લૉગ ઇનવૉલેટ બનાવો

256 GBવાળું M3 Ultra શું ચલાવી શકે?

તેના પર 73માંથી 53 ઓપન મૉડલ સારાં ચાલે છે. ડિફૉલ્ટ રીતે GPU તેની 256 GBમાંથી આશરે 192 GB વાપરી શકે છે, અને તે 819 GB/sની ઝડપે મેમરી વાંચે છે, જેનાથી તે કેટલું ઝડપી લખે છે તે નક્કી થાય છે. આમાં મળે છે: Mac Studio (2025).

સારું ચાલતું સૌથી સ્માર્ટQwen3.8 Flash Next6-બિટ · 146 GB · 75–134 tok/sસારું ચાલતું સૌથી મોટુંMiMo V2.6 Flashનેટિવ 4.48-બિટ · 173 GB · 44–78 tok/sકોડ માટેQwen3 Coder Next8-બિટ · 85 GB · 115–205 tok/s

સારાં ચાલે છે 60

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

મૉડલવર્ઝનમેમરીટોકન/સેકન્ડ
Qwen3.8 Flash Next180B · 6B સક્રિય · ઇન્ટેલિજન્સ 39.86-બિટ146 GB75–134
MiMo V2.6 Flash309B · 15B સક્રિય · ઇન્ટેલિજન્સ 37.9નેટિવ 4.48-બિટ173 GB44–78
Qwen3.8 27B27B · ઇન્ટેલિજન્સ 33.78-બિટ28.7 GB13–23
Inkling Small276B · 12B સક્રિય · ઇન્ટેલિજન્સ 25.74-બિટ155 GB54–96
Hy3295B · 21B સક્રિય · ઇન્ટેલિજન્સ 25.34-બિટ166 GB31–56
Nemotron 3.5 Bolt 74B A9B74B · 9B સક્રિય · ઇન્ટેલિજન્સ 21.48-બિટ78.6 GB38–68
Qwen3.6 35B A3B35B · 3B સક્રિય · ઇન્ટેલિજન્સ 18.28-બિટ37.2 GB115–205
Muse Glimmer 30B29.6B · ઇન્ટેલિજન્સ 17.58-બિટ31.5 GB12–21
Qwen3.5 122B A10B122B · 10B સક્રિય · ઇન્ટેલિજન્સ 15.68-બિટ130 GB35–62
Gemma 4 31B30.7B · ઇન્ટેલિજન્સ 14.78-બિટ32.6 GB11–20
Nemotron 3.5 Lightning 30B A3B30B · 3B સક્રિય · ઇન્ટેલિજન્સ 12.98-બિટ31.9 GB115–205
Granite 4.2 30B30B · ઇન્ટેલિજન્સ 12.78-બિટ31.9 GB12–21
MiniCPM5 2B2.52B · ઇન્ટેલિજન્સ 12.58-બિટ2.7 GB137–243
gpt-oss-120b117B · 5.1B સક્રિય · ઇન્ટેલિજન્સ 11.6નેટિવ 4.25-બિટ65.3 GB137–243
Mistral Small 4 (119B)119B · 6.5B સક્રિય · ઇન્ટેલિજન્સ 11.38-બિટ126 GB53–95
Qwen3.5 9B9B · ઇન્ટેલિજન્સ 11.28-બિટ9.6 GB38–68
Granite 4.2 8B8B · ઇન્ટેલિજન્સ 11.18-બિટ8.5 GB43–77
Qwen3 Coder Next80B · 3B સક્રિય · ઇન્ટેલિજન્સ 9.28-બિટ85 GB115–205
Granite 4.2 3B3B · ઇન્ટેલિજન્સ 9.18-બિટ3.2 GB115–205
gpt-oss-20b21B · 3.6B સક્રિય · ઇન્ટેલિજન્સ 9નેટિવ 4.25-બિટ13.8 GB194–345
Nemotron 3 Nano 30B A3B30B · 3.5B સક્રિય · ઇન્ટેલિજન્સ 8.98-બિટ31.9 GB100–177
Gemma 4 E4B8B · ઇન્ટેલિજન્સ 8.98-બિટ8.5 GB77–137
Llama 4 Scout 17B-16E Instruct109B · 17B સક્રિય · ઇન્ટેલિજન્સ 6.58-બિટ116 GB20–36
Ministral 3 8B8.9B · ઇન્ટેલિજન્સ 5.58-બિટ9.5 GB39–69
Nemotron 3 Nano 4B3.97B · ઇન્ટેલિજન્સ 4.88-બિટ4.2 GB88–156
DeepSeek V4 Flash 0731284B · 13B સક્રિય4-બિટ160 GB50–90
MiniMax M2.7230B · 10B સક્રિય4-બિટ129 GB66–117
Ornith 1.5 122B122B · 10B સક્રિય8-બિટ130 GB35–62
Nemotron 3 Super 120B A12B120B · 12B સક્રિય8-બિટ128 GB29–51
GLM-4.5 Air106B · 12B સક્રિય8-બિટ113 GB29–51
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B સક્રિય8-બિટ32.4 GB105–187
GLM-4.7 Flash30B · 3B સક્રિય8-બિટ31.9 GB115–205
Qwen3.6 27B27B8-બિટ28.7 GB13–23
Gemma 4 26B A4B25.2B · 3.8B સક્રિય8-બિટ26.8 GB92–164
Devstral Small 2 (24B)24B8-બિટ25.5 GB14–26
Magistral Small 1.2 (2509)24B8-બિટ25.5 GB14–26
Mistral Small 3.2 (24B)24B8-બિટ25.5 GB14–26
LFM2.5 24B A2B24B · 2B સક્રિય8-બિટ25.5 GB176–312
Phi-4 Reasoning Vision 15B15B8-બિટ15.9 GB23–41
Phi-4 (14B)14B8-બિટ14.9 GB25–44
Gemma 4 12B Unified12B8-બિટ12.7 GB29–52
Qwen3 8B8.2B8-બિટ8.7 GB42–75
Llama 3.1 8B Instruct8B8-બિટ8.5 GB43–77
Gemma 4 E2B5.1B8-બિટ5.4 GB154–273
Qwen3.5 4B4B8-બિટ4.3 GB86–152
Phi-4 mini instruct3.8B8-બિટ4 GB92–164
Llama 3.2 3B Instruct3.21B8-બિટ3.4 GB108–193
SmolLM3 3B3B8-બિટ3.2 GB115–205
LFM2.5 2.6B2.69B8-બિટ2.9 GB127–226
Qwen3.5 2B2B8-બિટ2.1 GB176–312
Llama 3.2 1B Instruct1.23B8-બિટ1.3 GB284–504
Qwen3.5 0.8B0.8B8-બિટ0.9 GB410–728
Qwen3 0.6B0.6B8-બિટ0.6 GB614–1092
DeepSeek V4.1 Flash 1017552B · 16B સક્રિય · ઇન્ટેલિજન્સ 45.12-બિટ ઓછી ગુણવત્તા173 GB74–131
GLM-5.3 Flash320B · 18B સક્રિય · ઇન્ટેલિજન્સ 41.83-બિટ ઓછી ગુણવત્તા140 GB47–83
Beam 1.0501B · 23B સક્રિય · ઇન્ટેલિજન્સ 30.32-બિટ ઓછી ગુણવત્તા157 GB51–91
MiniMax M3428B · 23B સક્રિય · ઇન્ટેલિજન્સ 29.22-બિટ ઓછી ગુણવત્તા134 GB51–91
Nemotron 3 Ultra 550B A55B550B · 55B સક્રિય · ઇન્ટેલિજન્સ 22.92-બિટ ઓછી ગુણવત્તા172 GB21–38
Qwen3.5 397B A17B397B · 17B સક્રિય · ઇન્ટેલિજન્સ 18.43-બિટ ઓછી ગુણવત્તા174 GB50–89
Llama 4 Maverick 17B-128E Instruct400B · 17B સક્રિય · ઇન્ટેલિજન્સ 9.33-બિટ ઓછી ગુણવત્તા175 GB50–89

ચાલે છે, પણ ધીમે 3

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

મૉડલવર્ઝનમેમરીટોકન/સેકન્ડ
Mistral Medium 3.5 (128B)128B · ઇન્ટેલિજન્સ 14.28-બિટ136 GB3–5
Devstral 2 (123B)123B8-બિટ131 GB3–5
Llama 3.3 70B Instruct70B8-બિટ74.4 GB5–9

માંડ માંડ સમાય છે 1

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

મૉડલવર્ઝનમેમરીટોકન/સેકન્ડ
Mistral Large 3 (675B)675B · 41B સક્રિય2-બિટ ઓછી ગુણવત્તા211 GB29–51

બહુ મોટાં 9

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

બીજાં Mac

256 GBવાળું દરેક Mac, કોઈ પણ ચિપ સાથે.

ઓછી કે વધુ મેમરીવાળું M3 Ultra:

નજીકની ચિપ:

સામસામે:

PC અને ગ્રાફિક્સ કાર્ડ સામે:

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

પ્રશ્નો

256 GBવાળા M3 Ultra માટે શ્રેષ્ઠ LLM કયું છે?
જે મૉડલનો Intelligence Index પ્રકાશિત છે, તેમાંથી અહીં સારાં ચાલતાં મૉડલમાં Qwen3.8 Flash Nextનો સ્કોર સૌથી ઊંચો છે: 6-બિટ, સેકન્ડના આશરે 75–134 ટોકન. સારું ચાલતું સૌથી મોટું મૉડલ MiMo V2.6 Flash છે.
શું 256 GBવાળું M3 Ultra Llama 3.3 70B ચલાવી શકે?
હા, પણ ધીમે: 8-બિટ, સેકન્ડના આશરે 5–9 ટોકન.
M3 Ultra પર gpt-oss-20b કેટલું ઝડપી ચાલે છે?
સેકન્ડના આશરે 194–345 ટોકન (નેટિવ 4.25-બિટ), ચિપની 819 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.

256 GBવાળું M3 Ultra કયાં LLM ચલાવી શકે? દરેક મૉડલ, ઝડપ સાથે