Apa LLM terbaik untuk M3 Ultra dengan 256 GB?

Dari model yang punya skor Intelligence Index terbitan, Qwen3.8 Flash Next mendapat skor tertinggi di antara yang berjalan baik di sini: 6-bit, sekitar 75–134 token per detik. Yang terbesar yang berjalan baik adalah MiMo V2.6 Flash.

Bisakah M3 Ultra dengan 256 GB menjalankan Llama 3.3 70B?

Ya, tapi lambat: 8-bit, sekitar 5–9 token per detik.

Seberapa cepat gpt-oss-20b di M3 Ultra?

Sekitar 194–345 token per detik (4,25-bit bawaan), dari bandwidth memori chip sebesar 819 GB/s.

LLM apa yang jalan di M3 Ultra 256 GB? Model dan kecepatan

Berjalan baik 60

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

Model	Versi	Memori	Token/s
Qwen3.8 Flash Next180B · 6B aktif · Kecerdasan 39,8	6-bit	146 GB	75–134
MiMo V2.6 Flash309B · 15B aktif · Kecerdasan 37,9	4,48-bit bawaan	173 GB	44–78
Qwen3.8 27B27B · Kecerdasan 33,7	8-bit	28,7 GB	13–23
Inkling Small276B · 12B aktif · Kecerdasan 25,7	4-bit	155 GB	54–96
Hy3295B · 21B aktif · Kecerdasan 25,3	4-bit	166 GB	31–56
Nemotron 3.5 Bolt 74B A9B74B · 9B aktif · Kecerdasan 21,4	8-bit	78,6 GB	38–68
Qwen3.6 35B A3B35B · 3B aktif · Kecerdasan 18,2	8-bit	37,2 GB	115–205
Muse Glimmer 30B29,6B · Kecerdasan 17,5	8-bit	31,5 GB	12–21
Qwen3.5 122B A10B122B · 10B aktif · Kecerdasan 15,6	8-bit	130 GB	35–62
Gemma 4 31B30,7B · Kecerdasan 14,7	8-bit	32,6 GB	11–20
Nemotron 3.5 Lightning 30B A3B30B · 3B aktif · Kecerdasan 12,9	8-bit	31,9 GB	115–205
Granite 4.2 30B30B · Kecerdasan 12,7	8-bit	31,9 GB	12–21
MiniCPM5 2B2,52B · Kecerdasan 12,5	8-bit	2,7 GB	137–243
gpt-oss-120b117B · 5,1B aktif · Kecerdasan 11,6	4,25-bit bawaan	65,3 GB	137–243
Mistral Small 4 (119B)119B · 6,5B aktif · Kecerdasan 11,3	8-bit	126 GB	53–95
Qwen3.5 9B9B · Kecerdasan 11,2	8-bit	9,6 GB	38–68
Granite 4.2 8B8B · Kecerdasan 11,1	8-bit	8,5 GB	43–77
Qwen3 Coder Next80B · 3B aktif · Kecerdasan 9,2	8-bit	85 GB	115–205
Granite 4.2 3B3B · Kecerdasan 9,1	8-bit	3,2 GB	115–205
gpt-oss-20b21B · 3,6B aktif · Kecerdasan 9	4,25-bit bawaan	13,8 GB	194–345
Nemotron 3 Nano 30B A3B30B · 3,5B aktif · Kecerdasan 8,9	8-bit	31,9 GB	100–177
Gemma 4 E4B8B · Kecerdasan 8,9	8-bit	8,5 GB	77–137
Llama 4 Scout 17B-16E Instruct109B · 17B aktif · Kecerdasan 6,5	8-bit	116 GB	20–36
Ministral 3 8B8,9B · Kecerdasan 5,5	8-bit	9,5 GB	39–69
Nemotron 3 Nano 4B3,97B · Kecerdasan 4,8	8-bit	4,2 GB	88–156
DeepSeek V4 Flash 0731284B · 13B aktif	4-bit	160 GB	50–90
MiniMax M2.7230B · 10B aktif	4-bit	129 GB	66–117
Ornith 1.5 122B122B · 10B aktif	8-bit	130 GB	35–62
Nemotron 3 Super 120B A12B120B · 12B aktif	8-bit	128 GB	29–51
GLM-4.5 Air106B · 12B aktif	8-bit	113 GB	29–51
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B aktif	8-bit	32,4 GB	105–187
GLM-4.7 Flash30B · 3B aktif	8-bit	31,9 GB	115–205
Qwen3.6 27B27B	8-bit	28,7 GB	13–23
Gemma 4 26B A4B25,2B · 3,8B aktif	8-bit	26,8 GB	92–164
Devstral Small 2 (24B)24B	8-bit	25,5 GB	14–26
Magistral Small 1.2 (2509)24B	8-bit	25,5 GB	14–26
Mistral Small 3.2 (24B)24B	8-bit	25,5 GB	14–26
LFM2.5 24B A2B24B · 2B aktif	8-bit	25,5 GB	176–312
Phi-4 Reasoning Vision 15B15B	8-bit	15,9 GB	23–41
Phi-4 (14B)14B	8-bit	14,9 GB	25–44
Gemma 4 12B Unified12B	8-bit	12,7 GB	29–52
Qwen3 8B8,2B	8-bit	8,7 GB	42–75
Llama 3.1 8B Instruct8B	8-bit	8,5 GB	43–77
Gemma 4 E2B5,1B	8-bit	5,4 GB	154–273
Qwen3.5 4B4B	8-bit	4,3 GB	86–152
Phi-4 mini instruct3,8B	8-bit	4 GB	92–164
Llama 3.2 3B Instruct3,21B	8-bit	3,4 GB	108–193
SmolLM3 3B3B	8-bit	3,2 GB	115–205
LFM2.5 2.6B2,69B	8-bit	2,9 GB	127–226
Qwen3.5 2B2B	8-bit	2,1 GB	176–312
Llama 3.2 1B Instruct1,23B	8-bit	1,3 GB	284–504
Qwen3.5 0.8B0,8B	8-bit	0,9 GB	410–728
Qwen3 0.6B0,6B	8-bit	0,6 GB	614–1092
DeepSeek V4.1 Flash 1017552B · 16B aktif · Kecerdasan 45,1	2-bit kualitas lebih rendah	173 GB	74–131
GLM-5.3 Flash320B · 18B aktif · Kecerdasan 41,8	3-bit kualitas lebih rendah	140 GB	47–83
Beam 1.0501B · 23B aktif · Kecerdasan 30,3	2-bit kualitas lebih rendah	157 GB	51–91
MiniMax M3428B · 23B aktif · Kecerdasan 29,2	2-bit kualitas lebih rendah	134 GB	51–91
Nemotron 3 Ultra 550B A55B550B · 55B aktif · Kecerdasan 22,9	2-bit kualitas lebih rendah	172 GB	21–38
Qwen3.5 397B A17B397B · 17B aktif · Kecerdasan 18,4	3-bit kualitas lebih rendah	174 GB	50–89
Llama 4 Maverick 17B-128E Instruct400B · 17B aktif · Kecerdasan 9,3	3-bit kualitas lebih rendah	175 GB	50–89

Berjalan, tapi lambat 3

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

Model	Versi	Memori	Token/s
Mistral Medium 3.5 (128B)128B · Kecerdasan 14,2	8-bit	136 GB	3–5
Devstral 2 (123B)123B	8-bit	131 GB	3–5
Llama 3.3 70B Instruct70B	8-bit	74,4 GB	5–9

Pas-pasan muat 1

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

Model	Versi	Memori	Token/s
Mistral Large 3 (675B)675B · 41B aktif	2-bit kualitas lebih rendah	211 GB	29–51

Terlalu besar 9

Butuh memori lebih dari 256 GB, bahkan pada 2 bit.

Mac lain

Semua Mac dengan 256 GB, dari chip apa pun.

M3 Ultra dengan memori lebih besar atau lebih kecil:

Chip terdekat:

Mac Studio M3 Ultra

Adu langsung:

Melawan PC dan kartu grafis:

M3 Ultra vs DGX Spark

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

Pertanyaan

Apa LLM terbaik untuk M3 Ultra dengan 256 GB?: Dari model yang punya skor Intelligence Index terbitan, Qwen3.8 Flash Next mendapat skor tertinggi di antara yang berjalan baik di sini: 6-bit, sekitar 75–134 token per detik. Yang terbesar yang berjalan baik adalah MiMo V2.6 Flash.
Bisakah M3 Ultra dengan 256 GB menjalankan Llama 3.3 70B?: Ya, tapi lambat: 8-bit, sekitar 5–9 token per detik.
Seberapa cepat gpt-oss-20b di M3 Ultra?: Sekitar 194–345 token per detik (4,25-bit bawaan), dari bandwidth memori chip sebesar 819 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.