La puce M4 Max peut-elle faire tourner un modèle 70B ?

Oui. Un modèle 70B en 4 bits nécessite environ 40 GB, et la puce M4 Max offre jusqu’à 128 GB. Comptez un plafond d’environ 14 tokens par seconde pour une conversation.

Combien de tokens par seconde avec la puce M4 Max ?

Pour un modèle 8B en 4 bits, le plafond est d’environ 121 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 M4 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 M4 Max offre jusqu’à 128 GB à 546 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.

M4 Max pour LLM en local : mémoire, vitesse et modèles

1Les caractéristiques qui comptent pour l’IA

Mémoire unifiée	128 GB
Bande passante mémoire	546 GB/s, ou 410 GB/s sur la configuration inférieure
Présente dans	14- and 16-inch MacBook Pro (2024), Mac Studio (2025)
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 M4 Max accueille sans peine des modèles jusqu’à environ 170 milliards de paramètres.

Modèle en 4 bits	Mémoire nécessaire	Tient sur la puce M4 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 546 GB/s de la puce M4 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	121 tokens/s
Modèle 14B	7,9 GB	69 tokens/s
Modèle 32B	18 GB	30 tokens/s
Modèle 70B	39,4 GB	14 tokens/s
gpt-oss-120b, mixture-of-experts	2,7 GB	202 tokens/s

Mesuré : sur M4 Max (40-core GPU), llama.cpp génère 83 tokens par seconde avec Llama-2-7B (Q4_0) dans ses benchmarks publics.

5Comparer avec d’autres puces

6Questions

La puce M4 Max peut-elle faire tourner un modèle 70B ?: Oui. Un modèle 70B en 4 bits nécessite environ 40 GB, et la puce M4 Max offre jusqu’à 128 GB. Comptez un plafond d’environ 14 tokens par seconde pour une conversation.
Combien de tokens par seconde avec la puce M4 Max ?: Pour un modèle 8B en 4 bits, le plafond est d’environ 121 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 M4 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 M4 Max offre jusqu’à 128 GB à 546 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: M4 Pro and M4 Maxapple.com
llama.cpp: Apple Silicon benchmarksgithub.com