Apa LLM terbaik untuk M3 dengan 8 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 Granite 4.2 8B.

Bisakah M3 dengan 8 GB menjalankan Llama 3.3 70B?

Tidak: bahkan pada 2 bit model ini butuh lebih dari 6 GB yang bisa dipakai GPU secara bawaan.

LLM apa yang jalan di M3 8 GB? Model dan kecepatan

Berjalan baik 21

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
Gemma 4 E4B8B · Kecerdasan 8,9	4-bit	4,5 GB	18–32
Nemotron 3 Nano 4B3,97B · Kecerdasan 4,8	8-bit	4,2 GB	11–19
Llama 3.1 8B Instruct8B	4-bit	4,5 GB	10–18
Gemma 4 E2B5,1B	6-bit	4,1 GB	24–42
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
Qwen3.5 9B9B · Kecerdasan 11,2	3-bit kualitas lebih rendah	3,9 GB	12–21
Ministral 3 8B8,9B · Kecerdasan 5,5	3-bit kualitas lebih rendah	3,9 GB	12–21
Phi-4 (14B)14B	2-bit kualitas lebih rendah	4,4 GB	10–18
Gemma 4 12B Unified12B	2-bit kualitas lebih rendah	3,7 GB	12–22
Qwen3 8B8,2B	3-bit kualitas lebih rendah	3,6 GB	13–22

Pas-pasan muat 1

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

Model	Versi	Memori	Token/s
Phi-4 Reasoning Vision 15B15B	2-bit kualitas lebih rendah	4,7 GB	10–17

Terlalu besar 51

Butuh memori lebih dari 8 GB, bahkan pada 2 bit.

Mac lain

Semua Mac dengan 8 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 8 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 Granite 4.2 8B.
Bisakah M3 dengan 8 GB menjalankan Llama 3.3 70B?: Tidak: bahkan pada 2 bit model ini butuh lebih dari 6 GB yang bisa dipakai GPU secara bawaan.
Seberapa cepat gpt-oss-20b di M3?: Tidak muat di 8 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.