token bawat segundo. Ang pinakamalaking tumatakbo nang maayos ay Gemma 4 26B A4B.
- Kaya ba ng M5 Pro na may 24 GB ang Llama 3.3 70B?
- Hindi: kahit sa 2 bit, kailangan nito ng higit sa 18 GB na magagamit ng GPU bilang default.
- Gaano kabilis ang gpt-oss-20b sa M5 Pro?
- Mga 73–129 token bawat segundo (native na 4.25-bit), batay sa 307 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.