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

Oui. Un modèle 70B en 4 bits nécessite environ 40 GB, et la puce M3 Max offre jusqu’à 128 GB. Comptez un plafond d’environ 10 tokens par seconde pour une conversation.

Combien de tokens par seconde avec la puce M3 Max ?

Pour un modèle 8B en 4 bits, le plafond est d’environ 89 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 Max 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 Max offre jusqu’à 128 GB à 400 GB/s, assez pour des modèles jusqu’à environ 170 milliards de paramètres. Elle peut aussi rapporter en exécutant des tâches d’IA pour MLX Network avec MLX Node.

M3 Max pour LLM en local : mémoire, vitesse et modèles

1Les caractéristiques qui comptent pour l’IA

Mémoire unifiée	128 GB
Bande passante mémoire	400 GB/s, ou 300 GB/s sur la configuration inférieure
Présente dans	14- and 16-inch MacBook Pro (2023)
Place dédiée adaptée	Place Pro : mine jusqu’à 80 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 128 GB, la puce M3 Max accueille sans peine des modèles jusqu’à environ 170 milliards de paramètres.

Modèle en 4 bits	Mémoire nécessaire	Tient sur la puce M3 Max
Modèle 8B	4,5 GB	Oui
Modèle 14B	7,9 GB	Oui
Modèle 32B	18 GB	Oui
Modèle 70B	39,4 GB	Oui
gpt-oss-120b, mixture-of-experts	65 GB	Oui
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 400 GB/s de la puce M3 Max 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	89 tokens/s
Modèle 14B	7,9 GB	51 tokens/s
Modèle 32B	18 GB	22 tokens/s
Modèle 70B	39,4 GB	10 tokens/s
gpt-oss-120b, mixture-of-experts	2,7 GB	148 tokens/s

5Comparer avec d’autres puces

6Questions

La puce M3 Max peut-elle faire tourner un modèle 70B ?: Oui. Un modèle 70B en 4 bits nécessite environ 40 GB, et la puce M3 Max offre jusqu’à 128 GB. Comptez un plafond d’environ 10 tokens par seconde pour une conversation.
Combien de tokens par seconde avec la puce M3 Max ?: Pour un modèle 8B en 4 bits, le plafond est d’environ 89 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 Max 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 Max offre jusqu’à 128 GB à 400 GB/s, assez pour des modèles jusqu’à environ 170 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
Apple: MacBook Pro (M3 Pro or M3 Max) specssupport.apple.com