AccediCrea wallet

Cosa può eseguire un M1 Ultra con 128 GB?

47 modelli aperti su 73 ci girano bene. Di default la GPU può usare circa 96 GB dei suoi 128 GB, e il chip legge la memoria a 800 GB/s, che determina quanto velocemente scrive. Lo trovi in: Mac Studio (2022).

Il più intelligente che gira beneQwen3.8 27B8 bit · 28,7 GB · 13–22 tok/sIl più grande che gira beneQwen3.5 122B A10B4 bit · 68,6 GB · 64–114 tok/sPer il codiceQwen3 Coder Next8 bit · 85 GB · 113–200 tok/s

Gira bene 51

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

ModelloVersioneMemoriaToken/s
Qwen3.8 27B27B · Intelligenza 33,78 bit28,7 GB13–22
Nemotron 3.5 Bolt 74B A9B74B · 9B attivi · Intelligenza 21,48 bit78,6 GB38–67
Qwen3.6 35B A3B35B · 3B attivi · Intelligenza 18,28 bit37,2 GB113–200
Muse Glimmer 30B29,6B · Intelligenza 17,58 bit31,5 GB11–20
Qwen3.5 122B A10B122B · 10B attivi · Intelligenza 15,64 bit68,6 GB64–114
Gemma 4 31B30,7B · Intelligenza 14,78 bit32,6 GB11–20
Nemotron 3.5 Lightning 30B A3B30B · 3B attivi · Intelligenza 12,98 bit31,9 GB113–200
Granite 4.2 30B30B · Intelligenza 12,78 bit31,9 GB11–20
MiniCPM5 2B2,52B · Intelligenza 12,58 bit2,7 GB133–237
gpt-oss-120b117B · 5,1B attivi · Intelligenza 11,64,25 bit nativo65,3 GB133–237
Mistral Small 4 (119B)119B · 6,5B attivi · Intelligenza 11,34 bit66,9 GB97–173
Qwen3.5 9B9B · Intelligenza 11,28 bit9,6 GB38–67
Granite 4.2 8B8B · Intelligenza 11,18 bit8,5 GB42–75
Qwen3 Coder Next80B · 3B attivi · Intelligenza 9,28 bit85 GB113–200
Granite 4.2 3B3B · Intelligenza 9,18 bit3,2 GB113–200
gpt-oss-20b21B · 3,6B attivi · Intelligenza 94,25 bit nativo13,8 GB189–337
Nemotron 3 Nano 30B A3B30B · 3,5B attivi · Intelligenza 8,98 bit31,9 GB97–173
Gemma 4 E4B8B · Intelligenza 8,98 bit8,5 GB75–133
Llama 4 Scout 17B-16E Instruct109B · 17B attivi · Intelligenza 6,56 bit88,6 GB26–46
Ministral 3 8B8,9B · Intelligenza 5,58 bit9,5 GB38–67
Nemotron 3 Nano 4B3,97B · Intelligenza 4,88 bit4,2 GB86–152
Ornith 1.5 122B122B · 10B attivi4 bit68,6 GB64–114
Nemotron 3 Super 120B A12B120B · 12B attivi4 bit67,5 GB53–94
GLM-4.5 Air106B · 12B attivi6 bit86,1 GB37–65
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B attivi8 bit32,4 GB103–183
GLM-4.7 Flash30B · 3B attivi8 bit31,9 GB113–200
Qwen3.6 27B27B8 bit28,7 GB13–22
Gemma 4 26B A4B25,2B · 3,8B attivi8 bit26,8 GB90–160
Devstral Small 2 (24B)24B8 bit25,5 GB14–25
Magistral Small 1.2 (2509)24B8 bit25,5 GB14–25
Mistral Small 3.2 (24B)24B8 bit25,5 GB14–25
LFM2.5 24B A2B24B · 2B attivi8 bit25,5 GB171–305
Phi-4 Reasoning Vision 15B15B8 bit15,9 GB23–40
Phi-4 (14B)14B8 bit14,9 GB24–43
Gemma 4 12B Unified12B8 bit12,7 GB28–50
Qwen3 8B8,2B8 bit8,7 GB41–74
Llama 3.1 8B Instruct8B8 bit8,5 GB42–75
Gemma 4 E2B5,1B8 bit5,4 GB150–267
Qwen3.5 4B4B8 bit4,3 GB84–149
Phi-4 mini instruct3,8B8 bit4 GB90–160
Llama 3.2 3B Instruct3,21B8 bit3,4 GB106–188
SmolLM3 3B3B8 bit3,2 GB113–200
LFM2.5 2.6B2,69B8 bit2,9 GB124–221
Qwen3.5 2B2B8 bit2,1 GB171–305
Llama 3.2 1B Instruct1,23B8 bit1,3 GB277–492
Qwen3.5 0.8B0,8B8 bit0,9 GB400–711
Qwen3 0.6B0,6B8 bit0,6 GB600–1067
Qwen3.8 Flash Next180B · 6B attivi · Intelligenza 39,83 bit qualità inferiore78,8 GB138–246
Inkling Small276B · 12B attivi · Intelligenza 25,72 bit qualità inferiore86,3 GB95–168
DeepSeek V4 Flash 0731284B · 13B attivi2 bit qualità inferiore88,8 GB88–156
MiniMax M2.7230B · 10B attivi2 bit qualità inferiore71,9 GB116–206

Gira, ma lentamente 3

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

ModelloVersioneMemoriaToken/s
Mistral Medium 3.5 (128B)128B · Intelligenza 14,24 bit72 GB5–9
Devstral 2 (123B)123B4 bit69,2 GB5–9
Llama 3.3 70B Instruct70B8 bit74,4 GB5–9

Ci sta al limite 3

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

ModelloVersioneMemoriaToken/s
GLM-5.3 Flash320B · 18B attivi · Intelligenza 41,82 bit qualità inferiore100 GB64–114
MiMo V2.6 Flash309B · 15B attivi · Intelligenza 37,92 bit qualità inferiore96,6 GB77–136
Hy3295B · 21B attivi · Intelligenza 25,32 bit qualità inferiore92,2 GB55–97

Troppo grande 16

Richiede più di 128 GB di memoria, anche a 2 bit.

Altri Mac

Tutti i Mac con 128 GB, con qualsiasi chip.

Il M1 Ultra con più o meno memoria:

Chip vicini:

Testa a testa:

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

Domande

Qual è il miglior LLM per un M1 Ultra con 128 GB?
Tra i modelli con un Intelligence Index pubblicato, Qwen3.8 27B ha il punteggio più alto fra quelli che qui girano bene: 8 bit, circa 13–22 token al secondo. Il più grande che gira bene è Qwen3.5 122B A10B.
Un M1 Ultra con 128 GB può eseguire Llama 3.3 70B?
Sì, ma lentamente: 8 bit, a circa 5–9 token al secondo.
Quanto è veloce gpt-oss-20b su un M1 Ultra?
Circa 189–337 token al secondo (4,25 bit nativo), in base ai 800 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 Ultra con 128 GB? Modelli e velocità