Quel est le meilleur LLM pour un Mac M5 de 32 GB ?

Parmi les modèles dotés d’un Intelligence Index publié, Qwen3.6 35B A3B obtient le meilleur score parmi ceux qui tournent bien ici : 4 bits, environ 41–72 tokens par seconde.

Un Mac M5 de 32 GB peut-il faire tourner Llama 3.3 70B ?

Oui, mais lentement : 2 bits (qualité moindre), à environ 3–6 tokens par seconde.

À quelle vitesse gpt-oss-20b tourne-t-il sur une puce M5 ?

Environ 36–64 tokens par seconde (4,25 bits natif), d’après les 153 GB/s de bande passante mémoire de la puce.

Quels LLM tournent sur un M5 de 32 GB ? Modèles et vitesse

Tourne bien 28

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

Modèle	Version	Mémoire	Tokens/s
Qwen3.6 35B A3B35B · 3B actifs · Intelligence 18,2	4 bits	19,7 GB	41–72
Nemotron 3.5 Lightning 30B A3B30B · 3B actifs · Intelligence 12,9	4 bits	16,9 GB	41–72
MiniCPM5 2B2,52B · Intelligence 12,5	8 bits	2,7 GB	26–45
Qwen3.5 9B9B · Intelligence 11,2	4 bits	5,1 GB	14–24
Granite 4.2 8B8B · Intelligence 11,1	6 bits	6,5 GB	11–19
Granite 4.2 3B3B · Intelligence 9,1	8 bits	3,2 GB	22–38
gpt-oss-20b21B · 3,6B actifs · Intelligence 9	4,25 bits natif	13,8 GB	36–64
Nemotron 3 Nano 30B A3B30B · 3,5B actifs · Intelligence 8,9	4 bits	16,9 GB	34–61
Gemma 4 E4B8B · Intelligence 8,9	8 bits	8,5 GB	14–26
Ministral 3 8B8,9B · Intelligence 5,5	6 bits	7,2 GB	10–17
Nemotron 3 Nano 4B3,97B · Intelligence 4,8	8 bits	4,2 GB	16–29
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B actifs	4 bits	17,2 GB	36–64
GLM-4.7 Flash30B · 3B actifs	4 bits	16,9 GB	41–72
Gemma 4 26B A4B25,2B · 3,8B actifs	6 bits	20,5 GB	22–39
LFM2.5 24B A2B24B · 2B actifs	6 bits	19,5 GB	43–77
Gemma 4 12B Unified12B	4 bits	6,7 GB	10–18
Qwen3 8B8,2B	6 bits	6,7 GB	10–18
Llama 3.1 8B Instruct8B	6 bits	6,5 GB	11–19
Gemma 4 E2B5,1B	8 bits	5,4 GB	29–51
Qwen3.5 4B4B	8 bits	4,3 GB	16–28
Phi-4 mini instruct3,8B	8 bits	4 GB	17–31
Llama 3.2 3B Instruct3,21B	8 bits	3,4 GB	20–36
SmolLM3 3B3B	8 bits	3,2 GB	22–38
LFM2.5 2.6B2,69B	8 bits	2,9 GB	24–42
Qwen3.5 2B2B	8 bits	2,1 GB	33–58
Llama 3.2 1B Instruct1,23B	8 bits	1,3 GB	53–94
Qwen3.5 0.8B0,8B	8 bits	0,9 GB	77–136
Qwen3 0.6B0,6B	8 bits	0,6 GB	115–204

Tourne, mais lentement 11

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

Modèle	Version	Mémoire	Tokens/s
Qwen3.8 27B27B · Intelligence 33,7	6 bits	21,9 GB	3–6
Muse Glimmer 30B29,6B · Intelligence 17,5	4 bits	16,7 GB	4–7
Gemma 4 31B30,7B · Intelligence 14,7	4 bits	17,3 GB	4–7
Granite 4.2 30B30B · Intelligence 12,7	4 bits	16,9 GB	4–7
Qwen3.6 27B27B	6 bits	21,9 GB	3–6
Devstral Small 2 (24B)24B	6 bits	19,5 GB	4–6
Magistral Small 1.2 (2509)24B	6 bits	19,5 GB	4–6
Mistral Small 3.2 (24B)24B	6 bits	19,5 GB	4–6
Phi-4 Reasoning Vision 15B15B	8 bits	15,9 GB	4–8
Phi-4 (14B)14B	8 bits	14,9 GB	5–8
Llama 3.3 70B Instruct70B	2 bits qualité moindre	21,9 GB	3–6

Tient tout juste 2

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

Modèle	Version	Mémoire	Tokens/s
Nemotron 3.5 Bolt 74B A9B74B · 9B actifs · Intelligence 21,4	2 bits qualité moindre	23,1 GB	25–44
Qwen3 Coder Next80B · 3B actifs · Intelligence 9,2	2 bits qualité moindre	25 GB	77–136

Autres Mac

Tous les Mac avec 32 GB, quelle que soit la puce.

La puce M5 avec plus ou moins de mémoire :

Puces voisines :

Face à face :

La comparer à n’importe quel Mac ou GPU · La puce M5 pour l’IA locale · Le meilleur Mac pour les LLM en local · Tous les Mac

Questions

Quel est le meilleur LLM pour un Mac M5 de 32 GB ?: Parmi les modèles dotés d’un Intelligence Index publié, Qwen3.6 35B A3B obtient le meilleur score parmi ceux qui tournent bien ici : 4 bits, environ 41–72 tokens par seconde.
Un Mac M5 de 32 GB peut-il faire tourner Llama 3.3 70B ?: Oui, mais lentement : 2 bits (qualité moindre), à environ 3–6 tokens par seconde.
À quelle vitesse gpt-oss-20b tourne-t-il sur une puce M5 ?: Environ 36–64 tokens par seconde (4,25 bits natif), d’après les 153 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 M5 de 32 GB ?