Se connecterCréer un portefeuille

Que peut faire tourner un Mac M2 Ultra de 128 GB ?

47 des 73 modèles ouverts y tournent bien. Par défaut, le GPU peut utiliser environ 96 GB sur ses 128 GB, et la puce lit la mémoire à 800 GB/s, ce qui fixe sa vitesse d’écriture. On la trouve dans : Mac Studio (2023), Mac Pro (2023), Mac Pro (Rack, 2023).

Le plus intelligent qui tourne bienQwen3.8 27B8 bits · 28,7 GB · 13–22 tok/sLe plus grand qui tourne bienQwen3.5 122B A10B4 bits · 68,6 GB · 64–114 tok/sPour le codeQwen3 Coder Next8 bits · 85 GB · 113–200 tok/s

Tourne bien 51

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

ModèleVersionMémoireTokens/s
Qwen3.8 27B27B · Intelligence 33,78 bits28,7 GB13–22
Nemotron 3.5 Bolt 74B A9B74B · 9B actifs · Intelligence 21,48 bits78,6 GB38–67
Qwen3.6 35B A3B35B · 3B actifs · Intelligence 18,28 bits37,2 GB113–200
Muse Glimmer 30B29,6B · Intelligence 17,58 bits31,5 GB11–20
Qwen3.5 122B A10B122B · 10B actifs · Intelligence 15,64 bits68,6 GB64–114
Gemma 4 31B30,7B · Intelligence 14,78 bits32,6 GB11–20
Nemotron 3.5 Lightning 30B A3B30B · 3B actifs · Intelligence 12,98 bits31,9 GB113–200
Granite 4.2 30B30B · Intelligence 12,78 bits31,9 GB11–20
MiniCPM5 2B2,52B · Intelligence 12,58 bits2,7 GB133–237
gpt-oss-120b117B · 5,1B actifs · Intelligence 11,64,25 bits natif65,3 GB133–237
Mistral Small 4 (119B)119B · 6,5B actifs · Intelligence 11,34 bits66,9 GB97–173
Qwen3.5 9B9B · Intelligence 11,28 bits9,6 GB38–67
Granite 4.2 8B8B · Intelligence 11,18 bits8,5 GB42–75
Qwen3 Coder Next80B · 3B actifs · Intelligence 9,28 bits85 GB113–200
Granite 4.2 3B3B · Intelligence 9,18 bits3,2 GB113–200
gpt-oss-20b21B · 3,6B actifs · Intelligence 94,25 bits natif13,8 GB189–337
Nemotron 3 Nano 30B A3B30B · 3,5B actifs · Intelligence 8,98 bits31,9 GB97–173
Gemma 4 E4B8B · Intelligence 8,98 bits8,5 GB75–133
Llama 4 Scout 17B-16E Instruct109B · 17B actifs · Intelligence 6,56 bits88,6 GB26–46
Ministral 3 8B8,9B · Intelligence 5,58 bits9,5 GB38–67
Nemotron 3 Nano 4B3,97B · Intelligence 4,88 bits4,2 GB86–152
Ornith 1.5 122B122B · 10B actifs4 bits68,6 GB64–114
Nemotron 3 Super 120B A12B120B · 12B actifs4 bits67,5 GB53–94
GLM-4.5 Air106B · 12B actifs6 bits86,1 GB37–65
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B actifs8 bits32,4 GB103–183
GLM-4.7 Flash30B · 3B actifs8 bits31,9 GB113–200
Qwen3.6 27B27B8 bits28,7 GB13–22
Gemma 4 26B A4B25,2B · 3,8B actifs8 bits26,8 GB90–160
Devstral Small 2 (24B)24B8 bits25,5 GB14–25
Magistral Small 1.2 (2509)24B8 bits25,5 GB14–25
Mistral Small 3.2 (24B)24B8 bits25,5 GB14–25
LFM2.5 24B A2B24B · 2B actifs8 bits25,5 GB171–305
Phi-4 Reasoning Vision 15B15B8 bits15,9 GB23–40
Phi-4 (14B)14B8 bits14,9 GB24–43
Gemma 4 12B Unified12B8 bits12,7 GB28–50
Qwen3 8B8,2B8 bits8,7 GB41–74
Llama 3.1 8B Instruct8B8 bits8,5 GB42–75
Gemma 4 E2B5,1B8 bits5,4 GB150–267
Qwen3.5 4B4B8 bits4,3 GB84–149
Phi-4 mini instruct3,8B8 bits4 GB90–160
Llama 3.2 3B Instruct3,21B8 bits3,4 GB106–188
SmolLM3 3B3B8 bits3,2 GB113–200
LFM2.5 2.6B2,69B8 bits2,9 GB124–221
Qwen3.5 2B2B8 bits2,1 GB171–305
Llama 3.2 1B Instruct1,23B8 bits1,3 GB277–492
Qwen3.5 0.8B0,8B8 bits0,9 GB400–711
Qwen3 0.6B0,6B8 bits0,6 GB600–1067
Qwen3.8 Flash Next180B · 6B actifs · Intelligence 39,83 bits qualité moindre78,8 GB138–246
Inkling Small276B · 12B actifs · Intelligence 25,72 bits qualité moindre86,3 GB95–168
DeepSeek V4 Flash 0731284B · 13B actifs2 bits qualité moindre88,8 GB88–156
MiniMax M2.7230B · 10B actifs2 bits qualité moindre71,9 GB116–206

Tourne, mais lentement 3

Tient, mais sous 10 tokens par seconde : bien pour les traitements par lots, lent pour discuter.

ModèleVersionMémoireTokens/s
Mistral Medium 3.5 (128B)128B · Intelligence 14,24 bits72 GB5–9
Devstral 2 (123B)123B4 bits69,2 GB5–9
Llama 3.3 70B Instruct70B8 bits74,4 GB5–9

Tient tout juste 3

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

ModèleVersionMémoireTokens/s
GLM-5.3 Flash320B · 18B actifs · Intelligence 41,82 bits qualité moindre100 GB64–114
MiMo V2.6 Flash309B · 15B actifs · Intelligence 37,92 bits qualité moindre96,6 GB77–136
Hy3295B · 21B actifs · Intelligence 25,32 bits qualité moindre92,2 GB55–97

Trop grand 16

Demande plus de 128 GB de mémoire, même en 2 bits.

Autres Mac

Tous les Mac avec 128 GB, quelle que soit la puce.

La puce M2 Ultra avec plus ou moins de mémoire :

Puces voisines :

Face à face :

La comparer à n’importe quel Mac ou GPU · La puce M2 Ultra 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 Ultra de 128 GB ?
Parmi les modèles dotés d’un Intelligence Index publié, Qwen3.8 27B obtient le meilleur score parmi ceux qui tournent bien ici : 8 bits, environ 13–22 tokens par seconde. Le plus grand qui tourne bien est Qwen3.5 122B A10B.
Un Mac M2 Ultra de 128 GB peut-il faire tourner Llama 3.3 70B ?
Oui, mais lentement : 8 bits, à environ 5–9 tokens par seconde.
À quelle vitesse gpt-oss-20b tourne-t-il sur une puce M2 Ultra ?
Environ 189–337 tokens par seconde (4,25 bits natif), d’après les 800 GB/s de bande passante mémoire de la puce.

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.

Quels LLM tournent sur un M2 Ultra de 128 GB ? Modèles et vitesse