ログインウォレットを作成

36 GB の Mac に最適な LLM。

73 個のオープンモデルのうち 38 個が 36 GB で快適に動きます。GPU は標準でそのうち約 27 GB を使えます。速度はチップ次第で、M3 Pro の 150 GB/s から M5 Max の 460 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 · 3–24 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 · 40–216 tok/sコード向けQwen3 Coder 30B A3B Instruct6ビット · 24.8 GB · 25–136 tok/s

36 GB の Mac

M3〜M5 の 4 個のチップに 36 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 40

コンテキスト用の余裕を残して収まり、M5 Max で毎秒 10 トークン以上。

モデルバージョンメモリM3 ProM5 Max
Qwen3.8 27B27B · 知能 33.74ビット15.2 GB3–514–24
Qwen3.6 35B A3B35B · アクティブ 3B · 知能 18.24ビット19.7 GB40–71122–216
Muse Glimmer 30B29.6B · 知能 17.54ビット16.7 GB3–512–22
Gemma 4 31B30.7B · 知能 14.74ビット17.3 GB3–512–21
Nemotron 3.5 Lightning 30B A3B30B · アクティブ 3B · 知能 12.96ビット24.4 GB28–5086–153
Granite 4.2 30B30B · 知能 12.74ビット16.9 GB3–512–22
MiniCPM5 2B2.52B · 知能 12.58ビット2.7 GB25–4477–136
Qwen3.5 9B9B · 知能 11.28ビット9.6 GB13–2422–38
Granite 4.2 8B8B · 知能 11.18ビット8.5 GB10–1824–43
Granite 4.2 3B3B · 知能 9.18ビット3.2 GB21–3865–115
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 GB36–63109–194
Nemotron 3 Nano 30B A3B30B · アクティブ 3.5B · 知能 8.96ビット24.4 GB24–4374–131
Gemma 4 E4B8B · 知能 8.98ビット8.5 GB14–2543–77
Ministral 3 8B8.9B · 知能 5.58ビット9.5 GB14–2422–39
Nemotron 3 Nano 4B3.97B · 知能 4.88ビット4.2 GB16–2949–88
Qwen3 Coder 30B A3B Instruct30.5B · アクティブ 3.3B6ビット24.8 GB25–4477–136
GLM-4.7 Flash30B · アクティブ 3B6ビット24.4 GB28–5086–153
Qwen3.6 27B27B4ビット15.2 GB3–514–24
Gemma 4 26B A4B25.2B · アクティブ 3.8B6ビット20.5 GB22–3967–119
Devstral Small 2 (24B)24B6ビット19.5 GB3–611–19
Magistral Small 1.2 (2509)24B6ビット19.5 GB3–611–19
Mistral Small 3.2 (24B)24B6ビット19.5 GB3–611–19
LFM2.5 24B A2B24B · アクティブ 2B6ビット19.5 GB42–75129–230
Phi-4 Reasoning Vision 15B15B8ビット15.9 GB4–813–23
Phi-4 (14B)14B8ビット14.9 GB5–814–25
Gemma 4 12B Unified12B8ビット12.7 GB10–1816–29
Qwen3 8B8.2B8ビット8.7 GB10–1824–42
Llama 3.1 8B Instruct8B8ビット8.5 GB10–1824–43
Gemma 4 E2B5.1B8ビット5.4 GB28–5086–153
Qwen3.5 4B4B8ビット4.3 GB16–2848–86
Phi-4 mini instruct3.8B8ビット4 GB17–3052–92
Llama 3.2 3B Instruct3.21B8ビット3.4 GB20–3561–108
SmolLM3 3B3B8ビット3.2 GB21–3865–115
LFM2.5 2.6B2.69B8ビット2.9 GB23–4171–127
Qwen3.5 2B2B8ビット2.1 GB32–5799–175
Llama 3.2 1B Instruct1.23B8ビット1.3 GB52–92159–283
Qwen3.5 0.8B0.8B8ビット0.9 GB75–133230–409
Qwen3 0.6B0.6B8ビット0.6 GB113–200345–613
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 GB24–4374–131
Qwen3 Coder Next80B · アクティブ 3B · 知能 9.22ビット 品質低め25 GB75–133230–409

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M3 ProM5 Max
Llama 3.3 70B Instruct70B2ビット 品質低め21.9 GB3–59–17

大きすぎる 32

2 ビットでも 36 GB を超えるメモリが必要です。

よくある質問

36 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、36 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 36 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 27 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。
36 GB の Mac で gpt-oss-20b は動く？
はい。ネイティブ 4.25ビット で、M3 Pro なら毎秒約 36–63 トークン、M5 Max なら 109–194 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。

36 GB の Mac に最適なローカル LLM（M3〜M5）：動くモデルと速度