Quel est le meilleur LLM pour un Mac M2 de 8 GB ?

Parmi les modèles dotés d’un Intelligence Index publié, MiniCPM5 2B obtient le meilleur score parmi ceux qui tournent bien ici : 8 bits, environ 17–30 tokens par seconde. Le plus grand qui tourne bien est Granite 4.2 8B.

Un Mac M2 de 8 GB peut-il faire tourner Llama 3.3 70B ?

Non : même en 2 bits, il demande plus que les 6 GB que le GPU peut utiliser par défaut.

Quels LLM tournent sur un M2 de 8 GB ? Modèles et vitesse

Tourne bien 21

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

Modèle	Version	Mémoire	Tokens/s
MiniCPM5 2B2,52B · Intelligence 12,5	8 bits	2,7 GB	17–30
Granite 4.2 8B8B · Intelligence 11,1	4 bits	4,5 GB	10–18
Granite 4.2 3B3B · Intelligence 9,1	8 bits	3,2 GB	14–25
Gemma 4 E4B8B · Intelligence 8,9	4 bits	4,5 GB	18–32
Nemotron 3 Nano 4B3,97B · Intelligence 4,8	8 bits	4,2 GB	11–19
Llama 3.1 8B Instruct8B	4 bits	4,5 GB	10–18
Gemma 4 E2B5,1B	6 bits	4,1 GB	24–42
Qwen3.5 4B4B	8 bits	4,3 GB	10–19
Phi-4 mini instruct3,8B	8 bits	4 GB	11–20
Llama 3.2 3B Instruct3,21B	8 bits	3,4 GB	13–24
SmolLM3 3B3B	8 bits	3,2 GB	14–25
LFM2.5 2.6B2,69B	8 bits	2,9 GB	16–28
Qwen3.5 2B2B	8 bits	2,1 GB	21–38
Llama 3.2 1B Instruct1,23B	8 bits	1,3 GB	35–62
Qwen3.5 0.8B0,8B	8 bits	0,9 GB	50–89
Qwen3 0.6B0,6B	8 bits	0,6 GB	75–133
Qwen3.5 9B9B · Intelligence 11,2	3 bits qualité moindre	3,9 GB	12–21
Ministral 3 8B8,9B · Intelligence 5,5	3 bits qualité moindre	3,9 GB	12–21
Phi-4 (14B)14B	2 bits qualité moindre	4,4 GB	10–18
Gemma 4 12B Unified12B	2 bits qualité moindre	3,7 GB	12–22
Qwen3 8B8,2B	3 bits qualité moindre	3,6 GB	13–22

Tient tout juste 1

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

Modèle	Version	Mémoire	Tokens/s
Phi-4 Reasoning Vision 15B15B	2 bits qualité moindre	4,7 GB	10–17

Trop grand 51

Demande plus de 8 GB de mémoire, même en 2 bits.

Autres Mac

Tous les Mac avec 8 GB, quelle que soit la puce.

La puce M2 avec plus ou moins de mémoire :

Puces voisines :

Face à face :

La comparer à n’importe quel Mac ou GPU · La puce M2 pour l’IA locale · Le meilleur Mac pour les LLM en local · Tous les Mac

Questions

Quel est le meilleur LLM pour un Mac M2 de 8 GB ?: Parmi les modèles dotés d’un Intelligence Index publié, MiniCPM5 2B obtient le meilleur score parmi ceux qui tournent bien ici : 8 bits, environ 17–30 tokens par seconde. Le plus grand qui tourne bien est Granite 4.2 8B.
Un Mac M2 de 8 GB peut-il faire tourner Llama 3.3 70B ?: Non : même en 2 bits, il demande plus que les 6 GB que le GPU peut utiliser par défaut.
À quelle vitesse gpt-oss-20b tourne-t-il sur une puce M2 ?: Il ne tient pas dans 8 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.