ログインウォレットを作成

32 GB の Mac に最適な LLM。

73 個のオープンモデルのうち 38 個が 32 GB で快適に動きます。GPU は標準でそのうち約 24 GB を使えます。速度はチップ次第で、M4 の 120 GB/s から M1 Max の 400 GB/s までです。

快適に動く中でいちばん賢いQwen3.8 27B4ビット · 15.2 GB · 2–21 tok/s快適に動く中でいちばん大きいQwen3.6 35B A3B4ビット · 19.7 GB · 32–188 tok/sコード向けQwen3 Coder 30B A3B Instruct4ビット · 17.2 GB · 28–168 tok/s

32 GB の Mac

M1〜M6 の 7 個のチップに 32 GB モデルがあります。チップを開くと、それぞれの一覧と速度がわかります。

快適に動く 38

コンテキスト用の余裕を残して収まり、M1 Max で毎秒 10 トークン以上。

モデルバージョンメモリM4M1 Max
Qwen3.8 27B27B · 知能 33.74ビット15.2 GB2–412–21
Qwen3.6 35B A3B35B · アクティブ 3B · 知能 18.24ビット19.7 GB32–56106–188
Muse Glimmer 30B29.6B · 知能 17.54ビット16.7 GB3–611–19
Gemma 4 31B30.7B · 知能 14.74ビット17.3 GB3–610–18
Nemotron 3.5 Lightning 30B A3B30B · アクティブ 3B · 知能 12.94ビット16.9 GB32–56106–188
Granite 4.2 30B30B · 知能 12.74ビット16.9 GB3–611–19
MiniCPM5 2B2.52B · 知能 12.58ビット2.7 GB20–3667–119
Qwen3.5 9B9B · 知能 11.28ビット9.6 GB11–1919–33
Granite 4.2 8B8B · 知能 11.18ビット8.5 GB12–2121–38
Granite 4.2 3B3B · 知能 9.18ビット3.2 GB17–3056–100
gpt-oss-20b21B · アクティブ 3.6B · 知能 9ネイティブ 4.25ビット13.8 GB28–5195–168
Nemotron 3 Nano 30B A3B30B · アクティブ 3.5B · 知能 8.94ビット16.9 GB27–4890–160
Gemma 4 E4B8B · 知能 8.98ビット8.5 GB11–2038–67
Ministral 3 8B8.9B · 知能 5.58ビット9.5 GB11–1919–34
Nemotron 3 Nano 4B3.97B · 知能 4.88ビット4.2 GB13–2343–76
Qwen3 Coder 30B A3B Instruct30.5B · アクティブ 3.3B4ビット17.2 GB28–5195–168
GLM-4.7 Flash30B · アクティブ 3B4ビット16.9 GB32–56106–188
Qwen3.6 27B27B4ビット15.2 GB2–412–21
Gemma 4 26B A4B25.2B · アクティブ 3.8B6ビット20.5 GB17–3158–103
Devstral Small 2 (24B)24B4ビット13.5 GB3–513–24
Magistral Small 1.2 (2509)24B4ビット13.5 GB3–513–24
Mistral Small 3.2 (24B)24B4ビット13.5 GB3–513–24
LFM2.5 24B A2B24B · アクティブ 2B6ビット19.5 GB34–60113–200
Phi-4 Reasoning Vision 15B15B8ビット15.9 GB3–611–20
Phi-4 (14B)14B8ビット14.9 GB4–612–21
Gemma 4 12B Unified12B8ビット12.7 GB4–814–25
Qwen3 8B8.2B8ビット8.7 GB12–2121–37
Llama 3.1 8B Instruct8B8ビット8.5 GB12–2121–38
Gemma 4 E2B5.1B8ビット5.4 GB23–4075–133
Qwen3.5 4B4B8ビット4.3 GB13–2242–74
Phi-4 mini instruct3.8B8ビット4 GB14–2445–80
Llama 3.2 3B Instruct3.21B8ビット3.4 GB16–2853–94
SmolLM3 3B3B8ビット3.2 GB17–3056–100
LFM2.5 2.6B2.69B8ビット2.9 GB19–3362–110
Qwen3.5 2B2B8ビット2.1 GB26–4686–152
Llama 3.2 1B Instruct1.23B8ビット1.3 GB42–74138–246
Qwen3.5 0.8B0.8B8ビット0.9 GB60–107200–356
Qwen3 0.6B0.6B8ビット0.6 GB90–160300–533

動くが遅い 1

収まるものの毎秒 10 トークン未満。バッチ処理には十分ですが、チャットには遅めです。

モデルバージョンメモリM4M1 Max
Llama 3.3 70B Instruct70B2ビット 品質低め21.9 GB2–48–15

ぎりぎり収まる 2

メモリをほぼ使い切ります。GPU のメモリ上限を引き上げ、コンテキストを短めにしてください。

モデルバージョンメモリM4M1 Max
Nemotron 3.5 Bolt 74B A9B74B · アクティブ 9B · 知能 21.42ビット 品質低め23.1 GB19–3464–114
Qwen3 Coder Next80B · アクティブ 3B · 知能 9.22ビット 品質低め25 GB60–107200–356

大きすぎる 32

2 ビットでも 32 GB を超えるメモリが必要です。

よくある質問

32 GB の Mac に最適な LLM は？
Intelligence Index が公開されているモデルのうち、32 GB で快適に動く中でスコアが最も高いのは Qwen3.8 27B です（4ビット）。快適に動くいちばん大きなモデルは Qwen3.6 35B A3B です。コード向けなら Qwen3 Coder 30B A3B Instruct。
Mac でローカル AI を使うのに 32 GB で足りる？
ここにある 73 個のオープンモデルのうち 38 個が、4 ビット以上で快適に動きます。macOS は標準でそのうち約 24 GB を GPU に使わせるので、モデルとコンテキストはその範囲に収める必要があります。
32 GB の Mac で gpt-oss-20b は動く？
はい。ネイティブ 4.25ビット で、M4 なら毎秒約 28–51 トークン、M1 Max なら 95–168 トークンです。

ほかの容量： 8 GB · 16 GB · 18 GB · 24 GB · 32 GB · 36 GB · 48 GB · 64 GB · 96 GB · 128 GB · 192 GB · 256 GB · 512 GB

MLX Harness（無料、オープンソース）か、ターミナルで Apple の mlx-lm を使って動かせます：手順を見る。

計算方法

メモリ：モデルのパラメータを重みあたり 8、6、4、3、2 ビットで計算し、MLX のグループスケール（重みあたり 0.5 ビット）を加えたもの、またはネイティブ形式のサイズに、コンテキスト用の余裕を足しています。macOS は標準で、ユニファイドメモリの約 75% を GPU に使わせます。速度：メモリ帯域幅をトークンあたりの読み込みバイト数で割った値が、1 つの会話の上限です。llama.cpp の Apple Silicon 公開ベンチマークでは、実際の速度はその約 45%〜80% に達しており、その範囲を表示しています。これは実測ではなく推定です。ご自分の Mac は MLX Bench で測れます。モデルの数値は各公式モデルカード、チップの数値は Apple の技術仕様から。2026-10-19 確認。mlx.app/compare と同じデータです。

32 GB の Mac に最適なローカル LLM（M1〜M6）：動くモデルと速度