16 GBવાળાં Mac
M1થી M6ની 8 ચિપ 16 GB સાથે આવે છે. તેની પોતાની યાદી અને ઝડપ જોવા કોઈ પણ ચિપ ખોલો.
સારાં ચાલે છે 33
કૉન્ટેક્સ્ટ માટે જગ્યા સાથે સમાય છે, M1 Pro પર સેકન્ડના 10 કે વધુ ટોકન.
| મૉડલ | વર્ઝન | મેમરી | M1 | M1 Pro |
|---|---|---|---|---|
| MiniCPM5 2B2.52B · ઇન્ટેલિજન્સ 12.5 | 8-બિટ | 2.7 GB | 11–20 | 33–59 |
| Qwen3.5 9B9B · ઇન્ટેલિજન્સ 11.2 | 6-બિટ | 7.3 GB | 3–6 | 12–22 |
| Granite 4.2 8B8B · ઇન્ટેલિજન્સ 11.1 | 8-બિટ | 8.5 GB | 4–6 | 11–19 |
| Granite 4.2 3B3B · ઇન્ટેલિજન્સ 9.1 | 8-બિટ | 3.2 GB | 10–17 | 28–50 |
| Gemma 4 E4B8B · ઇન્ટેલિજન્સ 8.9 | 8-બિટ | 8.5 GB | 12–22 | 19–33 |
| Ministral 3 8B8.9B · ઇન્ટેલિજન્સ 5.5 | 6-બિટ | 7.2 GB | 3–6 | 13–22 |
| Nemotron 3 Nano 4B3.97B · ઇન્ટેલિજન્સ 4.8 | 8-બિટ | 4.2 GB | 10–17 | 21–38 |
| Phi-4 Reasoning Vision 15B15B | 4-બિટ | 8.4 GB | 4–6 | 11–19 |
| Phi-4 (14B)14B | 4-બિટ | 7.9 GB | 4–7 | 11–20 |
| Gemma 4 12B Unified12B | 4-બિટ | 6.7 GB | 3–6 | 13–24 |
| Qwen3 8B8.2B | 8-બિટ | 8.7 GB | 4–6 | 10–18 |
| Llama 3.1 8B Instruct8B | 8-બિટ | 8.5 GB | 4–6 | 11–19 |
| Gemma 4 E2B5.1B | 8-બિટ | 5.4 GB | 13–23 | 38–67 |
| Qwen3.5 4B4B | 8-બિટ | 4.3 GB | 13–24 | 21–37 |
| Phi-4 mini instruct3.8B | 8-બિટ | 4 GB | 10–18 | 23–40 |
| Llama 3.2 3B Instruct3.21B | 8-બિટ | 3.4 GB | 12–21 | 26–47 |
| SmolLM3 3B3B | 8-બિટ | 3.2 GB | 10–17 | 28–50 |
| LFM2.5 2.6B2.69B | 8-બિટ | 2.9 GB | 11–19 | 31–55 |
| Qwen3.5 2B2B | 8-બિટ | 2.1 GB | 15–26 | 43–76 |
| Llama 3.2 1B Instruct1.23B | 8-બિટ | 1.3 GB | 24–42 | 69–123 |
| Qwen3.5 0.8B0.8B | 8-બિટ | 0.9 GB | 34–60 | 100–178 |
| Qwen3 0.6B0.6B | 8-બિટ | 0.6 GB | 51–91 | 150–267 |
| Qwen3.8 27B27B · ઇન્ટેલિજન્સ 33.7 | 2-બિટ ઓછી ગુણવત્તા | 8.4 GB | 4–6 | 11–19 |
| Muse Glimmer 30B29.6B · ઇન્ટેલિજન્સ 17.5 | 2-બિટ ઓછી ગુણવત્તા | 9.3 GB | 3–6 | 10–17 |
| Nemotron 3.5 Lightning 30B A3B30B · 3B સક્રિય · ઇન્ટેલિજન્સ 12.9 | 2-બિટ ઓછી ગુણવત્તા | 9.4 GB | 34–60 | 100–178 |
| Granite 4.2 30B30B · ઇન્ટેલિજન્સ 12.7 | 2-બિટ ઓછી ગુણવત્તા | 9.4 GB | 3–6 | 10–17 |
| gpt-oss-20b21B · 3.6B સક્રિય · ઇન્ટેલિજન્સ 9 | 3-બિટ ઓછી ગુણવત્તા | 9.2 GB | 19–34 | 56–100 |
| Nemotron 3 Nano 30B A3B30B · 3.5B સક્રિય · ઇન્ટેલિજન્સ 8.9 | 2-બિટ ઓછી ગુણવત્તા | 9.4 GB | 28–49 | 82–145 |
| Qwen3 Coder 30B A3B Instruct30.5B · 3.3B સક્રિય | 2-બિટ ઓછી ગુણવત્તા | 9.5 GB | 31–54 | 90–160 |
| GLM-4.7 Flash30B · 3B સક્રિય | 2-બિટ ઓછી ગુણવત્તા | 9.4 GB | 34–60 | 100–178 |
| Qwen3.6 27B27B | 2-બિટ ઓછી ગુણવત્તા | 8.4 GB | 4–6 | 11–19 |
| Gemma 4 26B A4B25.2B · 3.8B સક્રિય | 2-બિટ ઓછી ગુણવત્તા | 7.9 GB | 26–45 | 75–133 |
| LFM2.5 24B A2B24B · 2B સક્રિય | 3-બિટ ઓછી ગુણવત્તા | 10.5 GB | 34–60 | 100–178 |
ચાલે છે, પણ ધીમે 4
સમાય છે, પણ સેકન્ડના 10 ટોકનથી ઓછી ઝડપે: બૅચ કામ માટે બરાબર, ચૅટ માટે ધીમાં.
| મૉડલ | વર્ઝન | મેમરી | M1 | M1 Pro |
|---|---|---|---|---|
| Gemma 4 31B30.7B · ઇન્ટેલિજન્સ 14.7 | 2-બિટ ઓછી ગુણવત્તા | 9.6 GB | 3–6 | 9–17 |
| Devstral Small 2 (24B)24B | 3-બિટ ઓછી ગુણવત્તા | 10.5 GB | 3–5 | 9–15 |
| Magistral Small 1.2 (2509)24B | 3-બિટ ઓછી ગુણવત્તા | 10.5 GB | 3–5 | 9–15 |
| Mistral Small 3.2 (24B)24B | 3-બિટ ઓછી ગુણવત્તા | 10.5 GB | 3–5 | 9–15 |
માંડ માંડ સમાય છે 1
લગભગ આખી મેમરી જોઈએ: GPU મેમરીની મર્યાદા વધારો અને કૉન્ટેક્સ્ટ ટૂંકો રાખો.
| મૉડલ | વર્ઝન | મેમરી | M1 | M1 Pro |
|---|---|---|---|---|
| Qwen3.6 35B A3B35B · 3B સક્રિય · ઇન્ટેલિજન્સ 18.2 | 2-બિટ ઓછી ગુણવત્તા | 10.9 GB | 34–60 | 100–178 |
બહુ મોટાં 35
16 GB કરતાં વધુ મેમરી જોઈએ, 2 બિટ પર પણ.
- MiMo V2.6 Pro1,020B
- Kimi K32,800B
- MiMo V2.6 Flash309B
- Kimi K2.7 Code1,000B
- gpt-oss-120b117B
- Kimi K2.61,000B
- DeepSeek V4.1 Flash 1017552B
- GLM-5.3744B
- GLM-5.3 Flash320B
- Qwen3.8 2.4T A95B2,400B
- Qwen3.8 Flash Next180B
- Muse Spark Open816B
- DeepSeek V4 Pro 08131,600B
- Beam 1.0501B
- MiniMax M3428B
- Inkling Small276B
- Hy3295B
- Inkling975B
- Nemotron 3 Ultra 550B A55B550B
- Nemotron 3.5 Bolt 74B A9B74B
- Qwen3.5 397B A17B397B
- Qwen3.5 122B A10B122B
- Mistral Medium 3.5 (128B)128B
- Mistral Small 4 (119B)119B
- Llama 4 Maverick 17B-128E Instruct400B
- Qwen3 Coder Next80B
- Llama 4 Scout 17B-16E Instruct109B
- Mistral Large 3 (675B)675B
- DeepSeek V4 Flash 0731284B
- MiniMax M2.7230B
- Devstral 2 (123B)123B
- Ornith 1.5 122B122B
- Nemotron 3 Super 120B A12B120B
- GLM-4.5 Air106B
- Llama 3.3 70B Instruct70B
પ્રશ્નો
- 16 GBવાળા Mac માટે શ્રેષ્ઠ LLM કયું છે?
- જે મૉડલનો Intelligence Index પ્રકાશિત છે, તેમાંથી 16 GBમાં સારાં ચાલતાં મૉડલમાં MiniCPM5 2Bનો સ્કોર સૌથી ઊંચો છે (8-બિટ). સારું ચાલતું સૌથી મોટું મૉડલ Phi-4 Reasoning Vision 15B છે.
- શું Mac પર લોકલ AI માટે 16 GB પૂરતી છે?
- અહીંનાં 73 ઓપન મૉડલમાંથી 22 તેમાં 4 બિટ કે તેથી સારા પ્રિસિઝન પર સારાં ચાલે છે. ડિફૉલ્ટ રીતે macOS GPUને તેમાંથી આશરે 12 GB વાપરવા દે છે; મૉડલ અને તેનો કૉન્ટેક્સ્ટ તેમાં જ સમાવા જોઈએ.
- શું 16 GB Mac પર gpt-oss-20b ચાલી શકે?
- હા, 3-બિટ, M1 પર સેકન્ડના આશરે 19–34 ટોકન અને M1 Pro પર 56–100.
બીજી સાઇઝ: 8 GB · 16 GB · 18 GB · 24 GB · 32 GB · 36 GB · 48 GB · 64 GB · 96 GB · 128 GB · 192 GB · 256 GB · 512 GB
આ મૉડલ MLX Harness (મફત, ઓપન સોર્સ) વડે અથવા Terminalમાં Appleના mlx-lm વડે ચલાવો: સ્ટેપ બાય સ્ટેપ.
ગણતરી કેવી રીતે થઈ
મેમરી: મૉડલના પૅરામીટર પ્રતિ વેઇટ 8, 6, 4, 3 કે 2 બિટ પર, ઉપરાંત MLXના ગ્રુપ સ્કેલ (પ્રતિ વેઇટ અડધો બિટ), અથવા તેનું નેટિવ ફૉર્મેટ, અને ઉપરથી કૉન્ટેક્સ્ટ માટે જગ્યા. ડિફૉલ્ટ રીતે macOS GPUને યુનિફાઇડ મેમરીનો આશરે 75% ભાગ વાપરવા દે છે. ઝડપ: મેમરી બૅન્ડવિડ્થને દરેક ટોકન માટે વંચાતા બાઇટથી ભાગતાં એક વાતચીતની ઉપલી મર્યાદા મળે છે; llama.cppના જાહેર Apple Silicon બેન્ચમાર્કમાં ખરા રન તેના આશરે 45%થી 80% સુધી પહોંચે છે, અને એ જ રેન્જ બતાવી છે. આ અંદાજ છે, માપ નથી: તમારું Mac MLX Bench પર માપો. મૉડલના આંકડા દરેક સત્તાવાર મૉડલ કાર્ડમાંથી, ચિપના આંકડા Appleના Tech Specsમાંથી. 2026-10-19ના રોજ ચકાસ્યું. mlx.app/compare જેવો જ ડેટા.