Apa LLM terbaik untuk M2 Pro dengan 16 GB?

Dari model yang punya skor Intelligence Index terbitan, MiniCPM5 2B mendapat skor tertinggi di antara yang berjalan baik di sini: 8-bit, sekitar 33–59 token per detik. Yang terbesar yang berjalan baik adalah Phi-4 Reasoning Vision 15B.

Bisakah M2 Pro dengan 16 GB menjalankan Llama 3.3 70B?

Tidak: bahkan pada 2 bit model ini butuh lebih dari 12 GB yang bisa dipakai GPU secara bawaan.

Seberapa cepat gpt-oss-20b di M2 Pro?

Sekitar 56–100 token per detik (3-bit), dari bandwidth memori chip sebesar 200 GB/s.

LLM apa yang jalan di M2 Pro 16 GB? Model dan kecepatan

Berjalan baik 33

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

Model	Versi	Memori	Token/s
MiniCPM5 2B2,52B · Kecerdasan 12,5	8-bit	2,7 GB	33–59
Qwen3.5 9B9B · Kecerdasan 11,2	6-bit	7,3 GB	12–22
Granite 4.2 8B8B · Kecerdasan 11,1	8-bit	8,5 GB	11–19
Granite 4.2 3B3B · Kecerdasan 9,1	8-bit	3,2 GB	28–50
Gemma 4 E4B8B · Kecerdasan 8,9	8-bit	8,5 GB	19–33
Ministral 3 8B8,9B · Kecerdasan 5,5	6-bit	7,2 GB	13–22
Nemotron 3 Nano 4B3,97B · Kecerdasan 4,8	8-bit	4,2 GB	21–38
Phi-4 Reasoning Vision 15B15B	4-bit	8,4 GB	11–19
Phi-4 (14B)14B	4-bit	7,9 GB	11–20
Gemma 4 12B Unified12B	4-bit	6,7 GB	13–24
Qwen3 8B8,2B	8-bit	8,7 GB	10–18
Llama 3.1 8B Instruct8B	8-bit	8,5 GB	11–19
Gemma 4 E2B5,1B	8-bit	5,4 GB	38–67
Qwen3.5 4B4B	8-bit	4,3 GB	21–37
Phi-4 mini instruct3,8B	8-bit	4 GB	23–40
Llama 3.2 3B Instruct3,21B	8-bit	3,4 GB	26–47
SmolLM3 3B3B	8-bit	3,2 GB	28–50
LFM2.5 2.6B2,69B	8-bit	2,9 GB	31–55
Qwen3.5 2B2B	8-bit	2,1 GB	43–76
Llama 3.2 1B Instruct1,23B	8-bit	1,3 GB	69–123
Qwen3.5 0.8B0,8B	8-bit	0,9 GB	100–178
Qwen3 0.6B0,6B	8-bit	0,6 GB	150–267
Qwen3.8 27B27B · Kecerdasan 33,7	2-bit kualitas lebih rendah	8,4 GB	11–19
Muse Glimmer 30B29,6B · Kecerdasan 17,5	2-bit kualitas lebih rendah	9,3 GB	10–17
Nemotron 3.5 Lightning 30B A3B30B · 3B aktif · Kecerdasan 12,9	2-bit kualitas lebih rendah	9,4 GB	100–178
Granite 4.2 30B30B · Kecerdasan 12,7	2-bit kualitas lebih rendah	9,4 GB	10–17
gpt-oss-20b21B · 3,6B aktif · Kecerdasan 9	3-bit kualitas lebih rendah	9,2 GB	56–100
Nemotron 3 Nano 30B A3B30B · 3,5B aktif · Kecerdasan 8,9	2-bit kualitas lebih rendah	9,4 GB	82–145
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B aktif	2-bit kualitas lebih rendah	9,5 GB	90–160
GLM-4.7 Flash30B · 3B aktif	2-bit kualitas lebih rendah	9,4 GB	100–178
Qwen3.6 27B27B	2-bit kualitas lebih rendah	8,4 GB	11–19
Gemma 4 26B A4B25,2B · 3,8B aktif	2-bit kualitas lebih rendah	7,9 GB	75–133
LFM2.5 24B A2B24B · 2B aktif	3-bit kualitas lebih rendah	10,5 GB	100–178

Berjalan, tapi lambat 4

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

Model	Versi	Memori	Token/s
Gemma 4 31B30,7B · Kecerdasan 14,7	2-bit kualitas lebih rendah	9,6 GB	9–17
Devstral Small 2 (24B)24B	3-bit kualitas lebih rendah	10,5 GB	9–15
Magistral Small 1.2 (2509)24B	3-bit kualitas lebih rendah	10,5 GB	9–15
Mistral Small 3.2 (24B)24B	3-bit kualitas lebih rendah	10,5 GB	9–15

Pas-pasan muat 1

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

Model	Versi	Memori	Token/s
Qwen3.6 35B A3B35B · 3B aktif · Kecerdasan 18,2	2-bit kualitas lebih rendah	10,9 GB	100–178

Mac lain

Semua Mac dengan 16 GB, dari chip apa pun.

M2 Pro dengan memori lebih besar atau lebih kecil:

32 GB30 berjalan baik

Chip terdekat:

Adu langsung:

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

Pertanyaan

Apa LLM terbaik untuk M2 Pro dengan 16 GB?: Dari model yang punya skor Intelligence Index terbitan, MiniCPM5 2B mendapat skor tertinggi di antara yang berjalan baik di sini: 8-bit, sekitar 33–59 token per detik. Yang terbesar yang berjalan baik adalah Phi-4 Reasoning Vision 15B.
Bisakah M2 Pro dengan 16 GB menjalankan Llama 3.3 70B?: Tidak: bahkan pada 2 bit model ini butuh lebih dari 12 GB yang bisa dipakai GPU secara bawaan.
Seberapa cepat gpt-oss-20b di M2 Pro?: Sekitar 56–100 token per detik (3-bit), dari bandwidth memori chip sebesar 200 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.

Apa yang bisa dijalankan M2 Pro dengan 16 GB?