Apa LLM terbaik untuk M5 Max dengan 36 GB?

Dari model yang punya skor Intelligence Index terbitan, Qwen3.8 27B mendapat skor tertinggi di antara yang berjalan baik di sini: 4-bit, sekitar 14–24 token per detik. Yang terbesar yang berjalan baik adalah Qwen3.6 35B A3B.

Bisakah M5 Max dengan 36 GB menjalankan Llama 3.3 70B?

Ya, tapi lambat: 2-bit (kualitas lebih rendah), sekitar 9–17 token per detik.

Seberapa cepat gpt-oss-20b di M5 Max?

Sekitar 109–194 token per detik (4,25-bit bawaan), dari bandwidth memori chip sebesar 460 GB/s.

LLM apa yang jalan di M5 Max 36 GB? Model dan kecepatan

Berjalan baik 40

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

Model	Versi	Memori	Token/s
Qwen3.8 27B27B · Kecerdasan 33,7	4-bit	15,2 GB	14–24
Qwen3.6 35B A3B35B · 3B aktif · Kecerdasan 18,2	4-bit	19,7 GB	122–216
Muse Glimmer 30B29,6B · Kecerdasan 17,5	4-bit	16,7 GB	12–22
Gemma 4 31B30,7B · Kecerdasan 14,7	4-bit	17,3 GB	12–21
Nemotron 3.5 Lightning 30B A3B30B · 3B aktif · Kecerdasan 12,9	6-bit	24,4 GB	86–153
Granite 4.2 30B30B · Kecerdasan 12,7	4-bit	16,9 GB	12–22
MiniCPM5 2B2,52B · Kecerdasan 12,5	8-bit	2,7 GB	77–136
Qwen3.5 9B9B · Kecerdasan 11,2	8-bit	9,6 GB	22–38
Granite 4.2 8B8B · Kecerdasan 11,1	8-bit	8,5 GB	24–43
Granite 4.2 3B3B · Kecerdasan 9,1	8-bit	3,2 GB	65–115
gpt-oss-20b21B · 3,6B aktif · Kecerdasan 9	4,25-bit bawaan	13,8 GB	109–194
Nemotron 3 Nano 30B A3B30B · 3,5B aktif · Kecerdasan 8,9	6-bit	24,4 GB	74–131
Gemma 4 E4B8B · Kecerdasan 8,9	8-bit	8,5 GB	43–77
Ministral 3 8B8,9B · Kecerdasan 5,5	8-bit	9,5 GB	22–39
Nemotron 3 Nano 4B3,97B · Kecerdasan 4,8	8-bit	4,2 GB	49–88
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B aktif	6-bit	24,8 GB	77–136
GLM-4.7 Flash30B · 3B aktif	6-bit	24,4 GB	86–153
Qwen3.6 27B27B	4-bit	15,2 GB	14–24
Gemma 4 26B A4B25,2B · 3,8B aktif	6-bit	20,5 GB	67–119
Devstral Small 2 (24B)24B	6-bit	19,5 GB	11–19
Magistral Small 1.2 (2509)24B	6-bit	19,5 GB	11–19
Mistral Small 3.2 (24B)24B	6-bit	19,5 GB	11–19
LFM2.5 24B A2B24B · 2B aktif	6-bit	19,5 GB	129–230
Phi-4 Reasoning Vision 15B15B	8-bit	15,9 GB	13–23
Phi-4 (14B)14B	8-bit	14,9 GB	14–25
Gemma 4 12B Unified12B	8-bit	12,7 GB	16–29
Qwen3 8B8,2B	8-bit	8,7 GB	24–42
Llama 3.1 8B Instruct8B	8-bit	8,5 GB	24–43
Gemma 4 E2B5,1B	8-bit	5,4 GB	86–153
Qwen3.5 4B4B	8-bit	4,3 GB	48–86
Phi-4 mini instruct3,8B	8-bit	4 GB	52–92
Llama 3.2 3B Instruct3,21B	8-bit	3,4 GB	61–108
SmolLM3 3B3B	8-bit	3,2 GB	65–115
LFM2.5 2.6B2,69B	8-bit	2,9 GB	71–127
Qwen3.5 2B2B	8-bit	2,1 GB	99–175
Llama 3.2 1B Instruct1,23B	8-bit	1,3 GB	159–283
Qwen3.5 0.8B0,8B	8-bit	0,9 GB	230–409
Qwen3 0.6B0,6B	8-bit	0,6 GB	345–613
Nemotron 3.5 Bolt 74B A9B74B · 9B aktif · Kecerdasan 21,4	2-bit kualitas lebih rendah	23,1 GB	74–131
Qwen3 Coder Next80B · 3B aktif · Kecerdasan 9,2	2-bit kualitas lebih rendah	25 GB	230–409

Berjalan, tapi lambat 1

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

Model	Versi	Memori	Token/s
Llama 3.3 70B Instruct70B	2-bit kualitas lebih rendah	21,9 GB	9–17

Mac lain

Semua Mac dengan 36 GB, dari chip apa pun.

M5 Max dengan memori lebih besar atau lebih kecil:

Chip terdekat:

Adu langsung:

Melawan PC dan kartu grafis:

Bandingkan dengan Mac atau GPU apa pun · M5 Max untuk AI lokal · Mac terbaik untuk LLM lokal · Semua Mac

Pertanyaan

Apa LLM terbaik untuk M5 Max dengan 36 GB?: Dari model yang punya skor Intelligence Index terbitan, Qwen3.8 27B mendapat skor tertinggi di antara yang berjalan baik di sini: 4-bit, sekitar 14–24 token per detik. Yang terbesar yang berjalan baik adalah Qwen3.6 35B A3B.
Bisakah M5 Max dengan 36 GB menjalankan Llama 3.3 70B?: Ya, tapi lambat: 2-bit (kualitas lebih rendah), sekitar 9–17 token per detik.
Seberapa cepat gpt-oss-20b di M5 Max?: Sekitar 109–194 token per detik (4,25-bit bawaan), dari bandwidth memori chip sebesar 460 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.

Apa yang bisa dijalankan M5 Max dengan 36 GB?