MasukBuat dompet

Apa yang bisa dijalankan M3 Max dengan 96 GB?

38 dari 73 model terbuka berjalan baik di sini. Secara bawaan GPU bisa memakai sekitar 72 GB dari 96 GB, dan membaca memori pada 300 GB/s, yang menentukan kecepatan menulisnya. Ada di: MacBook Pro (14-inch, M3 Pro or M3 Max, Nov 2023), MacBook Pro (16-inch, Nov 2023).

Paling cerdas yang berjalan baikNemotron 3.5 Bolt 74B A9B6-bit · 60,1 GB · 18–33 tok/sTerbesar yang berjalan baikgpt-oss-120b4,25-bit bawaan · 65,3 GB · 50–89 tok/sUntuk kodeQwen3 Coder Next6-bit · 65 GB · 56–100 tok/s

Berjalan baik 43

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

ModelVersiMemoriToken/s
Nemotron 3.5 Bolt 74B A9B74B · 9B aktif · Kecerdasan 21,46-bit60,1 GB18–33
Qwen3.6 35B A3B35B · 3B aktif · Kecerdasan 18,28-bit37,2 GB42–75
Nemotron 3.5 Lightning 30B A3B30B · 3B aktif · Kecerdasan 12,98-bit31,9 GB42–75
MiniCPM5 2B2,52B · Kecerdasan 12,58-bit2,7 GB50–89
gpt-oss-120b117B · 5,1B aktif · Kecerdasan 11,64,25-bit bawaan65,3 GB50–89
Qwen3.5 9B9B · Kecerdasan 11,28-bit9,6 GB14–25
Granite 4.2 8B8B · Kecerdasan 11,18-bit8,5 GB16–28
Qwen3 Coder Next80B · 3B aktif · Kecerdasan 9,26-bit65 GB56–100
Granite 4.2 3B3B · Kecerdasan 9,18-bit3,2 GB42–75
gpt-oss-20b21B · 3,6B aktif · Kecerdasan 94,25-bit bawaan13,8 GB71–126
Nemotron 3 Nano 30B A3B30B · 3,5B aktif · Kecerdasan 8,98-bit31,9 GB36–65
Gemma 4 E4B8B · Kecerdasan 8,98-bit8,5 GB28–50
Llama 4 Scout 17B-16E Instruct109B · 17B aktif · Kecerdasan 6,54-bit61,3 GB14–25
Ministral 3 8B8,9B · Kecerdasan 5,58-bit9,5 GB14–25
Nemotron 3 Nano 4B3,97B · Kecerdasan 4,88-bit4,2 GB32–57
GLM-4.5 Air106B · 12B aktif4-bit59,6 GB20–35
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B aktif8-bit32,4 GB39–69
GLM-4.7 Flash30B · 3B aktif8-bit31,9 GB42–75
Gemma 4 26B A4B25,2B · 3,8B aktif8-bit26,8 GB34–60
Devstral Small 2 (24B)24B4-bit13,5 GB10–18
Magistral Small 1.2 (2509)24B4-bit13,5 GB10–18
Mistral Small 3.2 (24B)24B4-bit13,5 GB10–18
LFM2.5 24B A2B24B · 2B aktif8-bit25,5 GB64–114
Phi-4 Reasoning Vision 15B15B6-bit12,2 GB11–20
Phi-4 (14B)14B6-bit11,4 GB12–21
Gemma 4 12B Unified12B8-bit12,7 GB11–19
Qwen3 8B8,2B8-bit8,7 GB16–28
Llama 3.1 8B Instruct8B8-bit8,5 GB16–28
Gemma 4 E2B5,1B8-bit5,4 GB56–100
Qwen3.5 4B4B8-bit4,3 GB31–56
Phi-4 mini instruct3,8B8-bit4 GB34–60
Llama 3.2 3B Instruct3,21B8-bit3,4 GB40–71
SmolLM3 3B3B8-bit3,2 GB42–75
LFM2.5 2.6B2,69B8-bit2,9 GB47–83
Qwen3.5 2B2B8-bit2,1 GB64–114
Llama 3.2 1B Instruct1,23B8-bit1,3 GB104–185
Qwen3.5 0.8B0,8B8-bit0,9 GB150–267
Qwen3 0.6B0,6B8-bit0,6 GB225–400
Qwen3.8 Flash Next180B · 6B aktif · Kecerdasan 39,82-bit kualitas lebih rendah56,3 GB71–126
Qwen3.5 122B A10B122B · 10B aktif · Kecerdasan 15,63-bit kualitas lebih rendah53,4 GB31–55
Mistral Small 4 (119B)119B · 6,5B aktif · Kecerdasan 11,33-bit kualitas lebih rendah52,1 GB48–86
Ornith 1.5 122B122B · 10B aktif3-bit kualitas lebih rendah53,4 GB31–55
Nemotron 3 Super 120B A12B120B · 12B aktif3-bit kualitas lebih rendah52,5 GB25–45

Berjalan, tapi lambat 8

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

ModelVersiMemoriToken/s
Qwen3.8 27B27B · Kecerdasan 33,78-bit28,7 GB5–8
Muse Glimmer 30B29,6B · Kecerdasan 17,58-bit31,5 GB4–8
Gemma 4 31B30,7B · Kecerdasan 14,78-bit32,6 GB4–7
Granite 4.2 30B30B · Kecerdasan 12,78-bit31,9 GB4–8
Llama 3.3 70B Instruct70B6-bit56,9 GB2–4
Qwen3.6 27B27B8-bit28,7 GB5–8
Mistral Medium 3.5 (128B)128B · Kecerdasan 14,23-bit kualitas lebih rendah56 GB2–4
Devstral 2 (123B)123B3-bit kualitas lebih rendah53,8 GB3–4

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 GB44–77

Terlalu besar 21

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

Mac lain

Semua Mac dengan 96 GB, dari chip apa pun.

M3 Max dengan memori lebih besar atau lebih kecil:

Chip terdekat:

Adu langsung:

Bandingkan dengan Mac atau GPU apa pun · M3 Max untuk AI lokal · Mac terbaik untuk LLM lokal · Semua Mac

Pertanyaan

Apa LLM terbaik untuk M3 Max dengan 96 GB?
Dari model yang punya skor Intelligence Index terbitan, Nemotron 3.5 Bolt 74B A9B mendapat skor tertinggi di antara yang berjalan baik di sini: 6-bit, sekitar 18–33 token per detik. Yang terbesar yang berjalan baik adalah gpt-oss-120b.
Bisakah M3 Max dengan 96 GB menjalankan Llama 3.3 70B?
Ya, tapi lambat: 6-bit, sekitar 2–4 token per detik.
Seberapa cepat gpt-oss-20b di M3 Max?
Sekitar 71–126 token per detik (4,25-bit bawaan), dari bandwidth memori chip sebesar 300 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 M3 Max 96 GB? Model dan kecepatan