Quel est le meilleur LLM pour un Mac M3 de 16 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 Qwen3 8B.

Un Mac M3 de 16 GB peut-il faire tourner Llama 3.3 70B ?

Non : même en 2 bits, il demande plus que les 12 GB que le GPU peut utiliser par défaut.

À quelle vitesse gpt-oss-20b tourne-t-il sur une puce M3 ?

Environ 28–50 tokens par seconde (3 bits), d’après les 100 GB/s de bande passante mémoire de la puce.

Quels LLM tournent sur un M3 de 16 GB ? Modèles et vitesse

Tourne bien 24

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	6 bits	6,5 GB	12–22
Nemotron 3 Nano 4B3,97B · Intelligence 4,8	8 bits	4,2 GB	11–19
Qwen3 8B8,2B	4 bits	4,6 GB	10–17
Llama 3.1 8B Instruct8B	4 bits	4,5 GB	10–18
Gemma 4 E2B5,1B	8 bits	5,4 GB	19–33
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
Nemotron 3.5 Lightning 30B A3B30B · 3B actifs · Intelligence 12,9	2 bits qualité moindre	9,4 GB	50–89
gpt-oss-20b21B · 3,6B actifs · Intelligence 9	3 bits qualité moindre	9,2 GB	28–50
Nemotron 3 Nano 30B A3B30B · 3,5B actifs · Intelligence 8,9	2 bits qualité moindre	9,4 GB	41–73
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B actifs	2 bits qualité moindre	9,5 GB	45–80
GLM-4.7 Flash30B · 3B actifs	2 bits qualité moindre	9,4 GB	50–89
Gemma 4 26B A4B25,2B · 3,8B actifs	2 bits qualité moindre	7,9 GB	38–67
LFM2.5 24B A2B24B · 2B actifs	3 bits qualité moindre	10,5 GB	50–89

Tourne, mais lentement 13

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

Modèle	Version	Mémoire	Tokens/s
Qwen3.5 9B9B · Intelligence 11,2	8 bits	9,6 GB	5–8
Ministral 3 8B8,9B · Intelligence 5,5	8 bits	9,5 GB	5–8
Phi-4 Reasoning Vision 15B15B	4 bits	8,4 GB	5–10
Phi-4 (14B)14B	4 bits	7,9 GB	6–10
Gemma 4 12B Unified12B	6 bits	9,7 GB	5–8
Qwen3.8 27B27B · Intelligence 33,7	2 bits qualité moindre	8,4 GB	5–10
Muse Glimmer 30B29,6B · Intelligence 17,5	2 bits qualité moindre	9,3 GB	5–9
Gemma 4 31B30,7B · Intelligence 14,7	2 bits qualité moindre	9,6 GB	5–8
Granite 4.2 30B30B · Intelligence 12,7	2 bits qualité moindre	9,4 GB	5–9
Qwen3.6 27B27B	2 bits qualité moindre	8,4 GB	5–10
Devstral Small 2 (24B)24B	3 bits qualité moindre	10,5 GB	4–8
Magistral Small 1.2 (2509)24B	3 bits qualité moindre	10,5 GB	4–8
Mistral Small 3.2 (24B)24B	3 bits qualité moindre	10,5 GB	4–8

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
Qwen3.6 35B A3B35B · 3B actifs · Intelligence 18,2	2 bits qualité moindre	10,9 GB	50–89

Autres Mac

Tous les Mac avec 16 GB, quelle que soit la puce.

La puce M3 avec plus ou moins de mémoire :

Puces voisines :

Face à face :

La comparer à n’importe quel Mac ou GPU · La puce M3 pour l’IA locale · Le meilleur Mac pour les LLM en local · Tous les Mac

Questions

Quel est le meilleur LLM pour un Mac M3 de 16 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 Qwen3 8B.
Un Mac M3 de 16 GB peut-il faire tourner Llama 3.3 70B ?: Non : même en 2 bits, il demande plus que les 12 GB que le GPU peut utiliser par défaut.
À quelle vitesse gpt-oss-20b tourne-t-il sur une puce M3 ?: Environ 28–50 tokens par seconde (3 bits), d’après les 100 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.

Que peut faire tourner un Mac M3 de 16 GB ?