MasukBuat dompet

LLM terbaik untuk Mac 128 GB.

47 dari 73 model terbuka berjalan baik di 128 GB. Secara bawaan GPU bisa memakai sekitar 96 GB darinya. Kecepatan bergantung pada chip: dari 400 GB/s di M3 Max hingga 800 GB/s di M1 Ultra.

Paling cerdas yang berjalan baikQwen3.8 27B8-bit · 28,7 GB · 12–22 tok/sTerbesar yang berjalan baikQwen3.5 122B A10B4-bit · 68,6 GB · 32–114 tok/sUntuk kodeQwen3 Coder Next8-bit · 85 GB · 56–200 tok/s

Mac dengan 128 GB

5 chip dari M1 hingga M5 tersedia dengan 128 GB. Buka salah satu untuk daftar dan kecepatannya sendiri.

Berjalan baik 51

Muat dengan ruang untuk konteks, 10 token per detik atau lebih di M1 Ultra.

ModelVersiMemoriM3 MaxM1 Ultra
Qwen3.8 27B27B · Kecerdasan 33,78-bit28,7 GB12–2113–22
Nemotron 3.5 Bolt 74B A9B74B · 9B aktif · Kecerdasan 21,48-bit78,6 GB19–3338–67
Qwen3.6 35B A3B35B · 3B aktif · Kecerdasan 18,28-bit37,2 GB56–100113–200
Muse Glimmer 30B29,6B · Kecerdasan 17,58-bit31,5 GB11–1911–20
Qwen3.5 122B A10B122B · 10B aktif · Kecerdasan 15,64-bit68,6 GB32–5764–114
Gemma 4 31B30,7B · Kecerdasan 14,78-bit32,6 GB10–1811–20
Nemotron 3.5 Lightning 30B A3B30B · 3B aktif · Kecerdasan 12,98-bit31,9 GB56–100113–200
Granite 4.2 30B30B · Kecerdasan 12,78-bit31,9 GB11–1911–20
MiniCPM5 2B2,52B · Kecerdasan 12,58-bit2,7 GB67–119133–237
gpt-oss-120b117B · 5,1B aktif · Kecerdasan 11,64,25-bit bawaan65,3 GB67–119133–237
Mistral Small 4 (119B)119B · 6,5B aktif · Kecerdasan 11,34-bit66,9 GB49–8697–173
Qwen3.5 9B9B · Kecerdasan 11,28-bit9,6 GB19–3338–67
Granite 4.2 8B8B · Kecerdasan 11,18-bit8,5 GB21–3842–75
Qwen3 Coder Next80B · 3B aktif · Kecerdasan 9,28-bit85 GB56–100113–200
Granite 4.2 3B3B · Kecerdasan 9,18-bit3,2 GB56–100113–200
gpt-oss-20b21B · 3,6B aktif · Kecerdasan 94,25-bit bawaan13,8 GB95–168189–337
Nemotron 3 Nano 30B A3B30B · 3,5B aktif · Kecerdasan 8,98-bit31,9 GB49–8697–173
Gemma 4 E4B8B · Kecerdasan 8,98-bit8,5 GB38–6775–133
Llama 4 Scout 17B-16E Instruct109B · 17B aktif · Kecerdasan 6,56-bit88,6 GB13–2326–46
Ministral 3 8B8,9B · Kecerdasan 5,58-bit9,5 GB19–3438–67
Nemotron 3 Nano 4B3,97B · Kecerdasan 4,88-bit4,2 GB43–7686–152
Ornith 1.5 122B122B · 10B aktif4-bit68,6 GB32–5764–114
Nemotron 3 Super 120B A12B120B · 12B aktif4-bit67,5 GB26–4753–94
GLM-4.5 Air106B · 12B aktif6-bit86,1 GB18–3337–65
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B aktif8-bit32,4 GB51–91103–183
GLM-4.7 Flash30B · 3B aktif8-bit31,9 GB56–100113–200
Qwen3.6 27B27B8-bit28,7 GB12–2113–22
Gemma 4 26B A4B25,2B · 3,8B aktif8-bit26,8 GB45–8090–160
Devstral Small 2 (24B)24B8-bit25,5 GB13–2414–25
Magistral Small 1.2 (2509)24B8-bit25,5 GB13–2414–25
Mistral Small 3.2 (24B)24B8-bit25,5 GB13–2414–25
LFM2.5 24B A2B24B · 2B aktif8-bit25,5 GB86–152171–305
Phi-4 Reasoning Vision 15B15B8-bit15,9 GB11–2023–40
Phi-4 (14B)14B8-bit14,9 GB12–2124–43
Gemma 4 12B Unified12B8-bit12,7 GB14–2528–50
Qwen3 8B8,2B8-bit8,7 GB21–3741–74
Llama 3.1 8B Instruct8B8-bit8,5 GB21–3842–75
Gemma 4 E2B5,1B8-bit5,4 GB75–133150–267
Qwen3.5 4B4B8-bit4,3 GB42–7484–149
Phi-4 mini instruct3,8B8-bit4 GB45–8090–160
Llama 3.2 3B Instruct3,21B8-bit3,4 GB53–94106–188
SmolLM3 3B3B8-bit3,2 GB56–100113–200
LFM2.5 2.6B2,69B8-bit2,9 GB62–110124–221
Qwen3.5 2B2B8-bit2,1 GB86–152171–305
Llama 3.2 1B Instruct1,23B8-bit1,3 GB138–246277–492
Qwen3.5 0.8B0,8B8-bit0,9 GB200–356400–711
Qwen3 0.6B0,6B8-bit0,6 GB300–533600–1067
Qwen3.8 Flash Next180B · 6B aktif · Kecerdasan 39,83-bit kualitas lebih rendah78,8 GB69–123138–246
Inkling Small276B · 12B aktif · Kecerdasan 25,72-bit kualitas lebih rendah86,3 GB47–8495–168
DeepSeek V4 Flash 0731284B · 13B aktif2-bit kualitas lebih rendah88,8 GB44–7888–156
MiniMax M2.7230B · 10B aktif2-bit kualitas lebih rendah71,9 GB58–103116–206

Berjalan, tapi lambat 3

Muat, tapi di bawah 10 token per detik: cocok untuk pekerjaan batch, lambat untuk chat.

ModelVersiMemoriM3 MaxM1 Ultra
Mistral Medium 3.5 (128B)128B · Kecerdasan 14,24-bit72 GB3–45–9
Devstral 2 (123B)123B4-bit69,2 GB3–55–9
Llama 3.3 70B Instruct70B8-bit74,4 GB2–45–9

Pas-pasan muat 3

Butuh hampir seluruh memori: naikkan batas memori GPU dan buat konteks tetap pendek.

ModelVersiMemoriM3 MaxM1 Ultra
GLM-5.3 Flash320B · 18B aktif · Kecerdasan 41,82-bit kualitas lebih rendah100 GB32–5764–114
MiMo V2.6 Flash309B · 15B aktif · Kecerdasan 37,92-bit kualitas lebih rendah96,6 GB38–6877–136
Hy3295B · 21B aktif · Kecerdasan 25,32-bit kualitas lebih rendah92,2 GB27–4855–97

Terlalu besar 16

Butuh memori lebih dari 128 GB, bahkan pada 2 bit.

Pertanyaan

Apa LLM terbaik untuk Mac dengan 128 GB?
Dari model yang punya skor Intelligence Index terbitan, Qwen3.8 27B mendapat skor tertinggi di antara yang berjalan baik di 128 GB (8-bit). Yang terbesar yang berjalan baik adalah Qwen3.5 122B A10B. Untuk kode: Qwen3 Coder Next.
Apakah 128 GB cukup untuk AI lokal di Mac?
47 dari 73 model terbuka di sini berjalan baik di dalamnya pada 4 bit atau lebih baik. Secara bawaan macOS mengizinkan GPU memakai sekitar 96 GB darinya; model beserta konteksnya harus muat di situ.
Bisakah Mac 128 GB menjalankan gpt-oss-20b?
Ya, 4,25-bit bawaan, sekitar 95–168 token per detik di M3 Max dan 189–337 di M1 Ultra.

Ukuran lain: 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

Jalankan dengan MLX Harness (gratis, open source) atau mlx-lm dari Apple di Terminal: langkah demi langkah.

Cara menghitungnya

Memori: parameter model pada 8, 6, 4, 3, atau 2 bit per bobot ditambah skala grup MLX (setengah bit per bobot), atau format bawaannya, ditambah ruang untuk konteks. Secara bawaan macOS mengizinkan GPU memakai sekitar 75% memori terpadu. Kecepatan: bandwidth memori dibagi jumlah byte yang dibaca per token adalah batas atas untuk satu percakapan; dalam benchmark Apple Silicon publik llama.cpp, proses nyata mencapai sekitar 45% hingga 80% darinya, dan rentang itulah yang ditampilkan. Ini perkiraan, bukan pengukuran: ukur Mac Anda sendiri di MLX Bench. Angka model dari kartu model resmi masing-masing, angka chip dari Spesifikasi Teknis Apple. Diperiksa 2026-10-19. Data sama dengan mlx.app/compare.

LLM lokal terbaik untuk Mac 128 GB (M1 hingga M5): apa yang jalan