Qual è il miglior LLM per un M3 Ultra con 96 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 13–23 token al secondo. Il più grande che gira bene è gpt-oss-120b.

Un M3 Ultra con 96 GB può eseguire Llama 3.3 70B?

Sì, ma lentamente: 6 bit, a circa 6–12 token al secondo.

Quanto è veloce gpt-oss-20b su un M3 Ultra?

Circa 194–345 token al secondo (4,25 bit nativo), in base ai 819 GB/s di larghezza di banda della memoria del chip.

Quali LLM può eseguire un M3 Ultra con 96 GB? Modelli e velocità

Gira bene 48

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

Modello	Versione	Memoria	Token/s
Qwen3.8 27B27B · Intelligenza 33,7	8 bit	28,7 GB	13–23
Nemotron 3.5 Bolt 74B A9B74B · 9B attivi · Intelligenza 21,4	6 bit	60,1 GB	50–90
Qwen3.6 35B A3B35B · 3B attivi · Intelligenza 18,2	8 bit	37,2 GB	115–205
Muse Glimmer 30B29,6B · Intelligenza 17,5	8 bit	31,5 GB	12–21
Gemma 4 31B30,7B · Intelligenza 14,7	8 bit	32,6 GB	11–20
Nemotron 3.5 Lightning 30B A3B30B · 3B attivi · Intelligenza 12,9	8 bit	31,9 GB	115–205
Granite 4.2 30B30B · Intelligenza 12,7	8 bit	31,9 GB	12–21
MiniCPM5 2B2,52B · Intelligenza 12,5	8 bit	2,7 GB	137–243
gpt-oss-120b117B · 5,1B attivi · Intelligenza 11,6	4,25 bit nativo	65,3 GB	137–243
Qwen3.5 9B9B · Intelligenza 11,2	8 bit	9,6 GB	38–68
Granite 4.2 8B8B · Intelligenza 11,1	8 bit	8,5 GB	43–77
Qwen3 Coder Next80B · 3B attivi · Intelligenza 9,2	6 bit	65 GB	154–273
Granite 4.2 3B3B · Intelligenza 9,1	8 bit	3,2 GB	115–205
gpt-oss-20b21B · 3,6B attivi · Intelligenza 9	4,25 bit nativo	13,8 GB	194–345
Nemotron 3 Nano 30B A3B30B · 3,5B attivi · Intelligenza 8,9	8 bit	31,9 GB	100–177
Gemma 4 E4B8B · Intelligenza 8,9	8 bit	8,5 GB	77–137
Llama 4 Scout 17B-16E Instruct109B · 17B attivi · Intelligenza 6,5	4 bit	61,3 GB	38–68
Ministral 3 8B8,9B · Intelligenza 5,5	8 bit	9,5 GB	39–69
Nemotron 3 Nano 4B3,97B · Intelligenza 4,8	8 bit	4,2 GB	88–156
GLM-4.5 Air106B · 12B attivi	4 bit	59,6 GB	54–96
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B attivi	8 bit	32,4 GB	105–187
GLM-4.7 Flash30B · 3B attivi	8 bit	31,9 GB	115–205
Qwen3.6 27B27B	8 bit	28,7 GB	13–23
Gemma 4 26B A4B25,2B · 3,8B attivi	8 bit	26,8 GB	92–164
Devstral Small 2 (24B)24B	8 bit	25,5 GB	14–26
Magistral Small 1.2 (2509)24B	8 bit	25,5 GB	14–26
Mistral Small 3.2 (24B)24B	8 bit	25,5 GB	14–26
LFM2.5 24B A2B24B · 2B attivi	8 bit	25,5 GB	176–312
Phi-4 Reasoning Vision 15B15B	8 bit	15,9 GB	23–41
Phi-4 (14B)14B	8 bit	14,9 GB	25–44
Gemma 4 12B Unified12B	8 bit	12,7 GB	29–52
Qwen3 8B8,2B	8 bit	8,7 GB	42–75
Llama 3.1 8B Instruct8B	8 bit	8,5 GB	43–77
Gemma 4 E2B5,1B	8 bit	5,4 GB	154–273
Qwen3.5 4B4B	8 bit	4,3 GB	86–152
Phi-4 mini instruct3,8B	8 bit	4 GB	92–164
Llama 3.2 3B Instruct3,21B	8 bit	3,4 GB	108–193
SmolLM3 3B3B	8 bit	3,2 GB	115–205
LFM2.5 2.6B2,69B	8 bit	2,9 GB	127–226
Qwen3.5 2B2B	8 bit	2,1 GB	176–312
Llama 3.2 1B Instruct1,23B	8 bit	1,3 GB	284–504
Qwen3.5 0.8B0,8B	8 bit	0,9 GB	410–728
Qwen3 0.6B0,6B	8 bit	0,6 GB	614–1092
Qwen3.8 Flash Next180B · 6B attivi · Intelligenza 39,8	2 bit qualità inferiore	56,3 GB	194–345
Qwen3.5 122B A10B122B · 10B attivi · Intelligenza 15,6	3 bit qualità inferiore	53,4 GB	84–149
Mistral Small 4 (119B)119B · 6,5B attivi · Intelligenza 11,3	3 bit qualità inferiore	52,1 GB	132–234
Ornith 1.5 122B122B · 10B attivi	3 bit qualità inferiore	53,4 GB	84–149
Nemotron 3 Super 120B A12B120B · 12B attivi	3 bit qualità inferiore	52,5 GB	70–124

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.

Modello	Versione	Memoria	Token/s
Llama 3.3 70B Instruct70B	6 bit	56,9 GB	6–12
Mistral Medium 3.5 (128B)128B · Intelligenza 14,2	3 bit qualità inferiore	56 GB	7–12
Devstral 2 (123B)123B	3 bit qualità inferiore	53,8 GB	7–12

Ci sta al limite 1

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

Modello	Versione	Memoria	Token/s
MiniMax M2.7230B · 10B attivi	2 bit qualità inferiore	71,9 GB	119–211

Altri Mac

Tutti i Mac con 96 GB, con qualsiasi chip.

Il M3 Ultra con più o meno memoria:

Chip vicini:

Mac Studio M3 Ultra

Testa a testa:

Contro PC e schede grafiche:

M3 Ultra vs DGX Spark

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

Domande

Qual è il miglior LLM per un M3 Ultra con 96 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 13–23 token al secondo. Il più grande che gira bene è gpt-oss-120b.
Un M3 Ultra con 96 GB può eseguire Llama 3.3 70B?: Sì, ma lentamente: 6 bit, a circa 6–12 token al secondo.
Quanto è veloce gpt-oss-20b su un M3 Ultra?: Circa 194–345 token al secondo (4,25 bit nativo), in base ai 819 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.

Cosa può eseguire un M3 Ultra con 96 GB?