લૉગ ઇનવૉલેટ બનાવો

96 GBવાળું M3 Max શું ચલાવી શકે?

તેના પર 73માંથી 38 ઓપન મૉડલ સારાં ચાલે છે. ડિફૉલ્ટ રીતે GPU તેની 96 GBમાંથી આશરે 72 GB વાપરી શકે છે, અને તે 300 GB/sની ઝડપે મેમરી વાંચે છે, જેનાથી તે કેટલું ઝડપી લખે છે તે નક્કી થાય છે. આમાં મળે છે: MacBook Pro (14-inch, M3 Pro or M3 Max, Nov 2023), MacBook Pro (16-inch, Nov 2023).

સારું ચાલતું સૌથી સ્માર્ટNemotron 3.5 Bolt 74B A9B6-બિટ · 60.1 GB · 18–33 tok/sસારું ચાલતું સૌથી મોટુંgpt-oss-120bનેટિવ 4.25-બિટ · 65.3 GB · 50–89 tok/sકોડ માટેQwen3 Coder Next6-બિટ · 65 GB · 56–100 tok/s

સારાં ચાલે છે 43

કૉન્ટેક્સ્ટ માટે જગ્યા સાથે સમાય છે, સેકન્ડના 10 કે વધુ ટોકનની ઝડપે.

મૉડલવર્ઝનમેમરીટોકન/સેકન્ડ
Nemotron 3.5 Bolt 74B A9B74B · 9B સક્રિય · ઇન્ટેલિજન્સ 21.46-બિટ60.1 GB18–33
Qwen3.6 35B A3B35B · 3B સક્રિય · ઇન્ટેલિજન્સ 18.28-બિટ37.2 GB42–75
Nemotron 3.5 Lightning 30B A3B30B · 3B સક્રિય · ઇન્ટેલિજન્સ 12.98-બિટ31.9 GB42–75
MiniCPM5 2B2.52B · ઇન્ટેલિજન્સ 12.58-બિટ2.7 GB50–89
gpt-oss-120b117B · 5.1B સક્રિય · ઇન્ટેલિજન્સ 11.6નેટિવ 4.25-બિટ65.3 GB50–89
Qwen3.5 9B9B · ઇન્ટેલિજન્સ 11.28-બિટ9.6 GB14–25
Granite 4.2 8B8B · ઇન્ટેલિજન્સ 11.18-બિટ8.5 GB16–28
Qwen3 Coder Next80B · 3B સક્રિય · ઇન્ટેલિજન્સ 9.26-બિટ65 GB56–100
Granite 4.2 3B3B · ઇન્ટેલિજન્સ 9.18-બિટ3.2 GB42–75
gpt-oss-20b21B · 3.6B સક્રિય · ઇન્ટેલિજન્સ 9નેટિવ 4.25-બિટ13.8 GB71–126
Nemotron 3 Nano 30B A3B30B · 3.5B સક્રિય · ઇન્ટેલિજન્સ 8.98-બિટ31.9 GB36–65
Gemma 4 E4B8B · ઇન્ટેલિજન્સ 8.98-બિટ8.5 GB28–50
Llama 4 Scout 17B-16E Instruct109B · 17B સક્રિય · ઇન્ટેલિજન્સ 6.54-બિટ61.3 GB14–25
Ministral 3 8B8.9B · ઇન્ટેલિજન્સ 5.58-બિટ9.5 GB14–25
Nemotron 3 Nano 4B3.97B · ઇન્ટેલિજન્સ 4.88-બિટ4.2 GB32–57
GLM-4.5 Air106B · 12B સક્રિય4-બિટ59.6 GB20–35
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B સક્રિય8-બિટ32.4 GB39–69
GLM-4.7 Flash30B · 3B સક્રિય8-બિટ31.9 GB42–75
Gemma 4 26B A4B25.2B · 3.8B સક્રિય8-બિટ26.8 GB34–60
Devstral Small 2 (24B)24B4-બિટ13.5 GB10–18
Magistral Small 1.2 (2509)24B4-બિટ13.5 GB10–18
Mistral Small 3.2 (24B)24B4-બિટ13.5 GB10–18
LFM2.5 24B A2B24B · 2B સક્રિય8-બિટ25.5 GB64–114
Phi-4 Reasoning Vision 15B15B6-બિટ12.2 GB11–20
Phi-4 (14B)14B6-બિટ11.4 GB12–21
Gemma 4 12B Unified12B8-બિટ12.7 GB11–19
Qwen3 8B8.2B8-બિટ8.7 GB16–28
Llama 3.1 8B Instruct8B8-બિટ8.5 GB16–28
Gemma 4 E2B5.1B8-બિટ5.4 GB56–100
Qwen3.5 4B4B8-બિટ4.3 GB31–56
Phi-4 mini instruct3.8B8-બિટ4 GB34–60
Llama 3.2 3B Instruct3.21B8-બિટ3.4 GB40–71
SmolLM3 3B3B8-બિટ3.2 GB42–75
LFM2.5 2.6B2.69B8-બિટ2.9 GB47–83
Qwen3.5 2B2B8-બિટ2.1 GB64–114
Llama 3.2 1B Instruct1.23B8-બિટ1.3 GB104–185
Qwen3.5 0.8B0.8B8-બિટ0.9 GB150–267
Qwen3 0.6B0.6B8-બિટ0.6 GB225–400
Qwen3.8 Flash Next180B · 6B સક્રિય · ઇન્ટેલિજન્સ 39.82-બિટ ઓછી ગુણવત્તા56.3 GB71–126
Qwen3.5 122B A10B122B · 10B સક્રિય · ઇન્ટેલિજન્સ 15.63-બિટ ઓછી ગુણવત્તા53.4 GB31–55
Mistral Small 4 (119B)119B · 6.5B સક્રિય · ઇન્ટેલિજન્સ 11.33-બિટ ઓછી ગુણવત્તા52.1 GB48–86
Ornith 1.5 122B122B · 10B સક્રિય3-બિટ ઓછી ગુણવત્તા53.4 GB31–55
Nemotron 3 Super 120B A12B120B · 12B સક્રિય3-બિટ ઓછી ગુણવત્તા52.5 GB25–45

ચાલે છે, પણ ધીમે 8

સમાય છે, પણ સેકન્ડના 10 ટોકનથી ઓછી ઝડપે: બૅચ કામ માટે બરાબર, ચૅટ માટે ધીમાં.

મૉડલવર્ઝનમેમરીટોકન/સેકન્ડ
Qwen3.8 27B27B · ઇન્ટેલિજન્સ 33.78-બિટ28.7 GB5–8
Muse Glimmer 30B29.6B · ઇન્ટેલિજન્સ 17.58-બિટ31.5 GB4–8
Gemma 4 31B30.7B · ઇન્ટેલિજન્સ 14.78-બિટ32.6 GB4–7
Granite 4.2 30B30B · ઇન્ટેલિજન્સ 12.78-બિટ31.9 GB4–8
Llama 3.3 70B Instruct70B6-બિટ56.9 GB2–4
Qwen3.6 27B27B8-બિટ28.7 GB5–8
Mistral Medium 3.5 (128B)128B · ઇન્ટેલિજન્સ 14.23-બિટ ઓછી ગુણવત્તા56 GB2–4
Devstral 2 (123B)123B3-બિટ ઓછી ગુણવત્તા53.8 GB3–4

માંડ માંડ સમાય છે 1

લગભગ આખી મેમરી જોઈએ: GPU મેમરીની મર્યાદા વધારો અને કૉન્ટેક્સ્ટ ટૂંકો રાખો.

મૉડલવર્ઝનમેમરીટોકન/સેકન્ડ
MiniMax M2.7230B · 10B સક્રિય2-બિટ ઓછી ગુણવત્તા71.9 GB44–77

બહુ મોટાં 21

96 GB કરતાં વધુ મેમરી જોઈએ, 2 બિટ પર પણ.

બીજાં Mac

96 GBવાળું દરેક Mac, કોઈ પણ ચિપ સાથે.

ઓછી કે વધુ મેમરીવાળું M3 Max:

નજીકની ચિપ:

સામસામે:

તેની સરખામણી કોઈ પણ Mac કે GPU સાથે કરો · લોકલ AI માટે M3 Max · લોકલ LLM માટે શ્રેષ્ઠ Mac · દરેક Mac

પ્રશ્નો

96 GBવાળા M3 Max માટે શ્રેષ્ઠ LLM કયું છે?
જે મૉડલનો Intelligence Index પ્રકાશિત છે, તેમાંથી અહીં સારાં ચાલતાં મૉડલમાં Nemotron 3.5 Bolt 74B A9Bનો સ્કોર સૌથી ઊંચો છે: 6-બિટ, સેકન્ડના આશરે 18–33 ટોકન. સારું ચાલતું સૌથી મોટું મૉડલ gpt-oss-120b છે.
શું 96 GBવાળું M3 Max Llama 3.3 70B ચલાવી શકે?
હા, પણ ધીમે: 6-બિટ, સેકન્ડના આશરે 2–4 ટોકન.
M3 Max પર gpt-oss-20b કેટલું ઝડપી ચાલે છે?
સેકન્ડના આશરે 71–126 ટોકન (નેટિવ 4.25-બિટ), ચિપની 300 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.

96 GBવાળું M3 Max કયાં LLM ચલાવી શકે? દરેક મૉડલ, ઝડપ સાથે