MasukBuat dompet

Apa yang bisa dijalankan M4 Max dengan 128 GB?

47 dari 73 model terbuka berjalan baik di sini. Secara bawaan GPU bisa memakai sekitar 96 GB dari 128 GB, dan membaca memori pada 546 GB/s, yang menentukan kecepatan menulisnya. Ada di: MacBook Pro (14-inch, M4 Pro or M4 Max, 2024), MacBook Pro (16-inch, 2024), Mac Studio (2025).

Paling cerdas yang berjalan baikQwen3.8 27B6-bit · 21,9 GB · 11–20 tok/sTerbesar yang berjalan baikQwen3.5 122B A10B4-bit · 68,6 GB · 44–78 tok/sUntuk kodeQwen3 Coder Next8-bit · 85 GB · 77–137 tok/s

Berjalan baik 51

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

ModelVersiMemoriToken/s
Qwen3.8 27B27B · Kecerdasan 33,76-bit21,9 GB11–20
Nemotron 3.5 Bolt 74B A9B74B · 9B aktif · Kecerdasan 21,48-bit78,6 GB26–46
Qwen3.6 35B A3B35B · 3B aktif · Kecerdasan 18,28-bit37,2 GB77–137
Muse Glimmer 30B29,6B · Kecerdasan 17,56-bit24,1 GB10–18
Qwen3.5 122B A10B122B · 10B aktif · Kecerdasan 15,64-bit68,6 GB44–78
Gemma 4 31B30,7B · Kecerdasan 14,76-bit24,9 GB10–18
Nemotron 3.5 Lightning 30B A3B30B · 3B aktif · Kecerdasan 12,98-bit31,9 GB77–137
Granite 4.2 30B30B · Kecerdasan 12,76-bit24,4 GB10–18
MiniCPM5 2B2,52B · Kecerdasan 12,58-bit2,7 GB91–162
gpt-oss-120b117B · 5,1B aktif · Kecerdasan 11,64,25-bit bawaan65,3 GB91–162
Mistral Small 4 (119B)119B · 6,5B aktif · Kecerdasan 11,34-bit66,9 GB66–118
Qwen3.5 9B9B · Kecerdasan 11,28-bit9,6 GB26–46
Granite 4.2 8B8B · Kecerdasan 11,18-bit8,5 GB29–51
Qwen3 Coder Next80B · 3B aktif · Kecerdasan 9,28-bit85 GB77–137
Granite 4.2 3B3B · Kecerdasan 9,18-bit3,2 GB77–137
gpt-oss-20b21B · 3,6B aktif · Kecerdasan 94,25-bit bawaan13,8 GB129–230
Nemotron 3 Nano 30B A3B30B · 3,5B aktif · Kecerdasan 8,98-bit31,9 GB66–118
Gemma 4 E4B8B · Kecerdasan 8,98-bit8,5 GB51–91
Llama 4 Scout 17B-16E Instruct109B · 17B aktif · Kecerdasan 6,56-bit88,6 GB18–32
Ministral 3 8B8,9B · Kecerdasan 5,58-bit9,5 GB26–46
Nemotron 3 Nano 4B3,97B · Kecerdasan 4,88-bit4,2 GB59–104
Ornith 1.5 122B122B · 10B aktif4-bit68,6 GB44–78
Nemotron 3 Super 120B A12B120B · 12B aktif4-bit67,5 GB36–64
GLM-4.5 Air106B · 12B aktif6-bit86,1 GB25–45
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B aktif8-bit32,4 GB70–125
GLM-4.7 Flash30B · 3B aktif8-bit31,9 GB77–137
Qwen3.6 27B27B6-bit21,9 GB11–20
Gemma 4 26B A4B25,2B · 3,8B aktif8-bit26,8 GB61–109
Devstral Small 2 (24B)24B8-bit25,5 GB10–17
Magistral Small 1.2 (2509)24B8-bit25,5 GB10–17
Mistral Small 3.2 (24B)24B8-bit25,5 GB10–17
LFM2.5 24B A2B24B · 2B aktif8-bit25,5 GB117–208
Phi-4 Reasoning Vision 15B15B8-bit15,9 GB15–27
Phi-4 (14B)14B8-bit14,9 GB16–29
Gemma 4 12B Unified12B8-bit12,7 GB19–34
Qwen3 8B8,2B8-bit8,7 GB28–50
Llama 3.1 8B Instruct8B8-bit8,5 GB29–51
Gemma 4 E2B5,1B8-bit5,4 GB102–182
Qwen3.5 4B4B8-bit4,3 GB57–102
Phi-4 mini instruct3,8B8-bit4 GB61–109
Llama 3.2 3B Instruct3,21B8-bit3,4 GB72–128
SmolLM3 3B3B8-bit3,2 GB77–137
LFM2.5 2.6B2,69B8-bit2,9 GB85–151
Qwen3.5 2B2B8-bit2,1 GB117–208
Llama 3.2 1B Instruct1,23B8-bit1,3 GB189–336
Qwen3.5 0.8B0,8B8-bit0,9 GB273–485
Qwen3 0.6B0,6B8-bit0,6 GB410–728
Qwen3.8 Flash Next180B · 6B aktif · Kecerdasan 39,83-bit kualitas lebih rendah78,8 GB95–168
Inkling Small276B · 12B aktif · Kecerdasan 25,72-bit kualitas lebih rendah86,3 GB65–115
DeepSeek V4 Flash 0731284B · 13B aktif2-bit kualitas lebih rendah88,8 GB60–107
MiniMax M2.7230B · 10B aktif2-bit kualitas lebih rendah71,9 GB79–141

Berjalan, tapi lambat 3

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

ModelVersiMemoriToken/s
Mistral Medium 3.5 (128B)128B · Kecerdasan 14,24-bit72 GB3–6
Devstral 2 (123B)123B4-bit69,2 GB4–6
Llama 3.3 70B Instruct70B8-bit74,4 GB3–6

Pas-pasan muat 3

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

ModelVersiMemoriToken/s
GLM-5.3 Flash320B · 18B aktif · Kecerdasan 41,82-bit kualitas lebih rendah100 GB44–78
MiMo V2.6 Flash309B · 15B aktif · Kecerdasan 37,92-bit kualitas lebih rendah96,6 GB52–93
Hy3295B · 21B aktif · Kecerdasan 25,32-bit kualitas lebih rendah92,2 GB37–66

Terlalu besar 16

Butuh memori lebih dari 128 GB, bahkan pada 2 bit.

Mac lain

Semua Mac dengan 128 GB, dari chip apa pun.

M4 Max dengan memori lebih besar atau lebih kecil:

Chip terdekat:

Adu langsung:

Melawan PC dan kartu grafis:

Bandingkan dengan Mac atau GPU apa pun · M4 Max untuk AI lokal · Mac terbaik untuk LLM lokal · Semua Mac

Pertanyaan

Apa LLM terbaik untuk M4 Max dengan 128 GB?
Dari model yang punya skor Intelligence Index terbitan, Qwen3.8 27B mendapat skor tertinggi di antara yang berjalan baik di sini: 6-bit, sekitar 11–20 token per detik. Yang terbesar yang berjalan baik adalah Qwen3.5 122B A10B.
Bisakah M4 Max dengan 128 GB menjalankan Llama 3.3 70B?
Ya, tapi lambat: 8-bit, sekitar 3–6 token per detik.
Seberapa cepat gpt-oss-20b di M4 Max?
Sekitar 129–230 token per detik (4,25-bit bawaan), dari bandwidth memori chip sebesar 546 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 M4 Max 128 GB? Model dan kecepatan