MasukBuat dompet

Apa yang bisa dijalankan M5 Ultra dengan 512 GB?

61 dari 73 model terbuka berjalan baik di sini. Secara bawaan GPU bisa memakai sekitar 384 GB dari 512 GB, dan membaca memori pada 1.200 GB/s, yang menentukan kecepatan menulisnya. Ada di: Mac Studio (M5 Max or M5 Ultra).

Paling cerdas yang berjalan baikDeepSeek V4.1 Flash 10174-bit · 311 GB · 60–107 tok/sTerbesar yang berjalan baikDeepSeek V4.1 Flash 10174-bit · 311 GB · 60–107 tok/sUntuk kodeQwen3 Coder Next8-bit · 85 GB · 169–300 tok/s

Berjalan baik 68

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

ModelVersiMemoriToken/s
DeepSeek V4.1 Flash 1017552B · 16B aktif · Kecerdasan 45,14-bit311 GB60–107
GLM-5.3 Flash320B · 18B aktif · Kecerdasan 41,88-bit340 GB28–50
Qwen3.8 Flash Next180B · 6B aktif · Kecerdasan 39,88-bit191 GB84–150
MiMo V2.6 Flash309B · 15B aktif · Kecerdasan 37,94,48-bit bawaan173 GB64–114
Qwen3.8 27B27B · Kecerdasan 33,78-bit28,7 GB19–33
Beam 1.0501B · 23B aktif · Kecerdasan 30,34-bit282 GB42–74
MiniMax M3428B · 23B aktif · Kecerdasan 29,26-bit348 GB29–51
Inkling Small276B · 12B aktif · Kecerdasan 25,78-bit293 GB42–75
Hy3295B · 21B aktif · Kecerdasan 25,38-bit313 GB24–43
Nemotron 3 Ultra 550B A55B550B · 55B aktif · Kecerdasan 22,94-bit309 GB17–31
Nemotron 3.5 Bolt 74B A9B74B · 9B aktif · Kecerdasan 21,48-bit78,6 GB56–100
Qwen3.5 397B A17B397B · 17B aktif · Kecerdasan 18,46-bit323 GB39–70
Qwen3.6 35B A3B35B · 3B aktif · Kecerdasan 18,28-bit37,2 GB169–300
Muse Glimmer 30B29,6B · Kecerdasan 17,58-bit31,5 GB17–30
Qwen3.5 122B A10B122B · 10B aktif · Kecerdasan 15,68-bit130 GB51–91
Gemma 4 31B30,7B · Kecerdasan 14,78-bit32,6 GB17–29
Nemotron 3.5 Lightning 30B A3B30B · 3B aktif · Kecerdasan 12,98-bit31,9 GB169–300
Granite 4.2 30B30B · Kecerdasan 12,78-bit31,9 GB17–30
MiniCPM5 2B2,52B · Kecerdasan 12,58-bit2,7 GB200–356
gpt-oss-120b117B · 5,1B aktif · Kecerdasan 11,64,25-bit bawaan65,3 GB200–356
Mistral Small 4 (119B)119B · 6,5B aktif · Kecerdasan 11,38-bit126 GB78–139
Qwen3.5 9B9B · Kecerdasan 11,28-bit9,6 GB56–100
Granite 4.2 8B8B · Kecerdasan 11,18-bit8,5 GB64–113
Llama 4 Maverick 17B-128E Instruct400B · 17B aktif · Kecerdasan 9,36-bit325 GB39–70
Qwen3 Coder Next80B · 3B aktif · Kecerdasan 9,28-bit85 GB169–300
Granite 4.2 3B3B · Kecerdasan 9,18-bit3,2 GB169–300
gpt-oss-20b21B · 3,6B aktif · Kecerdasan 94,25-bit bawaan13,8 GB284–505
Nemotron 3 Nano 30B A3B30B · 3,5B aktif · Kecerdasan 8,98-bit31,9 GB146–259
Gemma 4 E4B8B · Kecerdasan 8,98-bit8,5 GB113–200
Llama 4 Scout 17B-16E Instruct109B · 17B aktif · Kecerdasan 6,58-bit116 GB30–53
Ministral 3 8B8,9B · Kecerdasan 5,58-bit9,5 GB57–101
Nemotron 3 Nano 4B3,97B · Kecerdasan 4,88-bit4,2 GB129–229
DeepSeek V4 Flash 0731284B · 13B aktif8-bit302 GB39–70
MiniMax M2.7230B · 10B aktif8-bit244 GB51–91
Ornith 1.5 122B122B · 10B aktif8-bit130 GB51–91
Nemotron 3 Super 120B A12B120B · 12B aktif8-bit128 GB42–75
GLM-4.5 Air106B · 12B aktif8-bit113 GB42–75
Llama 3.3 70B Instruct70B4-bit39,4 GB14–24
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B aktif8-bit32,4 GB154–274
GLM-4.7 Flash30B · 3B aktif8-bit31,9 GB169–300
Qwen3.6 27B27B8-bit28,7 GB19–33
Gemma 4 26B A4B25,2B · 3,8B aktif8-bit26,8 GB135–240
Devstral Small 2 (24B)24B8-bit25,5 GB21–38
Magistral Small 1.2 (2509)24B8-bit25,5 GB21–38
Mistral Small 3.2 (24B)24B8-bit25,5 GB21–38
LFM2.5 24B A2B24B · 2B aktif8-bit25,5 GB257–457
Phi-4 Reasoning Vision 15B15B8-bit15,9 GB34–60
Phi-4 (14B)14B8-bit14,9 GB36–64
Gemma 4 12B Unified12B8-bit12,7 GB43–76
Qwen3 8B8,2B8-bit8,7 GB62–110
Llama 3.1 8B Instruct8B8-bit8,5 GB64–113
Gemma 4 E2B5,1B8-bit5,4 GB225–400
Qwen3.5 4B4B8-bit4,3 GB126–223
Phi-4 mini instruct3,8B8-bit4 GB135–240
Llama 3.2 3B Instruct3,21B8-bit3,4 GB159–282
SmolLM3 3B3B8-bit3,2 GB169–300
LFM2.5 2.6B2,69B8-bit2,9 GB186–331
Qwen3.5 2B2B8-bit2,1 GB257–457
Llama 3.2 1B Instruct1,23B8-bit1,3 GB415–738
Qwen3.5 0.8B0,8B8-bit0,9 GB600–1067
Qwen3 0.6B0,6B8-bit0,6 GB900–1600
MiMo V2.6 Pro1.020B · 42B aktif · Kecerdasan 46,32-bit kualitas lebih rendah319 GB41–73
GLM-5.3744B · 40B aktif · Kecerdasan 44,83-bit kualitas lebih rendah326 GB31–55
Muse Spark Open816B · 42B aktif · Kecerdasan 38,92-bit kualitas lebih rendah255 GB41–73
Kimi K2.7 Code1.000B · 32B aktif · Kecerdasan 25,82-bit kualitas lebih rendah313 GB54–96
Inkling975B · 41B aktif · Kecerdasan 252-bit kualitas lebih rendah305 GB42–75
Kimi K2.61.000B · 32B aktif2-bit kualitas lebih rendah313 GB54–96
Mistral Large 3 (675B)675B · 41B aktif3-bit kualitas lebih rendah295 GB30–54

Berjalan, tapi lambat 2

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

ModelVersiMemoriToken/s
Mistral Medium 3.5 (128B)128B · Kecerdasan 14,28-bit136 GB4–7
Devstral 2 (123B)123B8-bit131 GB4–7

Terlalu besar 3

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

Mac lain

Semua Mac dengan 512 GB, dari chip apa pun.

M5 Ultra dengan memori lebih besar atau lebih kecil:

Chip terdekat:

Adu langsung:

Melawan PC dan kartu grafis:

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

Pertanyaan

Apa LLM terbaik untuk M5 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 60–107 token per detik.
Bisakah M5 Ultra dengan 512 GB menjalankan Llama 3.3 70B?
Ya: 4-bit, sekitar 14–24 token per detik.
Seberapa cepat gpt-oss-20b di M5 Ultra?
Sekitar 284–505 token per detik (4,25-bit bawaan), dari bandwidth memori chip sebesar 1.200 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 M5 Ultra 512 GB? Model dan kecepatan