AccediCrea wallet

Cosa può eseguire un M3 Pro con 18 GB?

20 modelli aperti su 73 ci girano bene. Di default la GPU può usare circa 14 GB dei suoi 18 GB, e il chip legge la memoria a 150 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 beneMiniCPM5 2B8 bit · 2,7 GB · 25–44 tok/sIl più grande che gira beneGemma 4 12B Unified4 bit · 6,7 GB · 10–18 tok/s

Gira bene 27

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

ModelloVersioneMemoriaToken/s
MiniCPM5 2B2,52B · Intelligenza 12,58 bit2,7 GB25–44
Qwen3.5 9B9B · Intelligenza 11,24 bit5,1 GB13–24
Granite 4.2 8B8B · Intelligenza 11,16 bit6,5 GB10–18
Granite 4.2 3B3B · Intelligenza 9,18 bit3,2 GB21–38
Gemma 4 E4B8B · Intelligenza 8,98 bit8,5 GB14–25
Ministral 3 8B8,9B · Intelligenza 5,54 bit5 GB14–24
Nemotron 3 Nano 4B3,97B · Intelligenza 4,88 bit4,2 GB16–29
Gemma 4 12B Unified12B4 bit6,7 GB10–18
Qwen3 8B8,2B6 bit6,7 GB10–18
Llama 3.1 8B Instruct8B6 bit6,5 GB10–18
Gemma 4 E2B5,1B8 bit5,4 GB28–50
Qwen3.5 4B4B8 bit4,3 GB16–28
Phi-4 mini instruct3,8B8 bit4 GB17–30
Llama 3.2 3B Instruct3,21B8 bit3,4 GB20–35
SmolLM3 3B3B8 bit3,2 GB21–38
LFM2.5 2.6B2,69B8 bit2,9 GB23–41
Qwen3.5 2B2B8 bit2,1 GB32–57
Llama 3.2 1B Instruct1,23B8 bit1,3 GB52–92
Qwen3.5 0.8B0,8B8 bit0,9 GB75–133
Qwen3 0.6B0,6B8 bit0,6 GB113–200
Qwen3.6 35B A3B35B · 3B attivi · Intelligenza 18,22 bit qualità inferiore10,9 GB75–133
Nemotron 3.5 Lightning 30B A3B30B · 3B attivi · Intelligenza 12,92 bit qualità inferiore9,4 GB75–133
Nemotron 3 Nano 30B A3B30B · 3,5B attivi · Intelligenza 8,92 bit qualità inferiore9,4 GB61–109
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B attivi2 bit qualità inferiore9,5 GB68–120
GLM-4.7 Flash30B · 3B attivi2 bit qualità inferiore9,4 GB75–133
Gemma 4 26B A4B25,2B · 3,8B attivi3 bit qualità inferiore11 GB40–71
LFM2.5 24B A2B24B · 2B attivi3 bit qualità inferiore10,5 GB75–133

Gira, ma lentamente 10

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

ModelloVersioneMemoriaToken/s
Phi-4 Reasoning Vision 15B15B4 bit8,4 GB8–14
Phi-4 (14B)14B6 bit11,4 GB6–11
Qwen3.8 27B27B · Intelligenza 33,73 bit qualità inferiore11,8 GB6–10
Muse Glimmer 30B29,6B · Intelligenza 17,52 bit qualità inferiore9,3 GB7–13
Gemma 4 31B30,7B · Intelligenza 14,72 bit qualità inferiore9,6 GB7–13
Granite 4.2 30B30B · Intelligenza 12,72 bit qualità inferiore9,4 GB7–13
Qwen3.6 27B27B3 bit qualità inferiore11,8 GB6–10
Devstral Small 2 (24B)24B3 bit qualità inferiore10,5 GB6–11
Magistral Small 1.2 (2509)24B3 bit qualità inferiore10,5 GB6–11
Mistral Small 3.2 (24B)24B3 bit qualità inferiore10,5 GB6–11

Ci sta al limite 1

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

ModelloVersioneMemoriaToken/s
gpt-oss-20b21B · 3,6B attivi · Intelligenza 94,25 bit nativo13,8 GB36–63

Troppo grande 35

Richiede più di 18 GB di memoria, anche a 2 bit.

Altri Mac

Tutti i Mac con 18 GB, con qualsiasi chip.

Il M3 Pro con più o meno memoria:

Chip vicini:

Testa a testa:

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

Domande

Qual è il miglior LLM per un M3 Pro con 18 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 25–44 token al secondo. Il più grande che gira bene è Gemma 4 12B Unified.
Un M3 Pro con 18 GB può eseguire Llama 3.3 70B?
No: anche a 2 bit richiede più dei 14 GB che la GPU può usare di default.
Quanto è veloce gpt-oss-20b su un M3 Pro?
Circa 36–63 token al secondo (4,25 bit nativo), in base ai 150 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 Pro con 18 GB? Modelli e velocità