लॉग इनवॉलेट बनाएँ

96 GB वाला M5 Ultra क्या चला सकता है?

इस पर 73 में से 44 ओपन मॉडल अच्छी तरह चलते हैं। डिफ़ॉल्ट रूप से GPU इसकी 96 GB में से लगभग 72 GB इस्तेमाल कर सकता है, और यह 1,200 GB/s पर मेमोरी पढ़ता है, जिससे तय होता है कि यह कितनी तेज़ी से लिखता है। इनमें मिलता है: Mac Studio (M5 Max or M5 Ultra)।

सबसे स्मार्ट, जो अच्छी तरह चलता हैQwen3.8 27B8-बिट · 28.7 GB · 19–33 tok/sसबसे बड़ा, जो अच्छी तरह चलता हैgpt-oss-120bनेटिव 4.25-बिट · 65.3 GB · 200–356 tok/sकोड के लिएQwen3 Coder Next6-बिट · 65 GB · 225–400 tok/s

अच्छी तरह चलते हैं 51

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 GB19–33
Nemotron 3.5 Bolt 74B A9B74B · 9B सक्रिय · इंटेलिजेंस 21.46-बिट60.1 GB74–132
Qwen3.6 35B A3B35B · 3B सक्रिय · इंटेलिजेंस 18.28-बिट37.2 GB169–300
Muse Glimmer 30B29.6B · इंटेलिजेंस 17.58-बिट31.5 GB17–30
Gemma 4 31B30.7B · इंटेलिजेंस 14.78-बिट32.6 GB17–29
Nemotron 3.5 Lightning 30B A3B30B · 3B सक्रिय · इंटेलिजेंस 12.98-बिट31.9 GB169–300
Granite 4.2 30B30B · इंटेलिजेंस 12.78-बिट31.9 GB17–30
MiniCPM5 2B2.52B · इंटेलिजेंस 12.58-बिट2.7 GB200–356
gpt-oss-120b117B · 5.1B सक्रिय · इंटेलिजेंस 11.6नेटिव 4.25-बिट65.3 GB200–356
Qwen3.5 9B9B · इंटेलिजेंस 11.28-बिट9.6 GB56–100
Granite 4.2 8B8B · इंटेलिजेंस 11.18-बिट8.5 GB64–113
Qwen3 Coder Next80B · 3B सक्रिय · इंटेलिजेंस 9.26-बिट65 GB225–400
Granite 4.2 3B3B · इंटेलिजेंस 9.18-बिट3.2 GB169–300
gpt-oss-20b21B · 3.6B सक्रिय · इंटेलिजेंस 9नेटिव 4.25-बिट13.8 GB284–505
Nemotron 3 Nano 30B A3B30B · 3.5B सक्रिय · इंटेलिजेंस 8.98-बिट31.9 GB146–259
Gemma 4 E4B8B · इंटेलिजेंस 8.98-बिट8.5 GB113–200
Llama 4 Scout 17B-16E Instruct109B · 17B सक्रिय · इंटेलिजेंस 6.54-बिट61.3 GB56–100
Ministral 3 8B8.9B · इंटेलिजेंस 5.58-बिट9.5 GB57–101
Nemotron 3 Nano 4B3.97B · इंटेलिजेंस 4.88-बिट4.2 GB129–229
GLM-4.5 Air106B · 12B सक्रिय4-बिट59.6 GB79–141
Llama 3.3 70B Instruct70B4-बिट39.4 GB14–24
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B सक्रिय8-बिट32.4 GB154–274
GLM-4.7 Flash30B · 3B सक्रिय8-बिट31.9 GB169–300
Qwen3.6 27B27B8-बिट28.7 GB19–33
Gemma 4 26B A4B25.2B · 3.8B सक्रिय8-बिट26.8 GB135–240
Devstral Small 2 (24B)24B8-बिट25.5 GB21–38
Magistral Small 1.2 (2509)24B8-बिट25.5 GB21–38
Mistral Small 3.2 (24B)24B8-बिट25.5 GB21–38
LFM2.5 24B A2B24B · 2B सक्रिय8-बिट25.5 GB257–457
Phi-4 Reasoning Vision 15B15B8-बिट15.9 GB34–60
Phi-4 (14B)14B8-बिट14.9 GB36–64
Gemma 4 12B Unified12B8-बिट12.7 GB43–76
Qwen3 8B8.2B8-बिट8.7 GB62–110
Llama 3.1 8B Instruct8B8-बिट8.5 GB64–113
Gemma 4 E2B5.1B8-बिट5.4 GB225–400
Qwen3.5 4B4B8-बिट4.3 GB126–223
Phi-4 mini instruct3.8B8-बिट4 GB135–240
Llama 3.2 3B Instruct3.21B8-बिट3.4 GB159–282
SmolLM3 3B3B8-बिट3.2 GB169–300
LFM2.5 2.6B2.69B8-बिट2.9 GB186–331
Qwen3.5 2B2B8-बिट2.1 GB257–457
Llama 3.2 1B Instruct1.23B8-बिट1.3 GB415–738
Qwen3.5 0.8B0.8B8-बिट0.9 GB600–1067
Qwen3 0.6B0.6B8-बिट0.6 GB900–1600
Qwen3.8 Flash Next180B · 6B सक्रिय · इंटेलिजेंस 39.82-बिट कम क्वालिटी56.3 GB284–505
Qwen3.5 122B A10B122B · 10B सक्रिय · इंटेलिजेंस 15.63-बिट कम क्वालिटी53.4 GB123–218
Mistral Medium 3.5 (128B)128B · इंटेलिजेंस 14.23-बिट कम क्वालिटी56 GB10–17
Mistral Small 4 (119B)119B · 6.5B सक्रिय · इंटेलिजेंस 11.33-बिट कम क्वालिटी52.1 GB193–343
Devstral 2 (123B)123B3-बिट कम क्वालिटी53.8 GB10–18
Ornith 1.5 122B122B · 10B सक्रिय3-बिट कम क्वालिटी53.4 GB123–218
Nemotron 3 Super 120B A12B120B · 12B सक्रिय3-बिट कम क्वालिटी52.5 GB102–181

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 GB174–310

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 M5 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 M5 Ultra · लोकल LLM के लिए सबसे अच्छा Mac · हर Mac

सवाल

96 GB वाले M5 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 19–33 टोकन प्रति सेकंड। अच्छी तरह चलने वाला सबसे बड़ा मॉडल gpt-oss-120b है।
क्या 96 GB वाला M5 Ultra Llama 3.3 70B चला सकता है?
हाँ: 4-बिट, लगभग 14–24 टोकन प्रति सेकंड पर।
M5 Ultra पर gpt-oss-20b कितना तेज़ चलता है?
लगभग 284–505 टोकन प्रति सेकंड (नेटिव 4.25-बिट), चिप की 1,200 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 M5 Ultra कौन-से LLM चला सकता है? मॉडल और स्पीड