Se connecterCréer un portefeuille

Que peut faire tourner un Mac M3 Ultra de 96 GB ?

43 des 73 modèles ouverts y tournent bien. Par défaut, le GPU peut utiliser environ 72 GB sur ses 96 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 27B8 bits · 28,7 GB · 13–23 tok/sLe plus grand qui tourne biengpt-oss-120b4,25 bits natif · 65,3 GB · 137–243 tok/sPour le codeQwen3 Coder Next6 bits · 65 GB · 154–273 tok/s

Tourne bien 48

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 GB13–23
Nemotron 3.5 Bolt 74B A9B74B · 9B actifs · Intelligence 21,46 bits60,1 GB50–90
Qwen3.6 35B A3B35B · 3B actifs · Intelligence 18,28 bits37,2 GB115–205
Muse Glimmer 30B29,6B · Intelligence 17,58 bits31,5 GB12–21
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
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 9,26 bits65 GB154–273
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 6,54 bits61,3 GB38–68
Ministral 3 8B8,9B · Intelligence 5,58 bits9,5 GB39–69
Nemotron 3 Nano 4B3,97B · Intelligence 4,88 bits4,2 GB88–156
GLM-4.5 Air106B · 12B actifs4 bits59,6 GB54–96
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
Qwen3.8 Flash Next180B · 6B actifs · Intelligence 39,82 bits qualité moindre56,3 GB194–345
Qwen3.5 122B A10B122B · 10B actifs · Intelligence 15,63 bits qualité moindre53,4 GB84–149
Mistral Small 4 (119B)119B · 6,5B actifs · Intelligence 11,33 bits qualité moindre52,1 GB132–234
Ornith 1.5 122B122B · 10B actifs3 bits qualité moindre53,4 GB84–149
Nemotron 3 Super 120B A12B120B · 12B actifs3 bits qualité moindre52,5 GB70–124

Tourne, mais lentement 3

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

ModèleVersionMémoireTokens/s
Llama 3.3 70B Instruct70B6 bits56,9 GB6–12
Mistral Medium 3.5 (128B)128B · Intelligence 14,23 bits qualité moindre56 GB7–12
Devstral 2 (123B)123B3 bits qualité moindre53,8 GB7–12

Tient tout juste 1

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

ModèleVersionMémoireTokens/s
MiniMax M2.7230B · 10B actifs2 bits qualité moindre71,9 GB119–211

Trop grand 21

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

Autres Mac

Tous les Mac avec 96 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 96 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 13–23 tokens par seconde. Le plus grand qui tourne bien est gpt-oss-120b.
Un Mac M3 Ultra de 96 GB peut-il faire tourner Llama 3.3 70B ?
Oui, mais lentement : 6 bits, à environ 6–12 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 96 GB ? Modèles et vitesse