MasukBuat dompet

Apa yang bisa dijalankan M5 Ultra dengan 96 GB?

44 dari 73 model terbuka berjalan baik di sini. Secara bawaan GPU bisa memakai sekitar 72 GB dari 96 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 baikQwen3.8 27B8-bit · 28,7 GB · 19–33 tok/sTerbesar yang berjalan baikgpt-oss-120b4,25-bit bawaan · 65,3 GB · 200–356 tok/sUntuk kodeQwen3 Coder Next6-bit · 65 GB · 225–400 tok/s

Berjalan baik 51

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

ModelVersiMemoriToken/s
Qwen3.8 27B27B · Kecerdasan 33,78-bit28,7 GB19–33
Nemotron 3.5 Bolt 74B A9B74B · 9B aktif · Kecerdasan 21,46-bit60,1 GB74–132
Qwen3.6 35B A3B35B · 3B aktif · Kecerdasan 18,28-bit37,2 GB169–300
Muse Glimmer 30B29,6B · Kecerdasan 17,58-bit31,5 GB17–30
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
Qwen3.5 9B9B · Kecerdasan 11,28-bit9,6 GB56–100
Granite 4.2 8B8B · Kecerdasan 11,18-bit8,5 GB64–113
Qwen3 Coder Next80B · 3B aktif · Kecerdasan 9,26-bit65 GB225–400
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 6,54-bit61,3 GB56–100
Ministral 3 8B8,9B · Kecerdasan 5,58-bit9,5 GB57–101
Nemotron 3 Nano 4B3,97B · Kecerdasan 4,88-bit4,2 GB129–229
GLM-4.5 Air106B · 12B aktif4-bit59,6 GB79–141
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
Qwen3.8 Flash Next180B · 6B aktif · Kecerdasan 39,82-bit kualitas lebih rendah56,3 GB284–505
Qwen3.5 122B A10B122B · 10B aktif · Kecerdasan 15,63-bit kualitas lebih rendah53,4 GB123–218
Mistral Medium 3.5 (128B)128B · Kecerdasan 14,23-bit kualitas lebih rendah56 GB10–17
Mistral Small 4 (119B)119B · 6,5B aktif · Kecerdasan 11,33-bit kualitas lebih rendah52,1 GB193–343
Devstral 2 (123B)123B3-bit kualitas lebih rendah53,8 GB10–18
Ornith 1.5 122B122B · 10B aktif3-bit kualitas lebih rendah53,4 GB123–218
Nemotron 3 Super 120B A12B120B · 12B aktif3-bit kualitas lebih rendah52,5 GB102–181

Pas-pasan muat 1

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

ModelVersiMemoriToken/s
MiniMax M2.7230B · 10B aktif2-bit kualitas lebih rendah71,9 GB174–310

Terlalu besar 21

Butuh memori lebih dari 96 GB, bahkan pada 2 bit.

Mac lain

Semua Mac dengan 96 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 96 GB?
Dari model yang punya skor Intelligence Index terbitan, Qwen3.8 27B mendapat skor tertinggi di antara yang berjalan baik di sini: 8-bit, sekitar 19–33 token per detik. Yang terbesar yang berjalan baik adalah gpt-oss-120b.
Bisakah M5 Ultra dengan 96 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 96 GB? Model dan kecepatan