MasukBuat dompet

LLM terbaik untuk Mac 48 GB.

38 dari 73 model terbuka berjalan baik di 48 GB. Secara bawaan GPU bisa memakai sekitar 36 GB darinya. Kecepatan bergantung pada chip: dari 273 GB/s di M4 Pro hingga 614 GB/s di M5 Max.

Paling cerdas yang berjalan baikQwen3.8 27B8-bit · 28,7 GB · 4–17 tok/sTerbesar yang berjalan baikQwen3.6 35B A3B6-bit · 28,4 GB · 51–205 tok/sUntuk kodeQwen3 Coder 30B A3B Instruct8-bit · 32,4 GB · 35–140 tok/s

Mac dengan 48 GB

5 chip dari M3 hingga M5 tersedia dengan 48 GB. Buka salah satu untuk daftar dan kecepatannya sendiri.

Berjalan baik 41

Muat dengan ruang untuk konteks, 10 token per detik atau lebih di M5 Max.

ModelVersiMemoriM4 ProM5 Max
Qwen3.8 27B27B · Kecerdasan 33,78-bit28,7 GB4–810–17
Qwen3.6 35B A3B35B · 3B aktif · Kecerdasan 18,26-bit28,4 GB51–91115–205
Muse Glimmer 30B29,6B · Kecerdasan 17,56-bit24,1 GB4–711–20
Gemma 4 31B30,7B · Kecerdasan 14,76-bit24,9 GB4–711–20
Nemotron 3.5 Lightning 30B A3B30B · 3B aktif · Kecerdasan 12,98-bit31,9 GB38–6886–154
Granite 4.2 30B30B · Kecerdasan 12,76-bit24,4 GB4–711–20
MiniCPM5 2B2,52B · Kecerdasan 12,58-bit2,7 GB45–81102–182
Qwen3.5 9B9B · Kecerdasan 11,28-bit9,6 GB13–2329–51
Granite 4.2 8B8B · Kecerdasan 11,18-bit8,5 GB14–2633–58
Granite 4.2 3B3B · Kecerdasan 9,18-bit3,2 GB38–6886–154
gpt-oss-20b21B · 3,6B aktif · Kecerdasan 94,25-bit bawaan13,8 GB65–115145–259
Nemotron 3 Nano 30B A3B30B · 3,5B aktif · Kecerdasan 8,98-bit31,9 GB33–5975–133
Gemma 4 E4B8B · Kecerdasan 8,98-bit8,5 GB26–4658–102
Ministral 3 8B8,9B · Kecerdasan 5,58-bit9,5 GB13–2329–52
Nemotron 3 Nano 4B3,97B · Kecerdasan 4,88-bit4,2 GB29–5266–117
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B aktif8-bit32,4 GB35–6279–140
GLM-4.7 Flash30B · 3B aktif8-bit31,9 GB38–6886–154
Qwen3.6 27B27B8-bit28,7 GB4–810–17
Gemma 4 26B A4B25,2B · 3,8B aktif8-bit26,8 GB31–5569–123
Devstral Small 2 (24B)24B8-bit25,5 GB5–911–19
Magistral Small 1.2 (2509)24B8-bit25,5 GB5–911–19
Mistral Small 3.2 (24B)24B8-bit25,5 GB5–911–19
LFM2.5 24B A2B24B · 2B aktif8-bit25,5 GB59–104132–234
Phi-4 Reasoning Vision 15B15B8-bit15,9 GB10–1817–31
Phi-4 (14B)14B8-bit14,9 GB11–1919–33
Gemma 4 12B Unified12B8-bit12,7 GB10–1722–39
Qwen3 8B8,2B8-bit8,7 GB14–2532–56
Llama 3.1 8B Instruct8B8-bit8,5 GB14–2633–58
Gemma 4 E2B5,1B8-bit5,4 GB51–91115–205
Qwen3.5 4B4B8-bit4,3 GB29–5164–114
Phi-4 mini instruct3,8B8-bit4 GB31–5569–123
Llama 3.2 3B Instruct3,21B8-bit3,4 GB36–6481–144
SmolLM3 3B3B8-bit3,2 GB38–6886–154
LFM2.5 2.6B2,69B8-bit2,9 GB42–7595–169
Qwen3.5 2B2B8-bit2,1 GB59–104132–234
Llama 3.2 1B Instruct1,23B8-bit1,3 GB95–168213–378
Qwen3.5 0.8B0,8B8-bit0,9 GB137–243307–546
Qwen3 0.6B0,6B8-bit0,6 GB205–364461–819
Nemotron 3.5 Bolt 74B A9B74B · 9B aktif · Kecerdasan 21,43-bit kualitas lebih rendah32,4 GB32–5671–126
Qwen3 Coder Next80B · 3B aktif · Kecerdasan 9,22-bit kualitas lebih rendah25 GB137–243307–546
GLM-4.5 Air106B · 12B aktif2-bit kualitas lebih rendah33,1 GB32–5773–129

Berjalan, tapi lambat 1

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

ModelVersiMemoriM4 ProM5 Max
Llama 3.3 70B Instruct70B3-bit kualitas lebih rendah30,6 GB4–79–16

Pas-pasan muat 8

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

ModelVersiMemoriM4 ProM5 Max
Qwen3.5 122B A10B122B · 10B aktif · Kecerdasan 15,62-bit kualitas lebih rendah38,1 GB40–7089–158
Mistral Medium 3.5 (128B)128B · Kecerdasan 14,22-bit kualitas lebih rendah40 GB3–57–12
gpt-oss-120b117B · 5,1B aktif · Kecerdasan 11,62-bit kualitas lebih rendah36,6 GB77–137173–307
Mistral Small 4 (119B)119B · 6,5B aktif · Kecerdasan 11,32-bit kualitas lebih rendah37,2 GB61–109138–246
Llama 4 Scout 17B-16E Instruct109B · 17B aktif · Kecerdasan 6,52-bit kualitas lebih rendah34,1 GB23–4152–93
Devstral 2 (123B)123B2-bit kualitas lebih rendah38,4 GB3–67–13
Ornith 1.5 122B122B · 10B aktif2-bit kualitas lebih rendah38,1 GB40–7089–158
Nemotron 3 Super 120B A12B120B · 12B aktif2-bit kualitas lebih rendah37,5 GB32–5773–129

Terlalu besar 23

Butuh memori lebih dari 48 GB, bahkan pada 2 bit.

Pertanyaan

Apa LLM terbaik untuk Mac dengan 48 GB?
Dari model yang punya skor Intelligence Index terbitan, Qwen3.8 27B mendapat skor tertinggi di antara yang berjalan baik di 48 GB (8-bit). Yang terbesar yang berjalan baik adalah Qwen3.6 35B A3B. Untuk kode: Qwen3 Coder 30B A3B Instruct.
Apakah 48 GB cukup untuk AI lokal di Mac?
38 dari 73 model terbuka di sini berjalan baik di dalamnya pada 4 bit atau lebih baik. Secara bawaan macOS mengizinkan GPU memakai sekitar 36 GB darinya; model beserta konteksnya harus muat di situ.
Bisakah Mac 48 GB menjalankan gpt-oss-20b?
Ya, 4,25-bit bawaan, sekitar 65–115 token per detik di M4 Pro dan 145–259 di M5 Max.

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 48 GB (M3 hingga M5): apa yang jalan