સારાં ચાલે છે 24
કૉન્ટેક્સ્ટ માટે જગ્યા સાથે સમાય છે, સેકન્ડના 10 કે વધુ ટોકનની ઝડપે.
| મૉડલ | વર્ઝન | મેમરી | ટોકન/સેકન્ડ |
|---|---|---|---|
| MiniCPM5 2B2.52B · ઇન્ટેલિજન્સ 12.5 | 8-બિટ | 2.7 GB | 17–30 |
| Granite 4.2 8B8B · ઇન્ટેલિજન્સ 11.1 | 4-બિટ | 4.5 GB | 10–18 |
| Granite 4.2 3B3B · ઇન્ટેલિજન્સ 9.1 | 8-બિટ | 3.2 GB | 14–25 |
| Gemma 4 E4B8B · ઇન્ટેલિજન્સ 8.9 | 6-બિટ | 6.5 GB | 12–22 |
| Nemotron 3 Nano 4B3.97B · ઇન્ટેલિજન્સ 4.8 | 8-બિટ | 4.2 GB | 11–19 |
| Qwen3 8B8.2B | 4-બિટ | 4.6 GB | 10–17 |
| Llama 3.1 8B Instruct8B | 4-બિટ | 4.5 GB | 10–18 |
| Gemma 4 E2B5.1B | 8-બિટ | 5.4 GB | 19–33 |
| Qwen3.5 4B4B | 8-બિટ | 4.3 GB | 10–19 |
| Phi-4 mini instruct3.8B | 8-બિટ | 4 GB | 11–20 |
| Llama 3.2 3B Instruct3.21B | 8-બિટ | 3.4 GB | 13–24 |
| SmolLM3 3B3B | 8-બિટ | 3.2 GB | 14–25 |
| LFM2.5 2.6B2.69B | 8-બિટ | 2.9 GB | 16–28 |
| Qwen3.5 2B2B | 8-બિટ | 2.1 GB | 21–38 |
| Llama 3.2 1B Instruct1.23B | 8-બિટ | 1.3 GB | 35–62 |
| Qwen3.5 0.8B0.8B | 8-બિટ | 0.9 GB | 50–89 |
| Qwen3 0.6B0.6B | 8-બિટ | 0.6 GB | 75–133 |
| Nemotron 3.5 Lightning 30B A3B30B · 3B સક્રિય · ઇન્ટેલિજન્સ 12.9 | 2-બિટ ઓછી ગુણવત્તા | 9.4 GB | 50–89 |
| gpt-oss-20b21B · 3.6B સક્રિય · ઇન્ટેલિજન્સ 9 | 3-બિટ ઓછી ગુણવત્તા | 9.2 GB | 28–50 |
| Nemotron 3 Nano 30B A3B30B · 3.5B સક્રિય · ઇન્ટેલિજન્સ 8.9 | 2-બિટ ઓછી ગુણવત્તા | 9.4 GB | 41–73 |
| Qwen3 Coder 30B A3B Instruct30.5B · 3.3B સક્રિય | 2-બિટ ઓછી ગુણવત્તા | 9.5 GB | 45–80 |
| GLM-4.7 Flash30B · 3B સક્રિય | 2-બિટ ઓછી ગુણવત્તા | 9.4 GB | 50–89 |
| Gemma 4 26B A4B25.2B · 3.8B સક્રિય | 2-બિટ ઓછી ગુણવત્તા | 7.9 GB | 38–67 |
| LFM2.5 24B A2B24B · 2B સક્રિય | 3-બિટ ઓછી ગુણવત્તા | 10.5 GB | 50–89 |
ચાલે છે, પણ ધીમે 13
સમાય છે, પણ સેકન્ડના 10 ટોકનથી ઓછી ઝડપે: બૅચ કામ માટે બરાબર, ચૅટ માટે ધીમાં.
| મૉડલ | વર્ઝન | મેમરી | ટોકન/સેકન્ડ |
|---|---|---|---|
| Qwen3.5 9B9B · ઇન્ટેલિજન્સ 11.2 | 8-બિટ | 9.6 GB | 5–8 |
| Ministral 3 8B8.9B · ઇન્ટેલિજન્સ 5.5 | 8-બિટ | 9.5 GB | 5–8 |
| Phi-4 Reasoning Vision 15B15B | 4-બિટ | 8.4 GB | 5–10 |
| Phi-4 (14B)14B | 4-બિટ | 7.9 GB | 6–10 |
| Gemma 4 12B Unified12B | 6-બિટ | 9.7 GB | 5–8 |
| Qwen3.8 27B27B · ઇન્ટેલિજન્સ 33.7 | 2-બિટ ઓછી ગુણવત્તા | 8.4 GB | 5–10 |
| Muse Glimmer 30B29.6B · ઇન્ટેલિજન્સ 17.5 | 2-બિટ ઓછી ગુણવત્તા | 9.3 GB | 5–9 |
| Gemma 4 31B30.7B · ઇન્ટેલિજન્સ 14.7 | 2-બિટ ઓછી ગુણવત્તા | 9.6 GB | 5–8 |
| Granite 4.2 30B30B · ઇન્ટેલિજન્સ 12.7 | 2-બિટ ઓછી ગુણવત્તા | 9.4 GB | 5–9 |
| Qwen3.6 27B27B | 2-બિટ ઓછી ગુણવત્તા | 8.4 GB | 5–10 |
| Devstral Small 2 (24B)24B | 3-બિટ ઓછી ગુણવત્તા | 10.5 GB | 4–8 |
| Magistral Small 1.2 (2509)24B | 3-બિટ ઓછી ગુણવત્તા | 10.5 GB | 4–8 |
| Mistral Small 3.2 (24B)24B | 3-બિટ ઓછી ગુણવત્તા | 10.5 GB | 4–8 |
માંડ માંડ સમાય છે 1
લગભગ આખી મેમરી જોઈએ: GPU મેમરીની મર્યાદા વધારો અને કૉન્ટેક્સ્ટ ટૂંકો રાખો.
| મૉડલ | વર્ઝન | મેમરી | ટોકન/સેકન્ડ |
|---|---|---|---|
| Qwen3.6 35B A3B35B · 3B સક્રિય · ઇન્ટેલિજન્સ 18.2 | 2-બિટ ઓછી ગુણવત્તા | 10.9 GB | 50–89 |
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
બીજાં Mac
16 GBવાળું દરેક Mac, કોઈ પણ ચિપ સાથે.
ઓછી કે વધુ મેમરીવાળું M3:
નજીકની ચિપ:
સામસામે:
તેની સરખામણી કોઈ પણ Mac કે GPU સાથે કરો · લોકલ AI માટે M3 · લોકલ LLM માટે શ્રેષ્ઠ Mac · દરેક Mac
પ્રશ્નો
- 16 GBવાળા M3 માટે શ્રેષ્ઠ LLM કયું છે?
- જે મૉડલનો Intelligence Index પ્રકાશિત છે, તેમાંથી અહીં સારાં ચાલતાં મૉડલમાં MiniCPM5 2Bનો સ્કોર સૌથી ઊંચો છે: 8-બિટ, સેકન્ડના આશરે 17–30 ટોકન. સારું ચાલતું સૌથી મોટું મૉડલ Qwen3 8B છે.
- શું 16 GBવાળું M3 Llama 3.3 70B ચલાવી શકે?
- ના: 2 બિટ પર પણ તેને GPU ડિફૉલ્ટ રીતે વાપરી શકે તે 12 GB કરતાં વધુ જોઈએ.
- M3 પર gpt-oss-20b કેટલું ઝડપી ચાલે છે?
- સેકન્ડના આશરે 28–50 ટોકન (3-બિટ), ચિપની 100 GB/s મેમરી બૅન્ડવિડ્થના આધારે.
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.