AccediCrea wallet

Cosa può eseguire un M3 Max con 96 GB?

38 modelli aperti su 73 ci girano bene. Di default la GPU può usare circa 72 GB dei suoi 96 GB, e il chip legge la memoria a 300 GB/s, che determina quanto velocemente scrive. Lo trovi in: MacBook Pro (14-inch, M3 Pro or M3 Max, Nov 2023), MacBook Pro (16-inch, Nov 2023).

Il più intelligente che gira beneNemotron 3.5 Bolt 74B A9B6 bit · 60,1 GB · 18–33 tok/sIl più grande che gira benegpt-oss-120b4,25 bit nativo · 65,3 GB · 50–89 tok/sPer il codiceQwen3 Coder Next6 bit · 65 GB · 56–100 tok/s

Gira bene 43

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

ModelloVersioneMemoriaToken/s
Nemotron 3.5 Bolt 74B A9B74B · 9B attivi · Intelligenza 21,46 bit60,1 GB18–33
Qwen3.6 35B A3B35B · 3B attivi · Intelligenza 18,28 bit37,2 GB42–75
Nemotron 3.5 Lightning 30B A3B30B · 3B attivi · Intelligenza 12,98 bit31,9 GB42–75
MiniCPM5 2B2,52B · Intelligenza 12,58 bit2,7 GB50–89
gpt-oss-120b117B · 5,1B attivi · Intelligenza 11,64,25 bit nativo65,3 GB50–89
Qwen3.5 9B9B · Intelligenza 11,28 bit9,6 GB14–25
Granite 4.2 8B8B · Intelligenza 11,18 bit8,5 GB16–28
Qwen3 Coder Next80B · 3B attivi · Intelligenza 9,26 bit65 GB56–100
Granite 4.2 3B3B · Intelligenza 9,18 bit3,2 GB42–75
gpt-oss-20b21B · 3,6B attivi · Intelligenza 94,25 bit nativo13,8 GB71–126
Nemotron 3 Nano 30B A3B30B · 3,5B attivi · Intelligenza 8,98 bit31,9 GB36–65
Gemma 4 E4B8B · Intelligenza 8,98 bit8,5 GB28–50
Llama 4 Scout 17B-16E Instruct109B · 17B attivi · Intelligenza 6,54 bit61,3 GB14–25
Ministral 3 8B8,9B · Intelligenza 5,58 bit9,5 GB14–25
Nemotron 3 Nano 4B3,97B · Intelligenza 4,88 bit4,2 GB32–57
GLM-4.5 Air106B · 12B attivi4 bit59,6 GB20–35
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B attivi8 bit32,4 GB39–69
GLM-4.7 Flash30B · 3B attivi8 bit31,9 GB42–75
Gemma 4 26B A4B25,2B · 3,8B attivi8 bit26,8 GB34–60
Devstral Small 2 (24B)24B4 bit13,5 GB10–18
Magistral Small 1.2 (2509)24B4 bit13,5 GB10–18
Mistral Small 3.2 (24B)24B4 bit13,5 GB10–18
LFM2.5 24B A2B24B · 2B attivi8 bit25,5 GB64–114
Phi-4 Reasoning Vision 15B15B6 bit12,2 GB11–20
Phi-4 (14B)14B6 bit11,4 GB12–21
Gemma 4 12B Unified12B8 bit12,7 GB11–19
Qwen3 8B8,2B8 bit8,7 GB16–28
Llama 3.1 8B Instruct8B8 bit8,5 GB16–28
Gemma 4 E2B5,1B8 bit5,4 GB56–100
Qwen3.5 4B4B8 bit4,3 GB31–56
Phi-4 mini instruct3,8B8 bit4 GB34–60
Llama 3.2 3B Instruct3,21B8 bit3,4 GB40–71
SmolLM3 3B3B8 bit3,2 GB42–75
LFM2.5 2.6B2,69B8 bit2,9 GB47–83
Qwen3.5 2B2B8 bit2,1 GB64–114
Llama 3.2 1B Instruct1,23B8 bit1,3 GB104–185
Qwen3.5 0.8B0,8B8 bit0,9 GB150–267
Qwen3 0.6B0,6B8 bit0,6 GB225–400
Qwen3.8 Flash Next180B · 6B attivi · Intelligenza 39,82 bit qualità inferiore56,3 GB71–126
Qwen3.5 122B A10B122B · 10B attivi · Intelligenza 15,63 bit qualità inferiore53,4 GB31–55
Mistral Small 4 (119B)119B · 6,5B attivi · Intelligenza 11,33 bit qualità inferiore52,1 GB48–86
Ornith 1.5 122B122B · 10B attivi3 bit qualità inferiore53,4 GB31–55
Nemotron 3 Super 120B A12B120B · 12B attivi3 bit qualità inferiore52,5 GB25–45

Gira, ma lentamente 8

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 33,78 bit28,7 GB5–8
Muse Glimmer 30B29,6B · Intelligenza 17,58 bit31,5 GB4–8
Gemma 4 31B30,7B · Intelligenza 14,78 bit32,6 GB4–7
Granite 4.2 30B30B · Intelligenza 12,78 bit31,9 GB4–8
Llama 3.3 70B Instruct70B6 bit56,9 GB2–4
Qwen3.6 27B27B8 bit28,7 GB5–8
Mistral Medium 3.5 (128B)128B · Intelligenza 14,23 bit qualità inferiore56 GB2–4
Devstral 2 (123B)123B3 bit qualità inferiore53,8 GB3–4

Ci sta al limite 1

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

ModelloVersioneMemoriaToken/s
MiniMax M2.7230B · 10B attivi2 bit qualità inferiore71,9 GB44–77

Troppo grande 21

Richiede più di 96 GB di memoria, anche a 2 bit.

Altri Mac

Tutti i Mac con 96 GB, con qualsiasi chip.

Il M3 Max con più o meno memoria:

Chip vicini:

Testa a testa:

Confrontalo con qualsiasi Mac o GPU · Il M3 Max per l’AI locale · Il miglior Mac per LLM in locale · Tutti i Mac

Domande

Qual è il miglior LLM per un M3 Max con 96 GB?
Tra i modelli con un Intelligence Index pubblicato, Nemotron 3.5 Bolt 74B A9B ha il punteggio più alto fra quelli che qui girano bene: 6 bit, circa 18–33 token al secondo. Il più grande che gira bene è gpt-oss-120b.
Un M3 Max con 96 GB può eseguire Llama 3.3 70B?
Sì, ma lentamente: 6 bit, a circa 2–4 token al secondo.
Quanto è veloce gpt-oss-20b su un M3 Max?
Circa 71–126 token al secondo (4,25 bit nativo), in base ai 300 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 M3 Max con 96 GB? Modelli e velocità