Se connecterCréer un portefeuille

Les meilleurs LLM pour un Mac de 96 GB.

44 des 73 modèles ouverts tournent bien avec 96 GB. Par défaut, le GPU peut en utiliser environ 72 GB. La vitesse dépend de la puce : de 300 GB/s sur la M3 Max à 1 200 GB/s sur la M5 Ultra.

Le plus intelligent qui tourne bienQwen3.8 27B8 bits · 28,7 GB · 5–33 tok/sLe plus grand qui tourne biengpt-oss-120b4,25 bits natif · 65,3 GB · 50–356 tok/sPour le codeQwen3 Coder Next6 bits · 65 GB · 56–400 tok/s

Mac avec 96 GB

4 puces, de M2 à M5, existent avec 96 GB. Ouvrez-en une pour voir sa liste et ses vitesses.

Tourne bien 51

Tient avec de la place pour le contexte, à 10 tokens par seconde ou plus sur la puce M5 Ultra.

ModèleVersionMémoireM3 MaxM5 Ultra
Qwen3.8 27B27B · Intelligence 33,78 bits28,7 GB5–819–33
Nemotron 3.5 Bolt 74B A9B74B · 9B actifs · Intelligence 21,46 bits60,1 GB18–3374–132
Qwen3.6 35B A3B35B · 3B actifs · Intelligence 18,28 bits37,2 GB42–75169–300
Muse Glimmer 30B29,6B · Intelligence 17,58 bits31,5 GB4–817–30
Gemma 4 31B30,7B · Intelligence 14,78 bits32,6 GB4–717–29
Nemotron 3.5 Lightning 30B A3B30B · 3B actifs · Intelligence 12,98 bits31,9 GB42–75169–300
Granite 4.2 30B30B · Intelligence 12,78 bits31,9 GB4–817–30
MiniCPM5 2B2,52B · Intelligence 12,58 bits2,7 GB50–89200–356
gpt-oss-120b117B · 5,1B actifs · Intelligence 11,64,25 bits natif65,3 GB50–89200–356
Qwen3.5 9B9B · Intelligence 11,28 bits9,6 GB14–2556–100
Granite 4.2 8B8B · Intelligence 11,18 bits8,5 GB16–2864–113
Qwen3 Coder Next80B · 3B actifs · Intelligence 9,26 bits65 GB56–100225–400
Granite 4.2 3B3B · Intelligence 9,18 bits3,2 GB42–75169–300
gpt-oss-20b21B · 3,6B actifs · Intelligence 94,25 bits natif13,8 GB71–126284–505
Nemotron 3 Nano 30B A3B30B · 3,5B actifs · Intelligence 8,98 bits31,9 GB36–65146–259
Gemma 4 E4B8B · Intelligence 8,98 bits8,5 GB28–50113–200
Llama 4 Scout 17B-16E Instruct109B · 17B actifs · Intelligence 6,54 bits61,3 GB14–2556–100
Ministral 3 8B8,9B · Intelligence 5,58 bits9,5 GB14–2557–101
Nemotron 3 Nano 4B3,97B · Intelligence 4,88 bits4,2 GB32–57129–229
GLM-4.5 Air106B · 12B actifs4 bits59,6 GB20–3579–141
Llama 3.3 70B Instruct70B4 bits39,4 GB2–414–24
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B actifs8 bits32,4 GB39–69154–274
GLM-4.7 Flash30B · 3B actifs8 bits31,9 GB42–75169–300
Qwen3.6 27B27B8 bits28,7 GB5–819–33
Gemma 4 26B A4B25,2B · 3,8B actifs8 bits26,8 GB34–60135–240
Devstral Small 2 (24B)24B8 bits25,5 GB10–1821–38
Magistral Small 1.2 (2509)24B8 bits25,5 GB10–1821–38
Mistral Small 3.2 (24B)24B8 bits25,5 GB10–1821–38
LFM2.5 24B A2B24B · 2B actifs8 bits25,5 GB64–114257–457
Phi-4 Reasoning Vision 15B15B8 bits15,9 GB11–2034–60
Phi-4 (14B)14B8 bits14,9 GB12–2136–64
Gemma 4 12B Unified12B8 bits12,7 GB11–1943–76
Qwen3 8B8,2B8 bits8,7 GB16–2862–110
Llama 3.1 8B Instruct8B8 bits8,5 GB16–2864–113
Gemma 4 E2B5,1B8 bits5,4 GB56–100225–400
Qwen3.5 4B4B8 bits4,3 GB31–56126–223
Phi-4 mini instruct3,8B8 bits4 GB34–60135–240
Llama 3.2 3B Instruct3,21B8 bits3,4 GB40–71159–282
SmolLM3 3B3B8 bits3,2 GB42–75169–300
LFM2.5 2.6B2,69B8 bits2,9 GB47–83186–331
Qwen3.5 2B2B8 bits2,1 GB64–114257–457
Llama 3.2 1B Instruct1,23B8 bits1,3 GB104–185415–738
Qwen3.5 0.8B0,8B8 bits0,9 GB150–267600–1067
Qwen3 0.6B0,6B8 bits0,6 GB225–400900–1600
Qwen3.8 Flash Next180B · 6B actifs · Intelligence 39,82 bits qualité moindre56,3 GB71–126284–505
Qwen3.5 122B A10B122B · 10B actifs · Intelligence 15,63 bits qualité moindre53,4 GB31–55123–218
Mistral Medium 3.5 (128B)128B · Intelligence 14,23 bits qualité moindre56 GB2–410–17
Mistral Small 4 (119B)119B · 6,5B actifs · Intelligence 11,33 bits qualité moindre52,1 GB48–86193–343
Devstral 2 (123B)123B3 bits qualité moindre53,8 GB3–410–18
Ornith 1.5 122B122B · 10B actifs3 bits qualité moindre53,4 GB31–55123–218
Nemotron 3 Super 120B A12B120B · 12B actifs3 bits qualité moindre52,5 GB25–45102–181

Tient tout juste 1

Occupe presque toute la mémoire : relevez la limite de mémoire du GPU et gardez un contexte court.

ModèleVersionMémoireM3 MaxM5 Ultra
MiniMax M2.7230B · 10B actifs2 bits qualité moindre71,9 GB44–77174–310

Trop grand 21

Demande plus de 96 GB de mémoire, même en 2 bits.

Questions

Quel est le meilleur LLM pour un Mac de 96 GB ?
Parmi les modèles dotés d’un Intelligence Index publié, Qwen3.8 27B obtient le meilleur score parmi ceux qui tournent bien avec 96 GB (8 bits). Le plus grand qui tourne bien est gpt-oss-120b. Pour le code : Qwen3 Coder Next.
96 GB suffisent-ils pour l’IA locale sur un Mac ?
44 des 73 modèles ouverts présentés ici y tournent bien, en 4 bits ou plus. Par défaut, macOS laisse le GPU en utiliser environ 72 GB ; le modèle et son contexte doivent y tenir.
Un Mac de 96 GB peut-il faire tourner gpt-oss-20b ?
Oui, 4,25 bits natif, à environ 71–126 tokens par seconde sur une puce M3 Max et 284–505 sur une M5 Ultra.

Autres capacités : 8 GB · 16 GB · 18 GB · 24 GB · 32 GB · 36 GB · 48 GB · 64 GB · 96 GB · 128 GB · 192 GB · 256 GB · 512 GB

Faites-les tourner avec MLX Harness (gratuit, open source) ou avec mlx-lm d’Apple dans le Terminal : pas à pas.

Comment c’est calculé

Mémoire : les paramètres du modèle à 8, 6, 4, 3 ou 2 bits par poids, plus les facteurs d’échelle par groupe de MLX (un demi-bit par poids), ou son format natif, avec en plus de la place pour le contexte. Par défaut, macOS laisse le GPU utiliser environ 75 % de la mémoire unifiée. Vitesse : la bande passante mémoire divisée par les octets lus pour chaque token donne le plafond pour une conversation ; dans les benchmarks Apple Silicon publics de llama.cpp, les exécutions réelles atteignent environ 45 % à 80 % de ce plafond, et c’est la fourchette affichée. Ce sont des estimations, pas des mesures : mesurez votre propre Mac sur MLX Bench. Chiffres des modèles tirés de chaque fiche officielle, chiffres des puces tirés des caractéristiques techniques d’Apple. Vérifié le 2026-10-19. Mêmes données que mlx.app/compare.

Meilleurs LLM en local pour un Mac de 96 GB (M2 à M5)