AccediCrea wallet

Cosa può eseguire un M1 Pro con 32 GB?

30 modelli aperti su 73 ci girano bene. Di default la GPU può usare circa 24 GB dei suoi 32 GB, e il chip legge la memoria a 200 GB/s, che determina quanto velocemente scrive. Lo trovi in: MacBook Pro (14-inch, 2021), MacBook Pro (16-inch, 2021).

Il più intelligente che gira beneQwen3.6 35B A3B4 bit · 19,7 GB · 53–94 tok/sIl più grande che gira beneQwen3.6 35B A3B4 bit · 19,7 GB · 53–94 tok/sPer il codiceQwen3 Coder 30B A3B Instruct4 bit · 17,2 GB · 47–84 tok/s

Gira bene 30

Ci sta con spazio per il contesto, a 10 o più token al secondo.

ModelloVersioneMemoriaToken/s
Qwen3.6 35B A3B35B · 3B attivi · Intelligenza 18,24 bit19,7 GB53–94
Nemotron 3.5 Lightning 30B A3B30B · 3B attivi · Intelligenza 12,94 bit16,9 GB53–94
MiniCPM5 2B2,52B · Intelligenza 12,58 bit2,7 GB33–59
Qwen3.5 9B9B · Intelligenza 11,26 bit7,3 GB12–22
Granite 4.2 8B8B · Intelligenza 11,18 bit8,5 GB11–19
Granite 4.2 3B3B · Intelligenza 9,18 bit3,2 GB28–50
gpt-oss-20b21B · 3,6B attivi · Intelligenza 94,25 bit nativo13,8 GB47–84
Nemotron 3 Nano 30B A3B30B · 3,5B attivi · Intelligenza 8,94 bit16,9 GB45–80
Gemma 4 E4B8B · Intelligenza 8,98 bit8,5 GB19–33
Ministral 3 8B8,9B · Intelligenza 5,56 bit7,2 GB13–22
Nemotron 3 Nano 4B3,97B · Intelligenza 4,88 bit4,2 GB21–38
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B attivi4 bit17,2 GB47–84
GLM-4.7 Flash30B · 3B attivi4 bit16,9 GB53–94
Gemma 4 26B A4B25,2B · 3,8B attivi6 bit20,5 GB29–52
LFM2.5 24B A2B24B · 2B attivi6 bit19,5 GB56–100
Phi-4 Reasoning Vision 15B15B4 bit8,4 GB11–19
Phi-4 (14B)14B4 bit7,9 GB11–20
Gemma 4 12B Unified12B4 bit6,7 GB13–24
Qwen3 8B8,2B8 bit8,7 GB10–18
Llama 3.1 8B Instruct8B8 bit8,5 GB11–19
Gemma 4 E2B5,1B8 bit5,4 GB38–67
Qwen3.5 4B4B8 bit4,3 GB21–37
Phi-4 mini instruct3,8B8 bit4 GB23–40
Llama 3.2 3B Instruct3,21B8 bit3,4 GB26–47
SmolLM3 3B3B8 bit3,2 GB28–50
LFM2.5 2.6B2,69B8 bit2,9 GB31–55
Qwen3.5 2B2B8 bit2,1 GB43–76
Llama 3.2 1B Instruct1,23B8 bit1,3 GB69–123
Qwen3.5 0.8B0,8B8 bit0,9 GB100–178
Qwen3 0.6B0,6B8 bit0,6 GB150–267

Gira, ma lentamente 9

Ci sta, ma sotto i 10 token al secondo: va bene per i lavori in batch, ma è lento per la chat.

ModelloVersioneMemoriaToken/s
Qwen3.8 27B27B · Intelligenza 33,76 bit21,9 GB4–7
Muse Glimmer 30B29,6B · Intelligenza 17,54 bit16,7 GB5–10
Gemma 4 31B30,7B · Intelligenza 14,74 bit17,3 GB5–9
Granite 4.2 30B30B · Intelligenza 12,74 bit16,9 GB5–9
Qwen3.6 27B27B6 bit21,9 GB4–7
Devstral Small 2 (24B)24B6 bit19,5 GB5–8
Magistral Small 1.2 (2509)24B6 bit19,5 GB5–8
Mistral Small 3.2 (24B)24B6 bit19,5 GB5–8
Llama 3.3 70B Instruct70B2 bit qualità inferiore21,9 GB4–7

Ci sta al limite 2

Richiede quasi tutta la memoria: alza il limite di memoria della GPU e tieni il contesto breve.

ModelloVersioneMemoriaToken/s
Nemotron 3.5 Bolt 74B A9B74B · 9B attivi · Intelligenza 21,42 bit qualità inferiore23,1 GB32–57
Qwen3 Coder Next80B · 3B attivi · Intelligenza 9,22 bit qualità inferiore25 GB100–178

Troppo grande 32

Richiede più di 32 GB di memoria, anche a 2 bit.

Altri Mac

Tutti i Mac con 32 GB, con qualsiasi chip.

Il M1 Pro con più o meno memoria:

Chip vicini:

Testa a testa:

Confrontalo con qualsiasi Mac o GPU · Il M1 Pro per l’AI locale · Il miglior Mac per LLM in locale · Tutti i Mac

Domande

Qual è il miglior LLM per un M1 Pro con 32 GB?
Tra i modelli con un Intelligence Index pubblicato, Qwen3.6 35B A3B ha il punteggio più alto fra quelli che qui girano bene: 4 bit, circa 53–94 token al secondo.
Un M1 Pro con 32 GB può eseguire Llama 3.3 70B?
Sì, ma lentamente: 2 bit (qualità inferiore), a circa 4–7 token al secondo.
Quanto è veloce gpt-oss-20b su un M1 Pro?
Circa 47–84 token al secondo (4,25 bit nativo), in base ai 200 GB/s di larghezza di banda della memoria del chip.

Eseguili con MLX Harness (gratuito, open source) o con mlx-lm di Apple nel Terminale: passo dopo passo.

Come è calcolato

Memoria: i parametri del modello a 8, 6, 4, 3 o 2 bit per peso più le scale per gruppo di MLX (mezzo bit per peso), oppure il suo formato nativo, con in più lo spazio per il contesto. Di default macOS lascia usare alla GPU circa il 75% della memoria unificata. Velocità: la larghezza di banda della memoria divisa per i byte letti per ogni token è il limite massimo per una conversazione; nei benchmark pubblici su Apple Silicon di llama.cpp, le esecuzioni reali arrivano a circa il 45%–80% di quel limite, ed è l’intervallo mostrato. Sono stime, non misurazioni: misura il tuo Mac su MLX Bench. Dati dei modelli dalla rispettiva scheda ufficiale, dati dei chip dalle specifiche tecniche di Apple. Verificato il 2026-10-19. Stessi dati di mlx.app/compare.

Quali LLM può eseguire un M1 Pro con 32 GB? Modelli e velocità