Se connecterCréer un portefeuille

Que peut faire tourner un Mac M3 Ultra de 256 GB ?

53 des 73 modèles ouverts y tournent bien. Par défaut, le GPU peut utiliser environ 192 GB sur ses 256 GB, et la puce lit la mémoire à 819 GB/s, ce qui fixe sa vitesse d’écriture. On la trouve dans : Mac Studio (2025).

Le plus intelligent qui tourne bienQwen3.8 Flash Next6 bits · 146 GB · 75–134 tok/sLe plus grand qui tourne bienMiMo V2.6 Flash4,48 bits natif · 173 GB · 44–78 tok/sPour le codeQwen3 Coder Next8 bits · 85 GB · 115–205 tok/s

Tourne bien 60

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

ModèleVersionMémoireTokens/s
Qwen3.8 Flash Next180B · 6B actifs · Intelligence 39,86 bits146 GB75–134
MiMo V2.6 Flash309B · 15B actifs · Intelligence 37,94,48 bits natif173 GB44–78
Qwen3.8 27B27B · Intelligence 33,78 bits28,7 GB13–23
Inkling Small276B · 12B actifs · Intelligence 25,74 bits155 GB54–96
Hy3295B · 21B actifs · Intelligence 25,34 bits166 GB31–56
Nemotron 3.5 Bolt 74B A9B74B · 9B actifs · Intelligence 21,48 bits78,6 GB38–68
Qwen3.6 35B A3B35B · 3B actifs · Intelligence 18,28 bits37,2 GB115–205
Muse Glimmer 30B29,6B · Intelligence 17,58 bits31,5 GB12–21
Qwen3.5 122B A10B122B · 10B actifs · Intelligence 15,68 bits130 GB35–62
Gemma 4 31B30,7B · Intelligence 14,78 bits32,6 GB11–20
Nemotron 3.5 Lightning 30B A3B30B · 3B actifs · Intelligence 12,98 bits31,9 GB115–205
Granite 4.2 30B30B · Intelligence 12,78 bits31,9 GB12–21
MiniCPM5 2B2,52B · Intelligence 12,58 bits2,7 GB137–243
gpt-oss-120b117B · 5,1B actifs · Intelligence 11,64,25 bits natif65,3 GB137–243
Mistral Small 4 (119B)119B · 6,5B actifs · Intelligence 11,38 bits126 GB53–95
Qwen3.5 9B9B · Intelligence 11,28 bits9,6 GB38–68
Granite 4.2 8B8B · Intelligence 11,18 bits8,5 GB43–77
Qwen3 Coder Next80B · 3B actifs · Intelligence 9,28 bits85 GB115–205
Granite 4.2 3B3B · Intelligence 9,18 bits3,2 GB115–205
gpt-oss-20b21B · 3,6B actifs · Intelligence 94,25 bits natif13,8 GB194–345
Nemotron 3 Nano 30B A3B30B · 3,5B actifs · Intelligence 8,98 bits31,9 GB100–177
Gemma 4 E4B8B · Intelligence 8,98 bits8,5 GB77–137
Llama 4 Scout 17B-16E Instruct109B · 17B actifs · Intelligence 6,58 bits116 GB20–36
Ministral 3 8B8,9B · Intelligence 5,58 bits9,5 GB39–69
Nemotron 3 Nano 4B3,97B · Intelligence 4,88 bits4,2 GB88–156
DeepSeek V4 Flash 0731284B · 13B actifs4 bits160 GB50–90
MiniMax M2.7230B · 10B actifs4 bits129 GB66–117
Ornith 1.5 122B122B · 10B actifs8 bits130 GB35–62
Nemotron 3 Super 120B A12B120B · 12B actifs8 bits128 GB29–51
GLM-4.5 Air106B · 12B actifs8 bits113 GB29–51
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B actifs8 bits32,4 GB105–187
GLM-4.7 Flash30B · 3B actifs8 bits31,9 GB115–205
Qwen3.6 27B27B8 bits28,7 GB13–23
Gemma 4 26B A4B25,2B · 3,8B actifs8 bits26,8 GB92–164
Devstral Small 2 (24B)24B8 bits25,5 GB14–26
Magistral Small 1.2 (2509)24B8 bits25,5 GB14–26
Mistral Small 3.2 (24B)24B8 bits25,5 GB14–26
LFM2.5 24B A2B24B · 2B actifs8 bits25,5 GB176–312
Phi-4 Reasoning Vision 15B15B8 bits15,9 GB23–41
Phi-4 (14B)14B8 bits14,9 GB25–44
Gemma 4 12B Unified12B8 bits12,7 GB29–52
Qwen3 8B8,2B8 bits8,7 GB42–75
Llama 3.1 8B Instruct8B8 bits8,5 GB43–77
Gemma 4 E2B5,1B8 bits5,4 GB154–273
Qwen3.5 4B4B8 bits4,3 GB86–152
Phi-4 mini instruct3,8B8 bits4 GB92–164
Llama 3.2 3B Instruct3,21B8 bits3,4 GB108–193
SmolLM3 3B3B8 bits3,2 GB115–205
LFM2.5 2.6B2,69B8 bits2,9 GB127–226
Qwen3.5 2B2B8 bits2,1 GB176–312
Llama 3.2 1B Instruct1,23B8 bits1,3 GB284–504
Qwen3.5 0.8B0,8B8 bits0,9 GB410–728
Qwen3 0.6B0,6B8 bits0,6 GB614–1092
DeepSeek V4.1 Flash 1017552B · 16B actifs · Intelligence 45,12 bits qualité moindre173 GB74–131
GLM-5.3 Flash320B · 18B actifs · Intelligence 41,83 bits qualité moindre140 GB47–83
Beam 1.0501B · 23B actifs · Intelligence 30,32 bits qualité moindre157 GB51–91
MiniMax M3428B · 23B actifs · Intelligence 29,22 bits qualité moindre134 GB51–91
Nemotron 3 Ultra 550B A55B550B · 55B actifs · Intelligence 22,92 bits qualité moindre172 GB21–38
Qwen3.5 397B A17B397B · 17B actifs · Intelligence 18,43 bits qualité moindre174 GB50–89
Llama 4 Maverick 17B-128E Instruct400B · 17B actifs · Intelligence 9,33 bits qualité moindre175 GB50–89

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 14,28 bits136 GB3–5
Devstral 2 (123B)123B8 bits131 GB3–5
Llama 3.3 70B Instruct70B8 bits74,4 GB5–9

Tient tout juste 1

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

ModèleVersionMémoireTokens/s
Mistral Large 3 (675B)675B · 41B actifs2 bits qualité moindre211 GB29–51

Trop grand 9

Demande plus de 256 GB de mémoire, même en 2 bits.

Autres Mac

Tous les Mac avec 256 GB, quelle que soit la puce.

La puce M3 Ultra avec plus ou moins de mémoire :

Puces voisines :

Face à face :

Face aux PC et cartes graphiques :

La comparer à n’importe quel Mac ou GPU · La puce M3 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 M3 Ultra de 256 GB ?
Parmi les modèles dotés d’un Intelligence Index publié, Qwen3.8 Flash Next obtient le meilleur score parmi ceux qui tournent bien ici : 6 bits, environ 75–134 tokens par seconde. Le plus grand qui tourne bien est MiMo V2.6 Flash.
Un Mac M3 Ultra de 256 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 M3 Ultra ?
Environ 194–345 tokens par seconde (4,25 bits natif), d’après les 819 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 M3 Ultra de 256 GB ? Modèles et vitesse