लॉग इनवॉलेट बनाएँ

96 GB वाला M3 Ultra क्या चला सकता है?

इस पर 73 में से 43 ओपन मॉडल अच्छी तरह चलते हैं। डिफ़ॉल्ट रूप से GPU इसकी 96 GB में से लगभग 72 GB इस्तेमाल कर सकता है, और यह 819 GB/s पर मेमोरी पढ़ता है, जिससे तय होता है कि यह कितनी तेज़ी से लिखता है। इनमें मिलता है: Mac Studio (2025)।

सबसे स्मार्ट, जो अच्छी तरह चलता हैQwen3.8 27B8-बिट · 28.7 GB · 13–23 tok/sसबसे बड़ा, जो अच्छी तरह चलता हैgpt-oss-120bनेटिव 4.25-बिट · 65.3 GB · 137–243 tok/sकोड के लिएQwen3 Coder Next6-बिट · 65 GB · 154–273 tok/s

अच्छी तरह चलते हैं 48

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

मॉडलवर्ज़नमेमोरीटोकन/सेकंड
Qwen3.8 27B27B · इंटेलिजेंस 33.78-बिट28.7 GB13–23
Nemotron 3.5 Bolt 74B A9B74B · 9B सक्रिय · इंटेलिजेंस 21.46-बिट60.1 GB50–90
Qwen3.6 35B A3B35B · 3B सक्रिय · इंटेलिजेंस 18.28-बिट37.2 GB115–205
Muse Glimmer 30B29.6B · इंटेलिजेंस 17.58-बिट31.5 GB12–21
Gemma 4 31B30.7B · इंटेलिजेंस 14.78-बिट32.6 GB11–20
Nemotron 3.5 Lightning 30B A3B30B · 3B सक्रिय · इंटेलिजेंस 12.98-बिट31.9 GB115–205
Granite 4.2 30B30B · इंटेलिजेंस 12.78-बिट31.9 GB12–21
MiniCPM5 2B2.52B · इंटेलिजेंस 12.58-बिट2.7 GB137–243
gpt-oss-120b117B · 5.1B सक्रिय · इंटेलिजेंस 11.6नेटिव 4.25-बिट65.3 GB137–243
Qwen3.5 9B9B · इंटेलिजेंस 11.28-बिट9.6 GB38–68
Granite 4.2 8B8B · इंटेलिजेंस 11.18-बिट8.5 GB43–77
Qwen3 Coder Next80B · 3B सक्रिय · इंटेलिजेंस 9.26-बिट65 GB154–273
Granite 4.2 3B3B · इंटेलिजेंस 9.18-बिट3.2 GB115–205
gpt-oss-20b21B · 3.6B सक्रिय · इंटेलिजेंस 9नेटिव 4.25-बिट13.8 GB194–345
Nemotron 3 Nano 30B A3B30B · 3.5B सक्रिय · इंटेलिजेंस 8.98-बिट31.9 GB100–177
Gemma 4 E4B8B · इंटेलिजेंस 8.98-बिट8.5 GB77–137
Llama 4 Scout 17B-16E Instruct109B · 17B सक्रिय · इंटेलिजेंस 6.54-बिट61.3 GB38–68
Ministral 3 8B8.9B · इंटेलिजेंस 5.58-बिट9.5 GB39–69
Nemotron 3 Nano 4B3.97B · इंटेलिजेंस 4.88-बिट4.2 GB88–156
GLM-4.5 Air106B · 12B सक्रिय4-बिट59.6 GB54–96
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B सक्रिय8-बिट32.4 GB105–187
GLM-4.7 Flash30B · 3B सक्रिय8-बिट31.9 GB115–205
Qwen3.6 27B27B8-बिट28.7 GB13–23
Gemma 4 26B A4B25.2B · 3.8B सक्रिय8-बिट26.8 GB92–164
Devstral Small 2 (24B)24B8-बिट25.5 GB14–26
Magistral Small 1.2 (2509)24B8-बिट25.5 GB14–26
Mistral Small 3.2 (24B)24B8-बिट25.5 GB14–26
LFM2.5 24B A2B24B · 2B सक्रिय8-बिट25.5 GB176–312
Phi-4 Reasoning Vision 15B15B8-बिट15.9 GB23–41
Phi-4 (14B)14B8-बिट14.9 GB25–44
Gemma 4 12B Unified12B8-बिट12.7 GB29–52
Qwen3 8B8.2B8-बिट8.7 GB42–75
Llama 3.1 8B Instruct8B8-बिट8.5 GB43–77
Gemma 4 E2B5.1B8-बिट5.4 GB154–273
Qwen3.5 4B4B8-बिट4.3 GB86–152
Phi-4 mini instruct3.8B8-बिट4 GB92–164
Llama 3.2 3B Instruct3.21B8-बिट3.4 GB108–193
SmolLM3 3B3B8-बिट3.2 GB115–205
LFM2.5 2.6B2.69B8-बिट2.9 GB127–226
Qwen3.5 2B2B8-बिट2.1 GB176–312
Llama 3.2 1B Instruct1.23B8-बिट1.3 GB284–504
Qwen3.5 0.8B0.8B8-बिट0.9 GB410–728
Qwen3 0.6B0.6B8-बिट0.6 GB614–1092
Qwen3.8 Flash Next180B · 6B सक्रिय · इंटेलिजेंस 39.82-बिट कम क्वालिटी56.3 GB194–345
Qwen3.5 122B A10B122B · 10B सक्रिय · इंटेलिजेंस 15.63-बिट कम क्वालिटी53.4 GB84–149
Mistral Small 4 (119B)119B · 6.5B सक्रिय · इंटेलिजेंस 11.33-बिट कम क्वालिटी52.1 GB132–234
Ornith 1.5 122B122B · 10B सक्रिय3-बिट कम क्वालिटी53.4 GB84–149
Nemotron 3 Super 120B A12B120B · 12B सक्रिय3-बिट कम क्वालिटी52.5 GB70–124

चलते हैं, पर धीरे 3

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

मॉडलवर्ज़नमेमोरीटोकन/सेकंड
Llama 3.3 70B Instruct70B6-बिट56.9 GB6–12
Mistral Medium 3.5 (128B)128B · इंटेलिजेंस 14.23-बिट कम क्वालिटी56 GB7–12
Devstral 2 (123B)123B3-बिट कम क्वालिटी53.8 GB7–12

मुश्किल से फ़िट होते हैं 1

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

मॉडलवर्ज़नमेमोरीटोकन/सेकंड
MiniMax M2.7230B · 10B सक्रिय2-बिट कम क्वालिटी71.9 GB119–211

बहुत बड़े 21

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

दूसरे Mac

96 GB वाला हर Mac, किसी भी चिप के साथ।

कम या ज़्यादा मेमोरी वाला M3 Ultra:

आस-पास की चिप:

आमने-सामने:

PC और ग्राफ़िक्स कार्ड से मुक़ाबला:

इसकी तुलना किसी भी Mac या GPU से करें · लोकल AI के लिए M3 Ultra · लोकल LLM के लिए सबसे अच्छा Mac · हर Mac

सवाल

96 GB वाले M3 Ultra के लिए सबसे अच्छा LLM कौन-सा है?
जिन मॉडलों का Intelligence Index प्रकाशित है, उनमें से यहाँ अच्छी तरह चलने वालों में Qwen3.8 27B का स्कोर सबसे ऊँचा है: 8-बिट, लगभग 13–23 टोकन प्रति सेकंड। अच्छी तरह चलने वाला सबसे बड़ा मॉडल gpt-oss-120b है।
क्या 96 GB वाला M3 Ultra Llama 3.3 70B चला सकता है?
हाँ, पर धीरे: 6-बिट, लगभग 6–12 टोकन प्रति सेकंड पर।
M3 Ultra पर gpt-oss-20b कितना तेज़ चलता है?
लगभग 194–345 टोकन प्रति सेकंड (नेटिव 4.25-बिट), चिप की 819 GB/s मेमोरी बैंडविड्थ के आधार पर।

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।

96 GB वाला M3 Ultra कौन-से LLM चला सकता है? मॉडल और स्पीड