AccediCrea wallet

Cosa può eseguire un M2 Max con 32 GB?

38 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 400 GB/s, che determina quanto velocemente scrive. Lo trovi in: MacBook Pro (14-inch, 2023), MacBook Pro (16-inch, 2023), Mac Studio (2023).

Il più intelligente che gira beneQwen3.8 27B4 bit · 15,2 GB · 12–21 tok/sIl più grande che gira beneQwen3.6 35B A3B4 bit · 19,7 GB · 106–188 tok/sPer il codiceQwen3 Coder 30B A3B Instruct4 bit · 17,2 GB · 95–168 tok/s

Gira bene 38

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

ModelloVersioneMemoriaToken/s
Qwen3.8 27B27B · Intelligenza 33,74 bit15,2 GB12–21
Qwen3.6 35B A3B35B · 3B attivi · Intelligenza 18,24 bit19,7 GB106–188
Muse Glimmer 30B29,6B · Intelligenza 17,54 bit16,7 GB11–19
Gemma 4 31B30,7B · Intelligenza 14,74 bit17,3 GB10–18
Nemotron 3.5 Lightning 30B A3B30B · 3B attivi · Intelligenza 12,94 bit16,9 GB106–188
Granite 4.2 30B30B · Intelligenza 12,74 bit16,9 GB11–19
MiniCPM5 2B2,52B · Intelligenza 12,58 bit2,7 GB67–119
Qwen3.5 9B9B · Intelligenza 11,28 bit9,6 GB19–33
Granite 4.2 8B8B · Intelligenza 11,18 bit8,5 GB21–38
Granite 4.2 3B3B · Intelligenza 9,18 bit3,2 GB56–100
gpt-oss-20b21B · 3,6B attivi · Intelligenza 94,25 bit nativo13,8 GB95–168
Nemotron 3 Nano 30B A3B30B · 3,5B attivi · Intelligenza 8,94 bit16,9 GB90–160
Gemma 4 E4B8B · Intelligenza 8,98 bit8,5 GB38–67
Ministral 3 8B8,9B · Intelligenza 5,58 bit9,5 GB19–34
Nemotron 3 Nano 4B3,97B · Intelligenza 4,88 bit4,2 GB43–76
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B attivi4 bit17,2 GB95–168
GLM-4.7 Flash30B · 3B attivi4 bit16,9 GB106–188
Qwen3.6 27B27B4 bit15,2 GB12–21
Gemma 4 26B A4B25,2B · 3,8B attivi6 bit20,5 GB58–103
Devstral Small 2 (24B)24B4 bit13,5 GB13–24
Magistral Small 1.2 (2509)24B4 bit13,5 GB13–24
Mistral Small 3.2 (24B)24B4 bit13,5 GB13–24
LFM2.5 24B A2B24B · 2B attivi6 bit19,5 GB113–200
Phi-4 Reasoning Vision 15B15B8 bit15,9 GB11–20
Phi-4 (14B)14B8 bit14,9 GB12–21
Gemma 4 12B Unified12B8 bit12,7 GB14–25
Qwen3 8B8,2B8 bit8,7 GB21–37
Llama 3.1 8B Instruct8B8 bit8,5 GB21–38
Gemma 4 E2B5,1B8 bit5,4 GB75–133
Qwen3.5 4B4B8 bit4,3 GB42–74
Phi-4 mini instruct3,8B8 bit4 GB45–80
Llama 3.2 3B Instruct3,21B8 bit3,4 GB53–94
SmolLM3 3B3B8 bit3,2 GB56–100
LFM2.5 2.6B2,69B8 bit2,9 GB62–110
Qwen3.5 2B2B8 bit2,1 GB86–152
Llama 3.2 1B Instruct1,23B8 bit1,3 GB138–246
Qwen3.5 0.8B0,8B8 bit0,9 GB200–356
Qwen3 0.6B0,6B8 bit0,6 GB300–533

Gira, ma lentamente 1

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

ModelloVersioneMemoriaToken/s
Llama 3.3 70B Instruct70B2 bit qualità inferiore21,9 GB8–15

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 GB64–114
Qwen3 Coder Next80B · 3B attivi · Intelligenza 9,22 bit qualità inferiore25 GB200–356

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 M2 Max con più o meno memoria:

Chip vicini:

Testa a testa:

Confrontalo con qualsiasi Mac o GPU · Il M2 Max per l’AI locale · Il miglior Mac per LLM in locale · Tutti i Mac

Domande

Qual è il miglior LLM per un M2 Max con 32 GB?
Tra i modelli con un Intelligence Index pubblicato, Qwen3.8 27B ha il punteggio più alto fra quelli che qui girano bene: 4 bit, circa 12–21 token al secondo. Il più grande che gira bene è Qwen3.6 35B A3B.
Un M2 Max con 32 GB può eseguire Llama 3.3 70B?
Sì, ma lentamente: 2 bit (qualità inferiore), a circa 8–15 token al secondo.
Quanto è veloce gpt-oss-20b su un M2 Max?
Circa 95–168 token al secondo (4,25 bit nativo), in base ai 400 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 M2 Max con 32 GB? Modelli e velocità