Apa LLM terbaik untuk M3 Ultra dengan 512 GB?

Dari model yang punya skor Intelligence Index terbitan, DeepSeek V4.1 Flash 1017 mendapat skor tertinggi di antara yang berjalan baik di sini: 4-bit, sekitar 41–73 token per detik.

Bisakah M3 Ultra dengan 512 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 512 GB? Model dan kecepatan

Berjalan baik 67

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

Model	Versi	Memori	Token/s
DeepSeek V4.1 Flash 1017552B · 16B aktif · Kecerdasan 45,1	4-bit	311 GB	41–73
GLM-5.3 Flash320B · 18B aktif · Kecerdasan 41,8	8-bit	340 GB	19–34
Qwen3.8 Flash Next180B · 6B aktif · Kecerdasan 39,8	8-bit	191 GB	58–102
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
Beam 1.0501B · 23B aktif · Kecerdasan 30,3	4-bit	282 GB	29–51
MiniMax M3428B · 23B aktif · Kecerdasan 29,2	6-bit	348 GB	20–35
Inkling Small276B · 12B aktif · Kecerdasan 25,7	8-bit	293 GB	29–51
Hy3295B · 21B aktif · Kecerdasan 25,3	8-bit	313 GB	17–29
Nemotron 3 Ultra 550B A55B550B · 55B aktif · Kecerdasan 22,9	4-bit	309 GB	12–21
Nemotron 3.5 Bolt 74B A9B74B · 9B aktif · Kecerdasan 21,4	8-bit	78,6 GB	38–68
Qwen3.5 397B A17B397B · 17B aktif · Kecerdasan 18,4	6-bit	323 GB	27–47
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
Llama 4 Maverick 17B-128E Instruct400B · 17B aktif · Kecerdasan 9,3	6-bit	325 GB	27–47
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	8-bit	302 GB	27–47
MiniMax M2.7230B · 10B aktif	8-bit	244 GB	35–62
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
MiMo V2.6 Pro1.020B · 42B aktif · Kecerdasan 46,3	2-bit kualitas lebih rendah	319 GB	28–50
GLM-5.3744B · 40B aktif · Kecerdasan 44,8	3-bit kualitas lebih rendah	326 GB	21–37
Muse Spark Open816B · 42B aktif · Kecerdasan 38,9	2-bit kualitas lebih rendah	255 GB	28–50
Kimi K2.7 Code1.000B · 32B aktif · Kecerdasan 25,8	2-bit kualitas lebih rendah	313 GB	37–66
Inkling975B · 41B aktif · Kecerdasan 25	2-bit kualitas lebih rendah	305 GB	29–51
Kimi K2.61.000B · 32B aktif	2-bit kualitas lebih rendah	313 GB	37–66
Mistral Large 3 (675B)675B · 41B aktif	3-bit kualitas lebih rendah	295 GB	21–37

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

Terlalu besar 3

Butuh memori lebih dari 512 GB, bahkan pada 2 bit.

Mac lain

Semua Mac dengan 512 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 512 GB?: Dari model yang punya skor Intelligence Index terbitan, DeepSeek V4.1 Flash 1017 mendapat skor tertinggi di antara yang berjalan baik di sini: 4-bit, sekitar 41–73 token per detik.
Bisakah M3 Ultra dengan 512 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.