Se connecterCréer un portefeuille

Que peut faire tourner un Mac M4 Max 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 546 GB/s, ce qui fixe sa vitesse d’écriture. On la trouve dans : MacBook Pro (14-inch, M4 Pro or M4 Max, 2024), MacBook Pro (16-inch, 2024), Mac Studio (2025).

Le plus intelligent qui tourne bienQwen3.8 27B6 bits · 21,9 GB · 11–20 tok/sLe plus grand qui tourne bienQwen3.5 122B A10B4 bits · 68,6 GB · 44–78 tok/sPour le codeQwen3 Coder Next8 bits · 85 GB · 77–137 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 33,76 bits21,9 GB11–20
Nemotron 3.5 Bolt 74B A9B74B · 9B actifs · Intelligence 21,48 bits78,6 GB26–46
Qwen3.6 35B A3B35B · 3B actifs · Intelligence 18,28 bits37,2 GB77–137
Muse Glimmer 30B29,6B · Intelligence 17,56 bits24,1 GB10–18
Qwen3.5 122B A10B122B · 10B actifs · Intelligence 15,64 bits68,6 GB44–78
Gemma 4 31B30,7B · Intelligence 14,76 bits24,9 GB10–18
Nemotron 3.5 Lightning 30B A3B30B · 3B actifs · Intelligence 12,98 bits31,9 GB77–137
Granite 4.2 30B30B · Intelligence 12,76 bits24,4 GB10–18
MiniCPM5 2B2,52B · Intelligence 12,58 bits2,7 GB91–162
gpt-oss-120b117B · 5,1B actifs · Intelligence 11,64,25 bits natif65,3 GB91–162
Mistral Small 4 (119B)119B · 6,5B actifs · Intelligence 11,34 bits66,9 GB66–118
Qwen3.5 9B9B · Intelligence 11,28 bits9,6 GB26–46
Granite 4.2 8B8B · Intelligence 11,18 bits8,5 GB29–51
Qwen3 Coder Next80B · 3B actifs · Intelligence 9,28 bits85 GB77–137
Granite 4.2 3B3B · Intelligence 9,18 bits3,2 GB77–137
gpt-oss-20b21B · 3,6B actifs · Intelligence 94,25 bits natif13,8 GB129–230
Nemotron 3 Nano 30B A3B30B · 3,5B actifs · Intelligence 8,98 bits31,9 GB66–118
Gemma 4 E4B8B · Intelligence 8,98 bits8,5 GB51–91
Llama 4 Scout 17B-16E Instruct109B · 17B actifs · Intelligence 6,56 bits88,6 GB18–32
Ministral 3 8B8,9B · Intelligence 5,58 bits9,5 GB26–46
Nemotron 3 Nano 4B3,97B · Intelligence 4,88 bits4,2 GB59–104
Ornith 1.5 122B122B · 10B actifs4 bits68,6 GB44–78
Nemotron 3 Super 120B A12B120B · 12B actifs4 bits67,5 GB36–64
GLM-4.5 Air106B · 12B actifs6 bits86,1 GB25–45
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B actifs8 bits32,4 GB70–125
GLM-4.7 Flash30B · 3B actifs8 bits31,9 GB77–137
Qwen3.6 27B27B6 bits21,9 GB11–20
Gemma 4 26B A4B25,2B · 3,8B actifs8 bits26,8 GB61–109
Devstral Small 2 (24B)24B8 bits25,5 GB10–17
Magistral Small 1.2 (2509)24B8 bits25,5 GB10–17
Mistral Small 3.2 (24B)24B8 bits25,5 GB10–17
LFM2.5 24B A2B24B · 2B actifs8 bits25,5 GB117–208
Phi-4 Reasoning Vision 15B15B8 bits15,9 GB15–27
Phi-4 (14B)14B8 bits14,9 GB16–29
Gemma 4 12B Unified12B8 bits12,7 GB19–34
Qwen3 8B8,2B8 bits8,7 GB28–50
Llama 3.1 8B Instruct8B8 bits8,5 GB29–51
Gemma 4 E2B5,1B8 bits5,4 GB102–182
Qwen3.5 4B4B8 bits4,3 GB57–102
Phi-4 mini instruct3,8B8 bits4 GB61–109
Llama 3.2 3B Instruct3,21B8 bits3,4 GB72–128
SmolLM3 3B3B8 bits3,2 GB77–137
LFM2.5 2.6B2,69B8 bits2,9 GB85–151
Qwen3.5 2B2B8 bits2,1 GB117–208
Llama 3.2 1B Instruct1,23B8 bits1,3 GB189–336
Qwen3.5 0.8B0,8B8 bits0,9 GB273–485
Qwen3 0.6B0,6B8 bits0,6 GB410–728
Qwen3.8 Flash Next180B · 6B actifs · Intelligence 39,83 bits qualité moindre78,8 GB95–168
Inkling Small276B · 12B actifs · Intelligence 25,72 bits qualité moindre86,3 GB65–115
DeepSeek V4 Flash 0731284B · 13B actifs2 bits qualité moindre88,8 GB60–107
MiniMax M2.7230B · 10B actifs2 bits qualité moindre71,9 GB79–141

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 GB3–6
Devstral 2 (123B)123B4 bits69,2 GB4–6
Llama 3.3 70B Instruct70B8 bits74,4 GB3–6

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 GB44–78
MiMo V2.6 Flash309B · 15B actifs · Intelligence 37,92 bits qualité moindre96,6 GB52–93
Hy3295B · 21B actifs · Intelligence 25,32 bits qualité moindre92,2 GB37–66

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 M4 Max 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 M4 Max pour l’IA locale · Le meilleur Mac pour les LLM en local · Tous les Mac

Questions

Quel est le meilleur LLM pour un Mac M4 Max 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 : 6 bits, environ 11–20 tokens par seconde. Le plus grand qui tourne bien est Qwen3.5 122B A10B.
Un Mac M4 Max de 128 GB peut-il faire tourner Llama 3.3 70B ?
Oui, mais lentement : 8 bits, à environ 3–6 tokens par seconde.
À quelle vitesse gpt-oss-20b tourne-t-il sur une puce M4 Max ?
Environ 129–230 tokens par seconde (4,25 bits natif), d’après les 546 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 M4 Max de 128 GB ? Modèles et vitesse