Berjalan baik 25
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 | 17–30 |
| Granite 4.2 8B8B · Kecerdasan 11,1 | 4-bit | 4,5 GB | 10–18 |
| Granite 4.2 3B3B · Kecerdasan 9,1 | 8-bit | 3,2 GB | 14–25 |
| gpt-oss-20b21B · 3,6B aktif · Kecerdasan 9 | 4,25-bit bawaan | 13,8 GB | 24–42 |
| Gemma 4 E4B8B · Kecerdasan 8,9 | 6-bit | 6,5 GB | 12–22 |
| Nemotron 3 Nano 4B3,97B · Kecerdasan 4,8 | 8-bit | 4,2 GB | 11–19 |
| Gemma 4 26B A4B25,2B · 3,8B aktif | 4-bit | 14,2 GB | 21–38 |
| LFM2.5 24B A2B24B · 2B aktif | 4-bit | 13,5 GB | 41–73 |
| Qwen3 8B8,2B | 4-bit | 4,6 GB | 10–17 |
| Llama 3.1 8B Instruct8B | 4-bit | 4,5 GB | 10–18 |
| Gemma 4 E2B5,1B | 8-bit | 5,4 GB | 19–33 |
| Qwen3.5 4B4B | 8-bit | 4,3 GB | 10–19 |
| Phi-4 mini instruct3,8B | 8-bit | 4 GB | 11–20 |
| Llama 3.2 3B Instruct3,21B | 8-bit | 3,4 GB | 13–24 |
| SmolLM3 3B3B | 8-bit | 3,2 GB | 14–25 |
| LFM2.5 2.6B2,69B | 8-bit | 2,9 GB | 16–28 |
| Qwen3.5 2B2B | 8-bit | 2,1 GB | 21–38 |
| Llama 3.2 1B Instruct1,23B | 8-bit | 1,3 GB | 35–62 |
| Qwen3.5 0.8B0,8B | 8-bit | 0,9 GB | 50–89 |
| Qwen3 0.6B0,6B | 8-bit | 0,6 GB | 75–133 |
| Qwen3.6 35B A3B35B · 3B aktif · Kecerdasan 18,2 | 3-bit kualitas lebih rendah | 15,3 GB | 35–62 |
| Nemotron 3.5 Lightning 30B A3B30B · 3B aktif · Kecerdasan 12,9 | 3-bit kualitas lebih rendah | 13,1 GB | 35–62 |
| Nemotron 3 Nano 30B A3B30B · 3,5B aktif · Kecerdasan 8,9 | 3-bit kualitas lebih rendah | 13,1 GB | 30–53 |
| Qwen3 Coder 30B A3B Instruct30,5B · 3,3B aktif | 3-bit kualitas lebih rendah | 13,3 GB | 32–57 |
| GLM-4.7 Flash30B · 3B aktif | 3-bit kualitas lebih rendah | 13,1 GB | 35–62 |
Berjalan, tapi lambat 13
Muat, tapi di bawah 10 token per detik: cocok untuk pekerjaan batch, lambat untuk chat.
| Model | Versi | Memori | Token/s |
|---|---|---|---|
| Qwen3.8 27B27B · Kecerdasan 33,7 | 4-bit | 15,2 GB | 3–5 |
| Qwen3.5 9B9B · Kecerdasan 11,2 | 8-bit | 9,6 GB | 5–8 |
| Ministral 3 8B8,9B · Kecerdasan 5,5 | 8-bit | 9,5 GB | 5–8 |
| Qwen3.6 27B27B | 4-bit | 15,2 GB | 3–5 |
| Devstral Small 2 (24B)24B | 4-bit | 13,5 GB | 3–6 |
| Magistral Small 1.2 (2509)24B | 4-bit | 13,5 GB | 3–6 |
| Mistral Small 3.2 (24B)24B | 4-bit | 13,5 GB | 3–6 |
| Phi-4 Reasoning Vision 15B15B | 8-bit | 15,9 GB | 3–5 |
| Phi-4 (14B)14B | 8-bit | 14,9 GB | 3–5 |
| Gemma 4 12B Unified12B | 8-bit | 12,7 GB | 4–6 |
| Muse Glimmer 30B29,6B · Kecerdasan 17,5 | 3-bit kualitas lebih rendah | 13 GB | 3–6 |
| Gemma 4 31B30,7B · Kecerdasan 14,7 | 3-bit kualitas lebih rendah | 13,4 GB | 3–6 |
| Granite 4.2 30B30B · Kecerdasan 12,7 | 3-bit kualitas lebih rendah | 13,1 GB | 3–6 |
Terlalu besar 35
Butuh memori lebih dari 24 GB, bahkan pada 2 bit.
- MiMo V2.6 Pro1.020B
- Kimi K32.800B
- MiMo V2.6 Flash309B
- Kimi K2.7 Code1.000B
- gpt-oss-120b117B
- Kimi K2.61.000B
- DeepSeek V4.1 Flash 1017552B
- GLM-5.3744B
- GLM-5.3 Flash320B
- Qwen3.8 2.4T A95B2.400B
- Qwen3.8 Flash Next180B
- Muse Spark Open816B
- DeepSeek V4 Pro 08131.600B
- Beam 1.0501B
- MiniMax M3428B
- Inkling Small276B
- Hy3295B
- Inkling975B
- Nemotron 3 Ultra 550B A55B550B
- Nemotron 3.5 Bolt 74B A9B74B
- Qwen3.5 397B A17B397B
- Qwen3.5 122B A10B122B
- Mistral Medium 3.5 (128B)128B
- Mistral Small 4 (119B)119B
- Llama 4 Maverick 17B-128E Instruct400B
- Qwen3 Coder Next80B
- Llama 4 Scout 17B-16E Instruct109B
- Mistral Large 3 (675B)675B
- DeepSeek V4 Flash 0731284B
- MiniMax M2.7230B
- Devstral 2 (123B)123B
- Ornith 1.5 122B122B
- Nemotron 3 Super 120B A12B120B
- GLM-4.5 Air106B
- Llama 3.3 70B Instruct70B
Mac lain
Semua Mac dengan 24 GB, dari chip apa pun.
M3 dengan memori lebih besar atau lebih kecil:
Chip terdekat:
Adu langsung:
Bandingkan dengan Mac atau GPU apa pun · M3 untuk AI lokal · Mac terbaik untuk LLM lokal · Semua Mac
Pertanyaan
- Apa LLM terbaik untuk M3 dengan 24 GB?
- Dari model yang punya skor Intelligence Index terbitan, MiniCPM5 2B mendapat skor tertinggi di antara yang berjalan baik di sini: 8-bit, sekitar 17–30 token per detik. Yang terbesar yang berjalan baik adalah Gemma 4 26B A4B.
- Bisakah M3 dengan 24 GB menjalankan Llama 3.3 70B?
- Tidak: bahkan pada 2 bit model ini butuh lebih dari 18 GB yang bisa dipakai GPU secara bawaan.
- Seberapa cepat gpt-oss-20b di M3?
- Sekitar 24–42 token per detik (4,25-bit bawaan), dari bandwidth memori chip sebesar 100 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.