MasukBuat dompet

Apa yang bisa dijalankan M2 Max dengan 96 GB?

43 dari 73 model terbuka berjalan baik di sini. Secara bawaan GPU bisa memakai sekitar 72 GB dari 96 GB, dan membaca memori pada 400 GB/s, yang menentukan kecepatan menulisnya. Ada di: MacBook Pro (14-inch, 2023), MacBook Pro (16-inch, 2023), Mac Studio (2023).

Paling cerdas yang berjalan baikQwen3.8 27B4-bit · 15,2 GB · 12–21 tok/sTerbesar yang berjalan baikgpt-oss-120b4,25-bit bawaan · 65,3 GB · 67–119 tok/sUntuk kodeQwen3 Coder Next6-bit · 65 GB · 75–133 tok/s

Berjalan baik 48

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

ModelVersiMemoriToken/s
Qwen3.8 27B27B · Kecerdasan 33,74-bit15,2 GB12–21
Nemotron 3.5 Bolt 74B A9B74B · 9B aktif · Kecerdasan 21,46-bit60,1 GB25–44
Qwen3.6 35B A3B35B · 3B aktif · Kecerdasan 18,28-bit37,2 GB56–100
Muse Glimmer 30B29,6B · Kecerdasan 17,54-bit16,7 GB11–19
Gemma 4 31B30,7B · Kecerdasan 14,74-bit17,3 GB10–18
Nemotron 3.5 Lightning 30B A3B30B · 3B aktif · Kecerdasan 12,98-bit31,9 GB56–100
Granite 4.2 30B30B · Kecerdasan 12,74-bit16,9 GB11–19
MiniCPM5 2B2,52B · Kecerdasan 12,58-bit2,7 GB67–119
gpt-oss-120b117B · 5,1B aktif · Kecerdasan 11,64,25-bit bawaan65,3 GB67–119
Qwen3.5 9B9B · Kecerdasan 11,28-bit9,6 GB19–33
Granite 4.2 8B8B · Kecerdasan 11,18-bit8,5 GB21–38
Qwen3 Coder Next80B · 3B aktif · Kecerdasan 9,26-bit65 GB75–133
Granite 4.2 3B3B · Kecerdasan 9,18-bit3,2 GB56–100
gpt-oss-20b21B · 3,6B aktif · Kecerdasan 94,25-bit bawaan13,8 GB95–168
Nemotron 3 Nano 30B A3B30B · 3,5B aktif · Kecerdasan 8,98-bit31,9 GB49–86
Gemma 4 E4B8B · Kecerdasan 8,98-bit8,5 GB38–67
Llama 4 Scout 17B-16E Instruct109B · 17B aktif · Kecerdasan 6,54-bit61,3 GB19–33
Ministral 3 8B8,9B · Kecerdasan 5,58-bit9,5 GB19–34
Nemotron 3 Nano 4B3,97B · Kecerdasan 4,88-bit4,2 GB43–76
GLM-4.5 Air106B · 12B aktif4-bit59,6 GB26–47
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B aktif8-bit32,4 GB51–91
GLM-4.7 Flash30B · 3B aktif8-bit31,9 GB56–100
Qwen3.6 27B27B4-bit15,2 GB12–21
Gemma 4 26B A4B25,2B · 3,8B aktif8-bit26,8 GB45–80
Devstral Small 2 (24B)24B4-bit13,5 GB13–24
Magistral Small 1.2 (2509)24B4-bit13,5 GB13–24
Mistral Small 3.2 (24B)24B4-bit13,5 GB13–24
LFM2.5 24B A2B24B · 2B aktif8-bit25,5 GB86–152
Phi-4 Reasoning Vision 15B15B8-bit15,9 GB11–20
Phi-4 (14B)14B8-bit14,9 GB12–21
Gemma 4 12B Unified12B8-bit12,7 GB14–25
Qwen3 8B8,2B8-bit8,7 GB21–37
Llama 3.1 8B Instruct8B8-bit8,5 GB21–38
Gemma 4 E2B5,1B8-bit5,4 GB75–133
Qwen3.5 4B4B8-bit4,3 GB42–74
Phi-4 mini instruct3,8B8-bit4 GB45–80
Llama 3.2 3B Instruct3,21B8-bit3,4 GB53–94
SmolLM3 3B3B8-bit3,2 GB56–100
LFM2.5 2.6B2,69B8-bit2,9 GB62–110
Qwen3.5 2B2B8-bit2,1 GB86–152
Llama 3.2 1B Instruct1,23B8-bit1,3 GB138–246
Qwen3.5 0.8B0,8B8-bit0,9 GB200–356
Qwen3 0.6B0,6B8-bit0,6 GB300–533
Qwen3.8 Flash Next180B · 6B aktif · Kecerdasan 39,82-bit kualitas lebih rendah56,3 GB95–168
Qwen3.5 122B A10B122B · 10B aktif · Kecerdasan 15,63-bit kualitas lebih rendah53,4 GB41–73
Mistral Small 4 (119B)119B · 6,5B aktif · Kecerdasan 11,33-bit kualitas lebih rendah52,1 GB64–114
Ornith 1.5 122B122B · 10B aktif3-bit kualitas lebih rendah53,4 GB41–73
Nemotron 3 Super 120B A12B120B · 12B aktif3-bit kualitas lebih rendah52,5 GB34–60

Berjalan, tapi lambat 3

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

ModelVersiMemoriToken/s
Llama 3.3 70B Instruct70B6-bit56,9 GB3–6
Mistral Medium 3.5 (128B)128B · Kecerdasan 14,23-bit kualitas lebih rendah56 GB3–6
Devstral 2 (123B)123B3-bit kualitas lebih rendah53,8 GB3–6

Pas-pasan muat 1

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

ModelVersiMemoriToken/s
MiniMax M2.7230B · 10B aktif2-bit kualitas lebih rendah71,9 GB58–103

Terlalu besar 21

Butuh memori lebih dari 96 GB, bahkan pada 2 bit.

Mac lain

Semua Mac dengan 96 GB, dari chip apa pun.

M2 Max dengan memori lebih besar atau lebih kecil:

Chip terdekat:

Adu langsung:

Bandingkan dengan Mac atau GPU apa pun · M2 Max untuk AI lokal · Mac terbaik untuk LLM lokal · Semua Mac

Pertanyaan

Apa LLM terbaik untuk M2 Max dengan 96 GB?
Dari model yang punya skor Intelligence Index terbitan, Qwen3.8 27B mendapat skor tertinggi di antara yang berjalan baik di sini: 4-bit, sekitar 12–21 token per detik. Yang terbesar yang berjalan baik adalah gpt-oss-120b.
Bisakah M2 Max dengan 96 GB menjalankan Llama 3.3 70B?
Ya, tapi lambat: 6-bit, sekitar 3–6 token per detik.
Seberapa cepat gpt-oss-20b di M2 Max?
Sekitar 95–168 token per detik (4,25-bit bawaan), dari bandwidth memori chip sebesar 400 GB/s.

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 apa yang jalan di M2 Max 96 GB? Model dan kecepatan