AccediCrea wallet

Cosa può eseguire un M5 Ultra con 96 GB?

44 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 1200 GB/s, che determina quanto velocemente scrive. Lo trovi in: Mac Studio (M5 Max or M5 Ultra).

Il più intelligente che gira beneQwen3.8 27B8 bit · 28,7 GB · 19–33 tok/sIl più grande che gira benegpt-oss-120b4,25 bit nativo · 65,3 GB · 200–356 tok/sPer il codiceQwen3 Coder Next6 bit · 65 GB · 225–400 tok/s

Gira bene 51

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

ModelloVersioneMemoriaToken/s
Qwen3.8 27B27B · Intelligenza 33,78 bit28,7 GB19–33
Nemotron 3.5 Bolt 74B A9B74B · 9B attivi · Intelligenza 21,46 bit60,1 GB74–132
Qwen3.6 35B A3B35B · 3B attivi · Intelligenza 18,28 bit37,2 GB169–300
Muse Glimmer 30B29,6B · Intelligenza 17,58 bit31,5 GB17–30
Gemma 4 31B30,7B · Intelligenza 14,78 bit32,6 GB17–29
Nemotron 3.5 Lightning 30B A3B30B · 3B attivi · Intelligenza 12,98 bit31,9 GB169–300
Granite 4.2 30B30B · Intelligenza 12,78 bit31,9 GB17–30
MiniCPM5 2B2,52B · Intelligenza 12,58 bit2,7 GB200–356
gpt-oss-120b117B · 5,1B attivi · Intelligenza 11,64,25 bit nativo65,3 GB200–356
Qwen3.5 9B9B · Intelligenza 11,28 bit9,6 GB56–100
Granite 4.2 8B8B · Intelligenza 11,18 bit8,5 GB64–113
Qwen3 Coder Next80B · 3B attivi · Intelligenza 9,26 bit65 GB225–400
Granite 4.2 3B3B · Intelligenza 9,18 bit3,2 GB169–300
gpt-oss-20b21B · 3,6B attivi · Intelligenza 94,25 bit nativo13,8 GB284–505
Nemotron 3 Nano 30B A3B30B · 3,5B attivi · Intelligenza 8,98 bit31,9 GB146–259
Gemma 4 E4B8B · Intelligenza 8,98 bit8,5 GB113–200
Llama 4 Scout 17B-16E Instruct109B · 17B attivi · Intelligenza 6,54 bit61,3 GB56–100
Ministral 3 8B8,9B · Intelligenza 5,58 bit9,5 GB57–101
Nemotron 3 Nano 4B3,97B · Intelligenza 4,88 bit4,2 GB129–229
GLM-4.5 Air106B · 12B attivi4 bit59,6 GB79–141
Llama 3.3 70B Instruct70B4 bit39,4 GB14–24
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B attivi8 bit32,4 GB154–274
GLM-4.7 Flash30B · 3B attivi8 bit31,9 GB169–300
Qwen3.6 27B27B8 bit28,7 GB19–33
Gemma 4 26B A4B25,2B · 3,8B attivi8 bit26,8 GB135–240
Devstral Small 2 (24B)24B8 bit25,5 GB21–38
Magistral Small 1.2 (2509)24B8 bit25,5 GB21–38
Mistral Small 3.2 (24B)24B8 bit25,5 GB21–38
LFM2.5 24B A2B24B · 2B attivi8 bit25,5 GB257–457
Phi-4 Reasoning Vision 15B15B8 bit15,9 GB34–60
Phi-4 (14B)14B8 bit14,9 GB36–64
Gemma 4 12B Unified12B8 bit12,7 GB43–76
Qwen3 8B8,2B8 bit8,7 GB62–110
Llama 3.1 8B Instruct8B8 bit8,5 GB64–113
Gemma 4 E2B5,1B8 bit5,4 GB225–400
Qwen3.5 4B4B8 bit4,3 GB126–223
Phi-4 mini instruct3,8B8 bit4 GB135–240
Llama 3.2 3B Instruct3,21B8 bit3,4 GB159–282
SmolLM3 3B3B8 bit3,2 GB169–300
LFM2.5 2.6B2,69B8 bit2,9 GB186–331
Qwen3.5 2B2B8 bit2,1 GB257–457
Llama 3.2 1B Instruct1,23B8 bit1,3 GB415–738
Qwen3.5 0.8B0,8B8 bit0,9 GB600–1067
Qwen3 0.6B0,6B8 bit0,6 GB900–1600
Qwen3.8 Flash Next180B · 6B attivi · Intelligenza 39,82 bit qualità inferiore56,3 GB284–505
Qwen3.5 122B A10B122B · 10B attivi · Intelligenza 15,63 bit qualità inferiore53,4 GB123–218
Mistral Medium 3.5 (128B)128B · Intelligenza 14,23 bit qualità inferiore56 GB10–17
Mistral Small 4 (119B)119B · 6,5B attivi · Intelligenza 11,33 bit qualità inferiore52,1 GB193–343
Devstral 2 (123B)123B3 bit qualità inferiore53,8 GB10–18
Ornith 1.5 122B122B · 10B attivi3 bit qualità inferiore53,4 GB123–218
Nemotron 3 Super 120B A12B120B · 12B attivi3 bit qualità inferiore52,5 GB102–181

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 GB174–310

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 M5 Ultra con più o meno memoria:

Chip vicini:

Testa a testa:

Contro PC e schede grafiche:

Confrontalo con qualsiasi Mac o GPU · Il M5 Ultra per l’AI locale · Il miglior Mac per LLM in locale · Tutti i Mac

Domande

Qual è il miglior LLM per un M5 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 19–33 token al secondo. Il più grande che gira bene è gpt-oss-120b.
Un M5 Ultra con 96 GB può eseguire Llama 3.3 70B?
Sì: 4 bit, a circa 14–24 token al secondo.
Quanto è veloce gpt-oss-20b su un M5 Ultra?
Circa 284–505 token al secondo (4,25 bit nativo), in base ai 1200 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 M5 Ultra con 96 GB? Modelli e velocità