ログインウォレットを作成

8 GB の Mac に最適な LLM。

73 個のオープンモデルのうち 16 個が 8 GB で快適に動きます。GPU は標準でそのうち約 6 GB を使えます。速度はチップ次第で、M1 の 68 GB/s から M2 の 100 GB/s までです。

快適に動く中でいちばん賢いMiniCPM5 2B8ビット · 2.7 GB · 11–30 tok/s快適に動く中でいちばん大きいGranite 4.2 8B4ビット · 4.5 GB · 7–18 tok/s

8 GB の Mac

M1〜M3 の 3 個のチップに 8 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 21

コンテキスト用の余裕を残して収まり、M2 で毎秒 10 トークン以上。

モデルバージョンメモリM1M2
MiniCPM5 2B2.52B · 知能 12.58ビット2.7 GB11–2017–30
Granite 4.2 8B8B · 知能 11.14ビット4.5 GB7–1210–18
Granite 4.2 3B3B · 知能 9.18ビット3.2 GB10–1714–25
Gemma 4 E4B8B · 知能 8.94ビット4.5 GB12–2218–32
Nemotron 3 Nano 4B3.97B · 知能 4.88ビット4.2 GB10–1711–19
Llama 3.1 8B Instruct8B4ビット4.5 GB7–1210–18
Gemma 4 E2B5.1B6ビット4.1 GB16–2924–42
Qwen3.5 4B4B8ビット4.3 GB13–2410–19
Phi-4 mini instruct3.8B8ビット4 GB10–1811–20
Llama 3.2 3B Instruct3.21B8ビット3.4 GB12–2113–24
SmolLM3 3B3B8ビット3.2 GB10–1714–25
LFM2.5 2.6B2.69B8ビット2.9 GB11–1916–28
Qwen3.5 2B2B8ビット2.1 GB15–2621–38
Llama 3.2 1B Instruct1.23B8ビット1.3 GB24–4235–62
Qwen3.5 0.8B0.8B8ビット0.9 GB34–6050–89
Qwen3 0.6B0.6B8ビット0.6 GB51–9175–133
Qwen3.5 9B9B · 知能 11.23ビット 品質低め3.9 GB8–1412–21
Ministral 3 8B8.9B · 知能 5.53ビット 品質低め3.9 GB8–1412–21
Phi-4 (14B)14B2ビット 品質低め4.4 GB7–1210–18
Gemma 4 12B Unified12B2ビット 品質低め3.7 GB8–1512–22
Qwen3 8B8.2B3ビット 品質低め3.6 GB9–1513–22

ぎりぎり収まる 1

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M1M2
Phi-4 Reasoning Vision 15B15B2ビット 品質低め4.7 GB7–1210–17

大きすぎる 51

2 ビットでも 8 GB を超えるメモリが必要です。

よくある質問

8 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、8 GB で快適に動く中でスコアが最も高いのは MiniCPM5 2B です（8ビット）。快適に動くいちばん大きなモデルは Granite 4.2 8B です。
Mac でローカル AI を使うのに 8 GB で足りる？
ここにある 73 個のオープンモデルのうち 16 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 6 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。
8 GB の Mac で gpt-oss-20b は動く？
いいえ。GPU が標準で使える 6 GB を超えます。

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。

8 GB の Mac に最適なローカル LLM（M1〜M3）：動くモデルと速度