अच्छी तरह चलते हैं 26
कॉन्टेक्स्ट के लिए जगह के साथ फ़िट होते हैं, 10 या ज़्यादा टोकन प्रति सेकंड पर।
| मॉडल | वर्ज़न | मेमोरी | टोकन/सेकंड |
|---|---|---|---|
| MiniCPM5 2B2.52B · इंटेलिजेंस 12.5 | 8-बिट | 2.7 GB | 20–36 |
| Qwen3.5 9B9B · इंटेलिजेंस 11.2 | 4-बिट | 5.1 GB | 11–19 |
| Granite 4.2 8B8B · इंटेलिजेंस 11.1 | 4-बिट | 4.5 GB | 12–21 |
| Granite 4.2 3B3B · इंटेलिजेंस 9.1 | 8-बिट | 3.2 GB | 17–30 |
| Gemma 4 E4B8B · इंटेलिजेंस 8.9 | 8-बिट | 8.5 GB | 11–20 |
| Ministral 3 8B8.9B · इंटेलिजेंस 5.5 | 4-बिट | 5 GB | 11–19 |
| Nemotron 3 Nano 4B3.97B · इंटेलिजेंस 4.8 | 8-बिट | 4.2 GB | 13–23 |
| Qwen3 8B8.2B | 4-बिट | 4.6 GB | 12–21 |
| Llama 3.1 8B Instruct8B | 4-बिट | 4.5 GB | 12–21 |
| Gemma 4 E2B5.1B | 8-बिट | 5.4 GB | 23–40 |
| Qwen3.5 4B4B | 8-बिट | 4.3 GB | 13–22 |
| Phi-4 mini instruct3.8B | 8-बिट | 4 GB | 14–24 |
| Llama 3.2 3B Instruct3.21B | 8-बिट | 3.4 GB | 16–28 |
| SmolLM3 3B3B | 8-बिट | 3.2 GB | 17–30 |
| LFM2.5 2.6B2.69B | 8-बिट | 2.9 GB | 19–33 |
| Qwen3.5 2B2B | 8-बिट | 2.1 GB | 26–46 |
| Llama 3.2 1B Instruct1.23B | 8-बिट | 1.3 GB | 42–74 |
| Qwen3.5 0.8B0.8B | 8-बिट | 0.9 GB | 60–107 |
| Qwen3 0.6B0.6B | 8-बिट | 0.6 GB | 90–160 |
| Nemotron 3.5 Lightning 30B A3B30B · 3B सक्रिय · इंटेलिजेंस 12.9 | 2-बिट कम क्वालिटी | 9.4 GB | 60–107 |
| gpt-oss-20b21B · 3.6B सक्रिय · इंटेलिजेंस 9 | 3-बिट कम क्वालिटी | 9.2 GB | 34–60 |
| Nemotron 3 Nano 30B A3B30B · 3.5B सक्रिय · इंटेलिजेंस 8.9 | 2-बिट कम क्वालिटी | 9.4 GB | 49–87 |
| Qwen3 Coder 30B A3B Instruct30.5B · 3.3B सक्रिय | 2-बिट कम क्वालिटी | 9.5 GB | 54–96 |
| GLM-4.7 Flash30B · 3B सक्रिय | 2-बिट कम क्वालिटी | 9.4 GB | 60–107 |
| Gemma 4 26B A4B25.2B · 3.8B सक्रिय | 2-बिट कम क्वालिटी | 7.9 GB | 45–80 |
| LFM2.5 24B A2B24B · 2B सक्रिय | 3-बिट कम क्वालिटी | 10.5 GB | 60–107 |
चलते हैं, पर धीरे 11
फ़िट होते हैं, पर 10 टोकन प्रति सेकंड से कम: बैच काम के लिए ठीक, चैट के लिए धीमे।
| मॉडल | वर्ज़न | मेमोरी | टोकन/सेकंड |
|---|---|---|---|
| Phi-4 Reasoning Vision 15B15B | 4-बिट | 8.4 GB | 6–11 |
| Phi-4 (14B)14B | 4-बिट | 7.9 GB | 7–12 |
| Gemma 4 12B Unified12B | 6-बिट | 9.7 GB | 6–10 |
| Qwen3.8 27B27B · इंटेलिजेंस 33.7 | 2-बिट कम क्वालिटी | 8.4 GB | 6–11 |
| Muse Glimmer 30B29.6B · इंटेलिजेंस 17.5 | 2-बिट कम क्वालिटी | 9.3 GB | 6–10 |
| Gemma 4 31B30.7B · इंटेलिजेंस 14.7 | 2-बिट कम क्वालिटी | 9.6 GB | 6–10 |
| Granite 4.2 30B30B · इंटेलिजेंस 12.7 | 2-बिट कम क्वालिटी | 9.4 GB | 6–10 |
| Qwen3.6 27B27B | 2-बिट कम क्वालिटी | 8.4 GB | 6–11 |
| Devstral Small 2 (24B)24B | 3-बिट कम क्वालिटी | 10.5 GB | 5–9 |
| Magistral Small 1.2 (2509)24B | 3-बिट कम क्वालिटी | 10.5 GB | 5–9 |
| Mistral Small 3.2 (24B)24B | 3-बिट कम क्वालिटी | 10.5 GB | 5–9 |
मुश्किल से फ़िट होते हैं 1
लगभग पूरी मेमोरी चाहिए: GPU मेमोरी की सीमा बढ़ाएँ और कॉन्टेक्स्ट छोटा रखें।
| मॉडल | वर्ज़न | मेमोरी | टोकन/सेकंड |
|---|---|---|---|
| Qwen3.6 35B A3B35B · 3B सक्रिय · इंटेलिजेंस 18.2 | 2-बिट कम क्वालिटी | 10.9 GB | 60–107 |
बहुत बड़े 35
16 GB से ज़्यादा मेमोरी चाहिए, 2 बिट पर भी।
- MiMo V2.6 Pro1,020B
- Kimi K32,800B
- MiMo V2.6 Flash309B
- Kimi K2.7 Code1,000B
- gpt-oss-120b117B
- Kimi K2.61,000B
- DeepSeek V4.1 Flash 1017552B
- GLM-5.3744B
- GLM-5.3 Flash320B
- Qwen3.8 2.4T A95B2,400B
- Qwen3.8 Flash Next180B
- Muse Spark Open816B
- DeepSeek V4 Pro 08131,600B
- Beam 1.0501B
- MiniMax M3428B
- Inkling Small276B
- Hy3295B
- Inkling975B
- Nemotron 3 Ultra 550B A55B550B
- Nemotron 3.5 Bolt 74B A9B74B
- Qwen3.5 397B A17B397B
- Qwen3.5 122B A10B122B
- Mistral Medium 3.5 (128B)128B
- Mistral Small 4 (119B)119B
- Llama 4 Maverick 17B-128E Instruct400B
- Qwen3 Coder Next80B
- Llama 4 Scout 17B-16E Instruct109B
- Mistral Large 3 (675B)675B
- DeepSeek V4 Flash 0731284B
- MiniMax M2.7230B
- Devstral 2 (123B)123B
- Ornith 1.5 122B122B
- Nemotron 3 Super 120B A12B120B
- GLM-4.5 Air106B
- Llama 3.3 70B Instruct70B
दूसरे Mac
16 GB वाला हर Mac, किसी भी चिप के साथ।
कम या ज़्यादा मेमोरी वाला M4:
आस-पास की चिप:
आमने-सामने:
इसकी तुलना किसी भी Mac या GPU से करें · लोकल AI के लिए M4 · लोकल LLM के लिए सबसे अच्छा Mac · हर Mac
सवाल
- 16 GB वाले M4 के लिए सबसे अच्छा LLM कौन-सा है?
- जिन मॉडलों का Intelligence Index प्रकाशित है, उनमें से यहाँ अच्छी तरह चलने वालों में MiniCPM5 2B का स्कोर सबसे ऊँचा है: 8-बिट, लगभग 20–36 टोकन प्रति सेकंड। अच्छी तरह चलने वाला सबसे बड़ा मॉडल Qwen3.5 9B है।
- क्या 16 GB वाला M4 Llama 3.3 70B चला सकता है?
- नहीं: 2 बिट पर भी इसे उन 12 GB से ज़्यादा चाहिए जो GPU डिफ़ॉल्ट रूप से इस्तेमाल कर सकता है।
- M4 पर gpt-oss-20b कितना तेज़ चलता है?
- लगभग 34–60 टोकन प्रति सेकंड (3-बिट), चिप की 120 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।