AccediCrea wallet

Cosa può eseguire un M2 Pro con 16 GB?

22 modelli aperti su 73 ci girano bene. Di default la GPU può usare circa 12 GB dei suoi 16 GB, e il chip legge la memoria a 200 GB/s, che determina quanto velocemente scrive. Lo trovi in: MacBook Pro (14-inch, 2023), MacBook Pro (16-inch, 2023), Mac mini (2023).

Il più intelligente che gira beneMiniCPM5 2B8 bit · 2,7 GB · 33–59 tok/sIl più grande che gira benePhi-4 Reasoning Vision 15B4 bit · 8,4 GB · 11–19 tok/s

Gira bene 33

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

ModelloVersioneMemoriaToken/s
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
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
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
Qwen3.8 27B27B · Intelligenza 33,72 bit qualità inferiore8,4 GB11–19
Muse Glimmer 30B29,6B · Intelligenza 17,52 bit qualità inferiore9,3 GB10–17
Nemotron 3.5 Lightning 30B A3B30B · 3B attivi · Intelligenza 12,92 bit qualità inferiore9,4 GB100–178
Granite 4.2 30B30B · Intelligenza 12,72 bit qualità inferiore9,4 GB10–17
gpt-oss-20b21B · 3,6B attivi · Intelligenza 93 bit qualità inferiore9,2 GB56–100
Nemotron 3 Nano 30B A3B30B · 3,5B attivi · Intelligenza 8,92 bit qualità inferiore9,4 GB82–145
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B attivi2 bit qualità inferiore9,5 GB90–160
GLM-4.7 Flash30B · 3B attivi2 bit qualità inferiore9,4 GB100–178
Qwen3.6 27B27B2 bit qualità inferiore8,4 GB11–19
Gemma 4 26B A4B25,2B · 3,8B attivi2 bit qualità inferiore7,9 GB75–133
LFM2.5 24B A2B24B · 2B attivi3 bit qualità inferiore10,5 GB100–178

Gira, ma lentamente 4

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

ModelloVersioneMemoriaToken/s
Gemma 4 31B30,7B · Intelligenza 14,72 bit qualità inferiore9,6 GB9–17
Devstral Small 2 (24B)24B3 bit qualità inferiore10,5 GB9–15
Magistral Small 1.2 (2509)24B3 bit qualità inferiore10,5 GB9–15
Mistral Small 3.2 (24B)24B3 bit qualità inferiore10,5 GB9–15

Ci sta al limite 1

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

ModelloVersioneMemoriaToken/s
Qwen3.6 35B A3B35B · 3B attivi · Intelligenza 18,22 bit qualità inferiore10,9 GB100–178

Troppo grande 35

Richiede più di 16 GB di memoria, anche a 2 bit.

Altri Mac

Tutti i Mac con 16 GB, con qualsiasi chip.

Il M2 Pro con più o meno memoria:

Chip vicini:

Testa a testa:

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

Domande

Qual è il miglior LLM per un M2 Pro con 16 GB?
Tra i modelli con un Intelligence Index pubblicato, MiniCPM5 2B ha il punteggio più alto fra quelli che qui girano bene: 8 bit, circa 33–59 token al secondo. Il più grande che gira bene è Phi-4 Reasoning Vision 15B.
Un M2 Pro con 16 GB può eseguire Llama 3.3 70B?
No: anche a 2 bit richiede più dei 12 GB che la GPU può usare di default.
Quanto è veloce gpt-oss-20b su un M2 Pro?
Circa 56–100 token al secondo (3 bit), 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 M2 Pro con 16 GB? Modelli e velocità