लॉग इनवॉलेट बनाएँ

32 GB वाला M4 क्या चला सकता है?

इस पर 73 में से 27 ओपन मॉडल अच्छी तरह चलते हैं। डिफ़ॉल्ट रूप से GPU इसकी 32 GB में से लगभग 24 GB इस्तेमाल कर सकता है, और यह 120 GB/s पर मेमोरी पढ़ता है, जिससे तय होता है कि यह कितनी तेज़ी से लिखता है। इनमें मिलता है: MacBook Pro (14-inch, M4, 2024), iMac (24-inch, 2024, Two ports), iMac (24-inch, 2024, Four ports), Mac mini (2024) …।

सबसे स्मार्ट, जो अच्छी तरह चलता हैQwen3.6 35B A3B4-बिट · 19.7 GB · 32–56 tok/sसबसे बड़ा, जो अच्छी तरह चलता हैQwen3.6 35B A3B4-बिट · 19.7 GB · 32–56 tok/sकोड के लिएQwen3 Coder 30B A3B Instruct4-बिट · 17.2 GB · 28–51 tok/s

अच्छी तरह चलते हैं 27

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

मॉडलवर्ज़नमेमोरीटोकन/सेकंड
Qwen3.6 35B A3B35B · 3B सक्रिय · इंटेलिजेंस 18.24-बिट19.7 GB32–56
Nemotron 3.5 Lightning 30B A3B30B · 3B सक्रिय · इंटेलिजेंस 12.94-बिट16.9 GB32–56
MiniCPM5 2B2.52B · इंटेलिजेंस 12.58-बिट2.7 GB20–36
Qwen3.5 9B9B · इंटेलिजेंस 11.24-बिट5.1 GB11–19
Granite 4.2 8B8B · इंटेलिजेंस 11.14-बिट4.5 GB12–21
Granite 4.2 3B3B · इंटेलिजेंस 9.18-बिट3.2 GB17–30
gpt-oss-20b21B · 3.6B सक्रिय · इंटेलिजेंस 9नेटिव 4.25-बिट13.8 GB28–51
Nemotron 3 Nano 30B A3B30B · 3.5B सक्रिय · इंटेलिजेंस 8.94-बिट16.9 GB27–48
Gemma 4 E4B8B · इंटेलिजेंस 8.98-बिट8.5 GB11–20
Ministral 3 8B8.9B · इंटेलिजेंस 5.54-बिट5 GB11–19
Nemotron 3 Nano 4B3.97B · इंटेलिजेंस 4.88-बिट4.2 GB13–23
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B सक्रिय4-बिट17.2 GB28–51
GLM-4.7 Flash30B · 3B सक्रिय4-बिट16.9 GB32–56
Gemma 4 26B A4B25.2B · 3.8B सक्रिय6-बिट20.5 GB17–31
LFM2.5 24B A2B24B · 2B सक्रिय6-बिट19.5 GB34–60
Qwen3 8B8.2B4-बिट4.6 GB12–21
Llama 3.1 8B Instruct8B4-बिट4.5 GB12–21
Gemma 4 E2B5.1B8-बिट5.4 GB23–40
Qwen3.5 4B4B8-बिट4.3 GB13–22
Phi-4 mini instruct3.8B8-बिट4 GB14–24
Llama 3.2 3B Instruct3.21B8-बिट3.4 GB16–28
SmolLM3 3B3B8-बिट3.2 GB17–30
LFM2.5 2.6B2.69B8-बिट2.9 GB19–33
Qwen3.5 2B2B8-बिट2.1 GB26–46
Llama 3.2 1B Instruct1.23B8-बिट1.3 GB42–74
Qwen3.5 0.8B0.8B8-बिट0.9 GB60–107
Qwen3 0.6B0.6B8-बिट0.6 GB90–160

चलते हैं, पर धीरे 12

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

मॉडलवर्ज़नमेमोरीटोकन/सेकंड
Qwen3.8 27B27B · इंटेलिजेंस 33.76-बिट21.9 GB2–4
Muse Glimmer 30B29.6B · इंटेलिजेंस 17.54-बिट16.7 GB3–6
Gemma 4 31B30.7B · इंटेलिजेंस 14.74-बिट17.3 GB3–6
Granite 4.2 30B30B · इंटेलिजेंस 12.74-बिट16.9 GB3–6
Qwen3.6 27B27B6-बिट21.9 GB2–4
Devstral Small 2 (24B)24B6-बिट19.5 GB3–5
Magistral Small 1.2 (2509)24B6-बिट19.5 GB3–5
Mistral Small 3.2 (24B)24B6-बिट19.5 GB3–5
Phi-4 Reasoning Vision 15B15B8-बिट15.9 GB3–6
Phi-4 (14B)14B8-बिट14.9 GB4–6
Gemma 4 12B Unified12B8-बिट12.7 GB4–8
Llama 3.3 70B Instruct70B2-बिट कम क्वालिटी21.9 GB2–4

मुश्किल से फ़िट होते हैं 2

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

मॉडलवर्ज़नमेमोरीटोकन/सेकंड
Nemotron 3.5 Bolt 74B A9B74B · 9B सक्रिय · इंटेलिजेंस 21.42-बिट कम क्वालिटी23.1 GB19–34
Qwen3 Coder Next80B · 3B सक्रिय · इंटेलिजेंस 9.22-बिट कम क्वालिटी25 GB60–107

बहुत बड़े 32

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

दूसरे Mac

32 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

32 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 Qwen3.6 35B A3B का स्कोर सबसे ऊँचा है: 4-बिट, लगभग 32–56 टोकन प्रति सेकंड।
क्या 32 GB वाला M4 Llama 3.3 70B चला सकता है?
हाँ, पर धीरे: 2-बिट (कम क्वालिटी), लगभग 2–4 टोकन प्रति सेकंड पर।
M4 पर gpt-oss-20b कितना तेज़ चलता है?
लगभग 28–51 टोकन प्रति सेकंड (नेटिव 4.25-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।

32 GB वाला M4 कौन-से LLM चला सकता है? मॉडल और स्पीड