Apa LLM terbaik untuk M5 Pro dengan 24 GB?

Dari model yang punya skor Intelligence Index terbitan, MiniCPM5 2B mendapat skor tertinggi di antara yang berjalan baik di sini: 8-bit, sekitar 51–91 token per detik. Yang terbesar yang berjalan baik adalah Gemma 4 26B A4B.

Bisakah M5 Pro dengan 24 GB menjalankan Llama 3.3 70B?

Tidak: bahkan pada 2 bit model ini butuh lebih dari 18 GB yang bisa dipakai GPU secara bawaan.

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

Sekitar 73–129 token per detik (4,25-bit bawaan), dari bandwidth memori chip sebesar 307 GB/s.

LLM apa yang jalan di M5 Pro 24 GB? Model dan kecepatan

Berjalan baik 36

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

Model	Versi	Memori	Token/s
MiniCPM5 2B2,52B · Kecerdasan 12,5	8-bit	2,7 GB	51–91
Qwen3.5 9B9B · Kecerdasan 11,2	8-bit	9,6 GB	14–26
Granite 4.2 8B8B · Kecerdasan 11,1	8-bit	8,5 GB	16–29
Granite 4.2 3B3B · Kecerdasan 9,1	8-bit	3,2 GB	43–77
gpt-oss-20b21B · 3,6B aktif · Kecerdasan 9	4,25-bit bawaan	13,8 GB	73–129
Gemma 4 E4B8B · Kecerdasan 8,9	8-bit	8,5 GB	29–51
Ministral 3 8B8,9B · Kecerdasan 5,5	8-bit	9,5 GB	15–26
Nemotron 3 Nano 4B3,97B · Kecerdasan 4,8	8-bit	4,2 GB	33–58
Gemma 4 26B A4B25,2B · 3,8B aktif	4-bit	14,2 GB	66–117
Devstral Small 2 (24B)24B	4-bit	13,5 GB	10–18
Magistral Small 1.2 (2509)24B	4-bit	13,5 GB	10–18
Mistral Small 3.2 (24B)24B	4-bit	13,5 GB	10–18
LFM2.5 24B A2B24B · 2B aktif	4-bit	13,5 GB	126–223
Phi-4 Reasoning Vision 15B15B	6-bit	12,2 GB	11–20
Phi-4 (14B)14B	6-bit	11,4 GB	12–22
Gemma 4 12B Unified12B	8-bit	12,7 GB	11–19
Qwen3 8B8,2B	8-bit	8,7 GB	16–28
Llama 3.1 8B Instruct8B	8-bit	8,5 GB	16–29
Gemma 4 E2B5,1B	8-bit	5,4 GB	58–102
Qwen3.5 4B4B	8-bit	4,3 GB	32–57
Phi-4 mini instruct3,8B	8-bit	4 GB	35–61
Llama 3.2 3B Instruct3,21B	8-bit	3,4 GB	41–72
SmolLM3 3B3B	8-bit	3,2 GB	43–77
LFM2.5 2.6B2,69B	8-bit	2,9 GB	48–85
Qwen3.5 2B2B	8-bit	2,1 GB	66–117
Llama 3.2 1B Instruct1,23B	8-bit	1,3 GB	106–189
Qwen3.5 0.8B0,8B	8-bit	0,9 GB	154–273
Qwen3 0.6B0,6B	8-bit	0,6 GB	230–409
Qwen3.6 35B A3B35B · 3B aktif · Kecerdasan 18,2	3-bit kualitas lebih rendah	15,3 GB	106–189
Muse Glimmer 30B29,6B · Kecerdasan 17,5	3-bit kualitas lebih rendah	13 GB	11–19
Gemma 4 31B30,7B · Kecerdasan 14,7	3-bit kualitas lebih rendah	13,4 GB	10–18
Nemotron 3.5 Lightning 30B A3B30B · 3B aktif · Kecerdasan 12,9	3-bit kualitas lebih rendah	13,1 GB	106–189
Granite 4.2 30B30B · Kecerdasan 12,7	3-bit kualitas lebih rendah	13,1 GB	11–19
Nemotron 3 Nano 30B A3B30B · 3,5B aktif · Kecerdasan 8,9	3-bit kualitas lebih rendah	13,1 GB	92–164
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B aktif	3-bit kualitas lebih rendah	13,3 GB	99–175
GLM-4.7 Flash30B · 3B aktif	3-bit kualitas lebih rendah	13,1 GB	106–189

Berjalan, tapi lambat 2

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

Model	Versi	Memori	Token/s
Qwen3.8 27B27B · Kecerdasan 33,7	4-bit	15,2 GB	9–16
Qwen3.6 27B27B	4-bit	15,2 GB	9–16

Mac lain

Semua Mac dengan 24 GB, dari chip apa pun.

M5 Pro dengan memori lebih besar atau lebih kecil:

Chip terdekat:

Adu langsung:

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

Pertanyaan

Apa LLM terbaik untuk M5 Pro dengan 24 GB?: Dari model yang punya skor Intelligence Index terbitan, MiniCPM5 2B mendapat skor tertinggi di antara yang berjalan baik di sini: 8-bit, sekitar 51–91 token per detik. Yang terbesar yang berjalan baik adalah Gemma 4 26B A4B.
Bisakah M5 Pro dengan 24 GB menjalankan Llama 3.3 70B?: Tidak: bahkan pada 2 bit model ini butuh lebih dari 18 GB yang bisa dipakai GPU secara bawaan.
Seberapa cepat gpt-oss-20b di M5 Pro?: Sekitar 73–129 token per detik (4,25-bit bawaan), dari bandwidth memori chip sebesar 307 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 Pro dengan 24 GB?