La puce M3 peut-elle faire tourner un modèle 70B ?

Pas confortablement. Un modèle 70B en 4 bits nécessite environ 40 GB, et la puce M3 offre au plus 24 GB. Les modèles jusqu’à environ 32 milliards de paramètres tiennent bien.

Combien de tokens par seconde avec la puce M3 ?

Pour un modèle 8B en 4 bits, le plafond est d’environ 22 tokens par seconde, et en pratique on en atteint entre la moitié et les quatre cinquièmes. Les modèles plus gros sont proportionnellement plus lents.

La puce M3 est-elle bonne pour l’IA ?

Pour faire tourner des modèles en local, ce sont la mémoire et la bande passante qui comptent le plus. La puce M3 offre jusqu’à 24 GB à 100 GB/s, assez pour des modèles jusqu’à environ 32 milliards de paramètres. Elle peut aussi rapporter en exécutant des tâches d’IA pour MLX Network avec MLX Node.

M3 pour LLM en local : mémoire, vitesse et modèles

1Les caractéristiques qui comptent pour l’IA

Mémoire unifiée	24 GB
Bande passante mémoire	100 GB/s
Présente dans	MacBook Air (2024), 14-inch MacBook Pro (2023), iMac (2023)
Place dédiée adaptée	Place Core : mine jusqu’à 20 MLX par jour

2Quels modèles tiennent

À 4 bits par poids, un modèle a besoin d’un peu plus d’un demi-gigaoctet par milliard de paramètres, plus de la place pour son contexte et pour macOS. Avec 24 GB, la puce M3 accueille sans peine des modèles jusqu’à environ 32 milliards de paramètres.

Modèle en 4 bits	Mémoire nécessaire	Tient sur la puce M3
Modèle 8B	4,5 GB	Oui
Modèle 14B	7,9 GB	Oui
Modèle 32B	18 GB	Oui
Modèle 70B	39,4 GB	Non
gpt-oss-120b, mixture-of-experts	65 GB	Non
Qwen3.5-397B-A17B, mixture-of-experts	223,3 GB	Non
DeepSeek-V4.1-Flash, mixture-of-experts	316 GB	Non

3Quelle vitesse attendre

La génération de texte est limitée par la bande passante mémoire : chaque nouveau token lit une fois les poids actifs du modèle. En divisant les 100 GB/s de la puce M3 par les octets lus par token, on obtient le plafond ci-dessous. En pratique, on atteint généralement 45 % à 80 % de ce plafond (benchmarks llama.cpp).

Modèle en 4 bits	Lu par token	Plafond pour une conversation
Modèle 8B	4,5 GB	22 tokens/s
Modèle 14B	7,9 GB	13 tokens/s
Modèle 32B	18 GB	6 tokens/s

5Comparer avec d’autres puces

6Questions

La puce M3 peut-elle faire tourner un modèle 70B ?: Pas confortablement. Un modèle 70B en 4 bits nécessite environ 40 GB, et la puce M3 offre au plus 24 GB. Les modèles jusqu’à environ 32 milliards de paramètres tiennent bien.
Combien de tokens par seconde avec la puce M3 ?: Pour un modèle 8B en 4 bits, le plafond est d’environ 22 tokens par seconde, et en pratique on en atteint entre la moitié et les quatre cinquièmes. Les modèles plus gros sont proportionnellement plus lents.
La puce M3 est-elle bonne pour l’IA ?: Pour faire tourner des modèles en local, ce sont la mémoire et la bande passante qui comptent le plus. La puce M3 offre jusqu’à 24 GB à 100 GB/s, assez pour des modèles jusqu’à environ 32 milliards de paramètres. Elle peut aussi rapporter en exécutant des tâches d’IA pour MLX Network avec MLX Node.

Sources

Apple: M3, M3 Pro and M3 Maxapple.com
llama.cpp: Apple Silicon benchmarksgithub.com