લૉગ ઇનવૉલેટ બનાવો

96 GBવાળું M3 Ultra શું ચલાવી શકે?

તેના પર 73માંથી 43 ઓપન મૉડલ સારાં ચાલે છે. ડિફૉલ્ટ રીતે GPU તેની 96 GBમાંથી આશરે 72 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 27B8-બિટ · 28.7 GB · 13–23 tok/sસારું ચાલતું સૌથી મોટુંgpt-oss-120bનેટિવ 4.25-બિટ · 65.3 GB · 137–243 tok/sકોડ માટેQwen3 Coder Next6-બિટ · 65 GB · 154–273 tok/s

સારાં ચાલે છે 48

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

મૉડલવર્ઝનમેમરીટોકન/સેકન્ડ
Qwen3.8 27B27B · ઇન્ટેલિજન્સ 33.78-બિટ28.7 GB13–23
Nemotron 3.5 Bolt 74B A9B74B · 9B સક્રિય · ઇન્ટેલિજન્સ 21.46-બિટ60.1 GB50–90
Qwen3.6 35B A3B35B · 3B સક્રિય · ઇન્ટેલિજન્સ 18.28-બિટ37.2 GB115–205
Muse Glimmer 30B29.6B · ઇન્ટેલિજન્સ 17.58-બિટ31.5 GB12–21
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
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 9.26-બિટ65 GB154–273
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 6.54-બિટ61.3 GB38–68
Ministral 3 8B8.9B · ઇન્ટેલિજન્સ 5.58-બિટ9.5 GB39–69
Nemotron 3 Nano 4B3.97B · ઇન્ટેલિજન્સ 4.88-બિટ4.2 GB88–156
GLM-4.5 Air106B · 12B સક્રિય4-બિટ59.6 GB54–96
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
Qwen3.8 Flash Next180B · 6B સક્રિય · ઇન્ટેલિજન્સ 39.82-બિટ ઓછી ગુણવત્તા56.3 GB194–345
Qwen3.5 122B A10B122B · 10B સક્રિય · ઇન્ટેલિજન્સ 15.63-બિટ ઓછી ગુણવત્તા53.4 GB84–149
Mistral Small 4 (119B)119B · 6.5B સક્રિય · ઇન્ટેલિજન્સ 11.33-બિટ ઓછી ગુણવત્તા52.1 GB132–234
Ornith 1.5 122B122B · 10B સક્રિય3-બિટ ઓછી ગુણવત્તા53.4 GB84–149
Nemotron 3 Super 120B A12B120B · 12B સક્રિય3-બિટ ઓછી ગુણવત્તા52.5 GB70–124

ચાલે છે, પણ ધીમે 3

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

મૉડલવર્ઝનમેમરીટોકન/સેકન્ડ
Llama 3.3 70B Instruct70B6-બિટ56.9 GB6–12
Mistral Medium 3.5 (128B)128B · ઇન્ટેલિજન્સ 14.23-બિટ ઓછી ગુણવત્તા56 GB7–12
Devstral 2 (123B)123B3-બિટ ઓછી ગુણવત્તા53.8 GB7–12

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 GB119–211

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 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

96 GBવાળા M3 Ultra માટે શ્રેષ્ઠ LLM કયું છે?
જે મૉડલનો Intelligence Index પ્રકાશિત છે, તેમાંથી અહીં સારાં ચાલતાં મૉડલમાં Qwen3.8 27Bનો સ્કોર સૌથી ઊંચો છે: 8-બિટ, સેકન્ડના આશરે 13–23 ટોકન. સારું ચાલતું સૌથી મોટું મૉડલ gpt-oss-120b છે.
શું 96 GBવાળું M3 Ultra Llama 3.3 70B ચલાવી શકે?
હા, પણ ધીમે: 6-બિટ, સેકન્ડના આશરે 6–12 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.

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