Mag-log inGumawa ng wallet

Ano ang kaya ng M5 Ultra na may 256 GB?

54 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 1,200 GB/s, na siyang nagtatakda kung gaano ito kabilis magsulat. Makikita sa: Mac Studio (M5 Max or M5 Ultra).

Pinakamatalino na maayos tumakboQwen3.8 Flash Next6-bit · 146 GB · 110–196 tok/sPinakamalaki na maayos tumakboMiMo V2.6 Flashnative na 4.48-bit · 173 GB · 64–114 tok/sPara sa codeQwen3 Coder Next8-bit · 85 GB · 169–300 tok/s

Tumatakbo nang maayos 61

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 GB110–196
MiMo V2.6 Flash309B · 15B aktibo · Intelligence 37.9native na 4.48-bit173 GB64–114
Qwen3.8 27B27B · Intelligence 33.78-bit28.7 GB19–33
Inkling Small276B · 12B aktibo · Intelligence 25.74-bit155 GB79–141
Hy3295B · 21B aktibo · Intelligence 25.34-bit166 GB46–81
Nemotron 3.5 Bolt 74B A9B74B · 9B aktibo · Intelligence 21.48-bit78.6 GB56–100
Qwen3.6 35B A3B35B · 3B aktibo · Intelligence 18.28-bit37.2 GB169–300
Muse Glimmer 30B29.6B · Intelligence 17.58-bit31.5 GB17–30
Qwen3.5 122B A10B122B · 10B aktibo · Intelligence 15.68-bit130 GB51–91
Gemma 4 31B30.7B · Intelligence 14.78-bit32.6 GB17–29
Nemotron 3.5 Lightning 30B A3B30B · 3B aktibo · Intelligence 12.98-bit31.9 GB169–300
Granite 4.2 30B30B · Intelligence 12.78-bit31.9 GB17–30
MiniCPM5 2B2.52B · Intelligence 12.58-bit2.7 GB200–356
gpt-oss-120b117B · 5.1B aktibo · Intelligence 11.6native na 4.25-bit65.3 GB200–356
Mistral Small 4 (119B)119B · 6.5B aktibo · Intelligence 11.38-bit126 GB78–139
Qwen3.5 9B9B · Intelligence 11.28-bit9.6 GB56–100
Granite 4.2 8B8B · Intelligence 11.18-bit8.5 GB64–113
Qwen3 Coder Next80B · 3B aktibo · Intelligence 9.28-bit85 GB169–300
Granite 4.2 3B3B · Intelligence 9.18-bit3.2 GB169–300
gpt-oss-20b21B · 3.6B aktibo · Intelligence 9native na 4.25-bit13.8 GB284–505
Nemotron 3 Nano 30B A3B30B · 3.5B aktibo · Intelligence 8.98-bit31.9 GB146–259
Gemma 4 E4B8B · Intelligence 8.98-bit8.5 GB113–200
Llama 4 Scout 17B-16E Instruct109B · 17B aktibo · Intelligence 6.58-bit116 GB30–53
Ministral 3 8B8.9B · Intelligence 5.58-bit9.5 GB57–101
Nemotron 3 Nano 4B3.97B · Intelligence 4.88-bit4.2 GB129–229
DeepSeek V4 Flash 0731284B · 13B aktibo4-bit160 GB74–132
MiniMax M2.7230B · 10B aktibo4-bit129 GB96–171
Ornith 1.5 122B122B · 10B aktibo8-bit130 GB51–91
Nemotron 3 Super 120B A12B120B · 12B aktibo8-bit128 GB42–75
GLM-4.5 Air106B · 12B aktibo8-bit113 GB42–75
Llama 3.3 70B Instruct70B4-bit39.4 GB14–24
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B aktibo8-bit32.4 GB154–274
GLM-4.7 Flash30B · 3B aktibo8-bit31.9 GB169–300
Qwen3.6 27B27B8-bit28.7 GB19–33
Gemma 4 26B A4B25.2B · 3.8B aktibo8-bit26.8 GB135–240
Devstral Small 2 (24B)24B8-bit25.5 GB21–38
Magistral Small 1.2 (2509)24B8-bit25.5 GB21–38
Mistral Small 3.2 (24B)24B8-bit25.5 GB21–38
LFM2.5 24B A2B24B · 2B aktibo8-bit25.5 GB257–457
Phi-4 Reasoning Vision 15B15B8-bit15.9 GB34–60
Phi-4 (14B)14B8-bit14.9 GB36–64
Gemma 4 12B Unified12B8-bit12.7 GB43–76
Qwen3 8B8.2B8-bit8.7 GB62–110
Llama 3.1 8B Instruct8B8-bit8.5 GB64–113
Gemma 4 E2B5.1B8-bit5.4 GB225–400
Qwen3.5 4B4B8-bit4.3 GB126–223
Phi-4 mini instruct3.8B8-bit4 GB135–240
Llama 3.2 3B Instruct3.21B8-bit3.4 GB159–282
SmolLM3 3B3B8-bit3.2 GB169–300
LFM2.5 2.6B2.69B8-bit2.9 GB186–331
Qwen3.5 2B2B8-bit2.1 GB257–457
Llama 3.2 1B Instruct1.23B8-bit1.3 GB415–738
Qwen3.5 0.8B0.8B8-bit0.9 GB600–1067
Qwen3 0.6B0.6B8-bit0.6 GB900–1600
DeepSeek V4.1 Flash 1017552B · 16B aktibo · Intelligence 45.12-bit mas mababang kalidad173 GB108–192
GLM-5.3 Flash320B · 18B aktibo · Intelligence 41.83-bit mas mababang kalidad140 GB68–122
Beam 1.0501B · 23B aktibo · Intelligence 30.32-bit mas mababang kalidad157 GB75–133
MiniMax M3428B · 23B aktibo · Intelligence 29.22-bit mas mababang kalidad134 GB75–133
Nemotron 3 Ultra 550B A55B550B · 55B aktibo · Intelligence 22.92-bit mas mababang kalidad172 GB31–56
Qwen3.5 397B A17B397B · 17B aktibo · Intelligence 18.43-bit mas mababang kalidad174 GB73–130
Llama 4 Maverick 17B-128E Instruct400B · 17B aktibo · Intelligence 9.33-bit mas mababang kalidad175 GB73–130

Tumatakbo, pero mabagal 2

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 GB4–7
Devstral 2 (123B)123B8-bit131 GB4–7

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 GB42–75

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 M5 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 M5 Ultra para sa local AI · Ang pinakamagandang Mac para sa local LLM · Bawat Mac

Mga tanong

Ano ang pinakamagandang LLM para sa M5 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 110–196 token bawat segundo. Ang pinakamalaking tumatakbo nang maayos ay MiMo V2.6 Flash.
Kaya ba ng M5 Ultra na may 256 GB ang Llama 3.3 70B?
Oo: 4-bit, sa mga 14–24 token bawat segundo.
Gaano kabilis ang gpt-oss-20b sa M5 Ultra?
Mga 284–505 token bawat segundo (native na 4.25-bit), batay sa 1,200 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 M5 Ultra na may 256 GB? Mga model at bilis