લૉગ ઇનવૉલેટ બનાવો

96 GBવાળું M5 Ultra શું ચલાવી શકે?

તેના પર 73માંથી 44 ઓપન મૉડલ સારાં ચાલે છે. ડિફૉલ્ટ રીતે GPU તેની 96 GBમાંથી આશરે 72 GB વાપરી શકે છે, અને તે 1,200 GB/sની ઝડપે મેમરી વાંચે છે, જેનાથી તે કેટલું ઝડપી લખે છે તે નક્કી થાય છે. આમાં મળે છે: Mac Studio (M5 Max or M5 Ultra).

સારું ચાલતું સૌથી સ્માર્ટQwen3.8 27B8-બિટ · 28.7 GB · 19–33 tok/sસારું ચાલતું સૌથી મોટુંgpt-oss-120bનેટિવ 4.25-બિટ · 65.3 GB · 200–356 tok/sકોડ માટેQwen3 Coder Next6-બિટ · 65 GB · 225–400 tok/s

સારાં ચાલે છે 51

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

મૉડલવર્ઝનમેમરીટોકન/સેકન્ડ
Qwen3.8 27B27B · ઇન્ટેલિજન્સ 33.78-બિટ28.7 GB19–33
Nemotron 3.5 Bolt 74B A9B74B · 9B સક્રિય · ઇન્ટેલિજન્સ 21.46-બિટ60.1 GB74–132
Qwen3.6 35B A3B35B · 3B સક્રિય · ઇન્ટેલિજન્સ 18.28-બિટ37.2 GB169–300
Muse Glimmer 30B29.6B · ઇન્ટેલિજન્સ 17.58-બિટ31.5 GB17–30
Gemma 4 31B30.7B · ઇન્ટેલિજન્સ 14.78-બિટ32.6 GB17–29
Nemotron 3.5 Lightning 30B A3B30B · 3B સક્રિય · ઇન્ટેલિજન્સ 12.98-બિટ31.9 GB169–300
Granite 4.2 30B30B · ઇન્ટેલિજન્સ 12.78-બિટ31.9 GB17–30
MiniCPM5 2B2.52B · ઇન્ટેલિજન્સ 12.58-બિટ2.7 GB200–356
gpt-oss-120b117B · 5.1B સક્રિય · ઇન્ટેલિજન્સ 11.6નેટિવ 4.25-બિટ65.3 GB200–356
Qwen3.5 9B9B · ઇન્ટેલિજન્સ 11.28-બિટ9.6 GB56–100
Granite 4.2 8B8B · ઇન્ટેલિજન્સ 11.18-બિટ8.5 GB64–113
Qwen3 Coder Next80B · 3B સક્રિય · ઇન્ટેલિજન્સ 9.26-બિટ65 GB225–400
Granite 4.2 3B3B · ઇન્ટેલિજન્સ 9.18-બિટ3.2 GB169–300
gpt-oss-20b21B · 3.6B સક્રિય · ઇન્ટેલિજન્સ 9નેટિવ 4.25-બિટ13.8 GB284–505
Nemotron 3 Nano 30B A3B30B · 3.5B સક્રિય · ઇન્ટેલિજન્સ 8.98-બિટ31.9 GB146–259
Gemma 4 E4B8B · ઇન્ટેલિજન્સ 8.98-બિટ8.5 GB113–200
Llama 4 Scout 17B-16E Instruct109B · 17B સક્રિય · ઇન્ટેલિજન્સ 6.54-બિટ61.3 GB56–100
Ministral 3 8B8.9B · ઇન્ટેલિજન્સ 5.58-બિટ9.5 GB57–101
Nemotron 3 Nano 4B3.97B · ઇન્ટેલિજન્સ 4.88-બિટ4.2 GB129–229
GLM-4.5 Air106B · 12B સક્રિય4-બિટ59.6 GB79–141
Llama 3.3 70B Instruct70B4-બિટ39.4 GB14–24
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B સક્રિય8-બિટ32.4 GB154–274
GLM-4.7 Flash30B · 3B સક્રિય8-બિટ31.9 GB169–300
Qwen3.6 27B27B8-બિટ28.7 GB19–33
Gemma 4 26B A4B25.2B · 3.8B સક્રિય8-બિટ26.8 GB135–240
Devstral Small 2 (24B)24B8-બિટ25.5 GB21–38
Magistral Small 1.2 (2509)24B8-બિટ25.5 GB21–38
Mistral Small 3.2 (24B)24B8-બિટ25.5 GB21–38
LFM2.5 24B A2B24B · 2B સક્રિય8-બિટ25.5 GB257–457
Phi-4 Reasoning Vision 15B15B8-બિટ15.9 GB34–60
Phi-4 (14B)14B8-બિટ14.9 GB36–64
Gemma 4 12B Unified12B8-બિટ12.7 GB43–76
Qwen3 8B8.2B8-બિટ8.7 GB62–110
Llama 3.1 8B Instruct8B8-બિટ8.5 GB64–113
Gemma 4 E2B5.1B8-બિટ5.4 GB225–400
Qwen3.5 4B4B8-બિટ4.3 GB126–223
Phi-4 mini instruct3.8B8-બિટ4 GB135–240
Llama 3.2 3B Instruct3.21B8-બિટ3.4 GB159–282
SmolLM3 3B3B8-બિટ3.2 GB169–300
LFM2.5 2.6B2.69B8-બિટ2.9 GB186–331
Qwen3.5 2B2B8-બિટ2.1 GB257–457
Llama 3.2 1B Instruct1.23B8-બિટ1.3 GB415–738
Qwen3.5 0.8B0.8B8-બિટ0.9 GB600–1067
Qwen3 0.6B0.6B8-બિટ0.6 GB900–1600
Qwen3.8 Flash Next180B · 6B સક્રિય · ઇન્ટેલિજન્સ 39.82-બિટ ઓછી ગુણવત્તા56.3 GB284–505
Qwen3.5 122B A10B122B · 10B સક્રિય · ઇન્ટેલિજન્સ 15.63-બિટ ઓછી ગુણવત્તા53.4 GB123–218
Mistral Medium 3.5 (128B)128B · ઇન્ટેલિજન્સ 14.23-બિટ ઓછી ગુણવત્તા56 GB10–17
Mistral Small 4 (119B)119B · 6.5B સક્રિય · ઇન્ટેલિજન્સ 11.33-બિટ ઓછી ગુણવત્તા52.1 GB193–343
Devstral 2 (123B)123B3-બિટ ઓછી ગુણવત્તા53.8 GB10–18
Ornith 1.5 122B122B · 10B સક્રિય3-બિટ ઓછી ગુણવત્તા53.4 GB123–218
Nemotron 3 Super 120B A12B120B · 12B સક્રિય3-બિટ ઓછી ગુણવત્તા52.5 GB102–181

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 GB174–310

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 M5 Ultra:

નજીકની ચિપ:

સામસામે:

PC અને ગ્રાફિક્સ કાર્ડ સામે:

તેની સરખામણી કોઈ પણ Mac કે GPU સાથે કરો · લોકલ AI માટે M5 Ultra · લોકલ LLM માટે શ્રેષ્ઠ Mac · દરેક Mac

પ્રશ્નો

96 GBવાળા M5 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 19–33 ટોકન. સારું ચાલતું સૌથી મોટું મૉડલ gpt-oss-120b છે.
શું 96 GBવાળું M5 Ultra Llama 3.3 70B ચલાવી શકે?
હા: 4-બિટ, સેકન્ડના આશરે 14–24 ટોકન.
M5 Ultra પર gpt-oss-20b કેટલું ઝડપી ચાલે છે?
સેકન્ડના આશરે 284–505 ટોકન (નેટિવ 4.25-બિટ), ચિપની 1,200 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 M5 Ultra કયાં LLM ચલાવી શકે? દરેક મૉડલ, ઝડપ સાથે