लॉग इनवॉलेट बनाएँ

128 GB Mac के लिए सबसे अच्छे LLM।

128 GB में 73 में से 47 ओपन मॉडल अच्छी तरह चलते हैं। डिफ़ॉल्ट रूप से GPU इसमें से लगभग 96 GB इस्तेमाल कर सकता है। स्पीड चिप पर निर्भर करती है: M3 Max पर 400 GB/s से M1 Ultra पर 800 GB/s तक।

सबसे स्मार्ट, जो अच्छी तरह चलता हैQwen3.8 27B8-बिट · 28.7 GB · 12–22 tok/sसबसे बड़ा, जो अच्छी तरह चलता हैQwen3.5 122B A10B4-बिट · 68.6 GB · 32–114 tok/sकोड के लिएQwen3 Coder Next8-बिट · 85 GB · 56–200 tok/s

128 GB वाले Mac

M1 से M5 की 5 चिप 128 GB के साथ आती हैं। उसकी अपनी सूची और स्पीड देखने के लिए कोई भी चिप खोलें।

अच्छी तरह चलते हैं 51

कॉन्टेक्स्ट के लिए जगह के साथ फ़िट होते हैं, M1 Ultra पर 10 या ज़्यादा टोकन प्रति सेकंड।

मॉडलवर्ज़नमेमोरीM3 MaxM1 Ultra
Qwen3.8 27B27B · इंटेलिजेंस 33.78-बिट28.7 GB12–2113–22
Nemotron 3.5 Bolt 74B A9B74B · 9B सक्रिय · इंटेलिजेंस 21.48-बिट78.6 GB19–3338–67
Qwen3.6 35B A3B35B · 3B सक्रिय · इंटेलिजेंस 18.28-बिट37.2 GB56–100113–200
Muse Glimmer 30B29.6B · इंटेलिजेंस 17.58-बिट31.5 GB11–1911–20
Qwen3.5 122B A10B122B · 10B सक्रिय · इंटेलिजेंस 15.64-बिट68.6 GB32–5764–114
Gemma 4 31B30.7B · इंटेलिजेंस 14.78-बिट32.6 GB10–1811–20
Nemotron 3.5 Lightning 30B A3B30B · 3B सक्रिय · इंटेलिजेंस 12.98-बिट31.9 GB56–100113–200
Granite 4.2 30B30B · इंटेलिजेंस 12.78-बिट31.9 GB11–1911–20
MiniCPM5 2B2.52B · इंटेलिजेंस 12.58-बिट2.7 GB67–119133–237
gpt-oss-120b117B · 5.1B सक्रिय · इंटेलिजेंस 11.6नेटिव 4.25-बिट65.3 GB67–119133–237
Mistral Small 4 (119B)119B · 6.5B सक्रिय · इंटेलिजेंस 11.34-बिट66.9 GB49–8697–173
Qwen3.5 9B9B · इंटेलिजेंस 11.28-बिट9.6 GB19–3338–67
Granite 4.2 8B8B · इंटेलिजेंस 11.18-बिट8.5 GB21–3842–75
Qwen3 Coder Next80B · 3B सक्रिय · इंटेलिजेंस 9.28-बिट85 GB56–100113–200
Granite 4.2 3B3B · इंटेलिजेंस 9.18-बिट3.2 GB56–100113–200
gpt-oss-20b21B · 3.6B सक्रिय · इंटेलिजेंस 9नेटिव 4.25-बिट13.8 GB95–168189–337
Nemotron 3 Nano 30B A3B30B · 3.5B सक्रिय · इंटेलिजेंस 8.98-बिट31.9 GB49–8697–173
Gemma 4 E4B8B · इंटेलिजेंस 8.98-बिट8.5 GB38–6775–133
Llama 4 Scout 17B-16E Instruct109B · 17B सक्रिय · इंटेलिजेंस 6.56-बिट88.6 GB13–2326–46
Ministral 3 8B8.9B · इंटेलिजेंस 5.58-बिट9.5 GB19–3438–67
Nemotron 3 Nano 4B3.97B · इंटेलिजेंस 4.88-बिट4.2 GB43–7686–152
Ornith 1.5 122B122B · 10B सक्रिय4-बिट68.6 GB32–5764–114
Nemotron 3 Super 120B A12B120B · 12B सक्रिय4-बिट67.5 GB26–4753–94
GLM-4.5 Air106B · 12B सक्रिय6-बिट86.1 GB18–3337–65
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B सक्रिय8-बिट32.4 GB51–91103–183
GLM-4.7 Flash30B · 3B सक्रिय8-बिट31.9 GB56–100113–200
Qwen3.6 27B27B8-बिट28.7 GB12–2113–22
Gemma 4 26B A4B25.2B · 3.8B सक्रिय8-बिट26.8 GB45–8090–160
Devstral Small 2 (24B)24B8-बिट25.5 GB13–2414–25
Magistral Small 1.2 (2509)24B8-बिट25.5 GB13–2414–25
Mistral Small 3.2 (24B)24B8-बिट25.5 GB13–2414–25
LFM2.5 24B A2B24B · 2B सक्रिय8-बिट25.5 GB86–152171–305
Phi-4 Reasoning Vision 15B15B8-बिट15.9 GB11–2023–40
Phi-4 (14B)14B8-बिट14.9 GB12–2124–43
Gemma 4 12B Unified12B8-बिट12.7 GB14–2528–50
Qwen3 8B8.2B8-बिट8.7 GB21–3741–74
Llama 3.1 8B Instruct8B8-बिट8.5 GB21–3842–75
Gemma 4 E2B5.1B8-बिट5.4 GB75–133150–267
Qwen3.5 4B4B8-बिट4.3 GB42–7484–149
Phi-4 mini instruct3.8B8-बिट4 GB45–8090–160
Llama 3.2 3B Instruct3.21B8-बिट3.4 GB53–94106–188
SmolLM3 3B3B8-बिट3.2 GB56–100113–200
LFM2.5 2.6B2.69B8-बिट2.9 GB62–110124–221
Qwen3.5 2B2B8-बिट2.1 GB86–152171–305
Llama 3.2 1B Instruct1.23B8-बिट1.3 GB138–246277–492
Qwen3.5 0.8B0.8B8-बिट0.9 GB200–356400–711
Qwen3 0.6B0.6B8-बिट0.6 GB300–533600–1067
Qwen3.8 Flash Next180B · 6B सक्रिय · इंटेलिजेंस 39.83-बिट कम क्वालिटी78.8 GB69–123138–246
Inkling Small276B · 12B सक्रिय · इंटेलिजेंस 25.72-बिट कम क्वालिटी86.3 GB47–8495–168
DeepSeek V4 Flash 0731284B · 13B सक्रिय2-बिट कम क्वालिटी88.8 GB44–7888–156
MiniMax M2.7230B · 10B सक्रिय2-बिट कम क्वालिटी71.9 GB58–103116–206

चलते हैं, पर धीरे 3

फ़िट होते हैं, पर 10 टोकन प्रति सेकंड से कम: बैच काम के लिए ठीक, चैट के लिए धीमे।

मॉडलवर्ज़नमेमोरीM3 MaxM1 Ultra
Mistral Medium 3.5 (128B)128B · इंटेलिजेंस 14.24-बिट72 GB3–45–9
Devstral 2 (123B)123B4-बिट69.2 GB3–55–9
Llama 3.3 70B Instruct70B8-बिट74.4 GB2–45–9

मुश्किल से फ़िट होते हैं 3

लगभग पूरी मेमोरी चाहिए: GPU मेमोरी की सीमा बढ़ाएँ और कॉन्टेक्स्ट छोटा रखें।

मॉडलवर्ज़नमेमोरीM3 MaxM1 Ultra
GLM-5.3 Flash320B · 18B सक्रिय · इंटेलिजेंस 41.82-बिट कम क्वालिटी100 GB32–5764–114
MiMo V2.6 Flash309B · 15B सक्रिय · इंटेलिजेंस 37.92-बिट कम क्वालिटी96.6 GB38–6877–136
Hy3295B · 21B सक्रिय · इंटेलिजेंस 25.32-बिट कम क्वालिटी92.2 GB27–4855–97

बहुत बड़े 16

128 GB से ज़्यादा मेमोरी चाहिए, 2 बिट पर भी।

सवाल

128 GB वाले Mac के लिए सबसे अच्छा LLM कौन-सा है?
जिन मॉडलों का Intelligence Index प्रकाशित है, उनमें से 128 GB में अच्छी तरह चलने वालों में Qwen3.8 27B का स्कोर सबसे ऊँचा है (8-बिट)। अच्छी तरह चलने वाला सबसे बड़ा मॉडल Qwen3.5 122B A10B है। कोड के लिए: Qwen3 Coder Next।
क्या Mac पर लोकल AI के लिए 128 GB काफ़ी है?
यहाँ के 73 ओपन मॉडल में से 47 इसमें 4 बिट या उससे बेहतर पर अच्छी तरह चलते हैं। डिफ़ॉल्ट रूप से macOS GPU को इसमें से लगभग 96 GB इस्तेमाल करने देता है; मॉडल और उसका कॉन्टेक्स्ट उसी में फ़िट होने चाहिए।
क्या 128 GB Mac पर gpt-oss-20b चल सकता है?
हाँ, नेटिव 4.25-बिट पर, M3 Max पर लगभग 95–168 टोकन प्रति सेकंड और M1 Ultra पर 189–337।

दूसरे साइज़: 8 GB · 16 GB · 18 GB · 24 GB · 32 GB · 36 GB · 48 GB · 64 GB · 96 GB · 128 GB · 192 GB · 256 GB · 512 GB

इन्हें MLX Harness (मुफ़्त, ओपन सोर्स) से या Terminal में Apple के mlx-lm से चलाएँ: स्टेप बाय स्टेप।

हिसाब कैसे लगाया गया

मेमोरी: मॉडल के पैरामीटर 8, 6, 4, 3 या 2 बिट प्रति वेट पर, साथ में MLX के ग्रुप स्केल (हर वेट पर आधा बिट), या उसका नेटिव फ़ॉर्मैट, और ऊपर से कॉन्टेक्स्ट के लिए जगह। डिफ़ॉल्ट रूप से macOS GPU को यूनिफ़ाइड मेमोरी का लगभग 75% इस्तेमाल करने देता है। स्पीड: मेमोरी बैंडविड्थ को हर टोकन पर पढ़े जाने वाले बाइट से भाग देने पर एक बातचीत की ऊपरी सीमा मिलती है; llama.cpp के सार्वजनिक Apple Silicon बेंचमार्क में असली रन इसके लगभग 45% से 80% तक पहुँचते हैं, और यही रेंज दिखाई गई है। ये अनुमान हैं, माप नहीं: अपना Mac MLX Bench पर मापें। मॉडल के आँकड़े हर मॉडल के आधिकारिक मॉडल कार्ड से, चिप के आँकड़े Apple के Tech Specs से। 2026-10-19 को जाँचा गया। वही डेटा जो mlx.app/compare पर है।

128 GB Mac के लिए सबसे अच्छे लोकल LLM (M1 से M5): क्या चलता है