로그인지갑 만들기

24GB Mac에 가장 좋은 LLM.

오픈 모델 73개 중 28개가 24GB에서 쾌적하게 실행됩니다. GPU는 기본적으로 그중 약 18GB를 쓸 수 있습니다. 속도는 칩에 따라 M3의 100GB/s부터 M5 Pro의 307GB/s까지입니다.

쾌적하게 실행되는 가장 똑똑한 모델MiniCPM5 2B8비트 · 2.7 GB · 17–91 tok/s쾌적하게 실행되는 가장 큰 모델Gemma 4 26B A4B4비트 · 14.2 GB · 21–117 tok/s코딩용Devstral Small 2 (24B)4비트 · 13.5 GB · 3–18 tok/s

24GB Mac

M2~M6의 칩 7종에 24GB 구성이 있습니다. 칩을 열면 각각의 목록과 속도를 볼 수 있습니다.

쾌적하게 실행 36

컨텍스트 여유를 두고 들어가며, M5 Pro에서 초당 10토큰 이상입니다.

모델버전메모리M3M5 Pro
MiniCPM5 2B2.52B · 지능 12.58비트2.7 GB17–3051–91
Qwen3.5 9B9B · 지능 11.28비트9.6 GB5–814–26
Granite 4.2 8B8B · 지능 11.18비트8.5 GB10–1816–29
Granite 4.2 3B3B · 지능 9.18비트3.2 GB14–2543–77
gpt-oss-20b21B · 활성 3.6B · 지능 9네이티브 4.25비트13.8 GB24–4273–129
Gemma 4 E4B8B · 지능 8.98비트8.5 GB12–2229–51
Ministral 3 8B8.9B · 지능 5.58비트9.5 GB5–815–26
Nemotron 3 Nano 4B3.97B · 지능 4.88비트4.2 GB11–1933–58
Gemma 4 26B A4B25.2B · 활성 3.8B4비트14.2 GB21–3866–117
Devstral Small 2 (24B)24B4비트13.5 GB3–610–18
Magistral Small 1.2 (2509)24B4비트13.5 GB3–610–18
Mistral Small 3.2 (24B)24B4비트13.5 GB3–610–18
LFM2.5 24B A2B24B · 활성 2B4비트13.5 GB41–73126–223
Phi-4 Reasoning Vision 15B15B6비트12.2 GB3–511–20
Phi-4 (14B)14B6비트11.4 GB3–512–22
Gemma 4 12B Unified12B8비트12.7 GB4–611–19
Qwen3 8B8.2B8비트8.7 GB10–1716–28
Llama 3.1 8B Instruct8B8비트8.5 GB10–1816–29
Gemma 4 E2B5.1B8비트5.4 GB19–3358–102
Qwen3.5 4B4B8비트4.3 GB10–1932–57
Phi-4 mini instruct3.8B8비트4 GB11–2035–61
Llama 3.2 3B Instruct3.21B8비트3.4 GB13–2441–72
SmolLM3 3B3B8비트3.2 GB14–2543–77
LFM2.5 2.6B2.69B8비트2.9 GB16–2848–85
Qwen3.5 2B2B8비트2.1 GB21–3866–117
Llama 3.2 1B Instruct1.23B8비트1.3 GB35–62106–189
Qwen3.5 0.8B0.8B8비트0.9 GB50–89154–273
Qwen3 0.6B0.6B8비트0.6 GB75–133230–409
Qwen3.6 35B A3B35B · 활성 3B · 지능 18.23비트 품질 낮음15.3 GB35–62106–189
Muse Glimmer 30B29.6B · 지능 17.53비트 품질 낮음13 GB3–611–19
Gemma 4 31B30.7B · 지능 14.73비트 품질 낮음13.4 GB3–610–18
Nemotron 3.5 Lightning 30B A3B30B · 활성 3B · 지능 12.93비트 품질 낮음13.1 GB35–62106–189
Granite 4.2 30B30B · 지능 12.73비트 품질 낮음13.1 GB3–611–19
Nemotron 3 Nano 30B A3B30B · 활성 3.5B · 지능 8.93비트 품질 낮음13.1 GB30–5392–164
Qwen3 Coder 30B A3B Instruct30.5B · 활성 3.3B3비트 품질 낮음13.3 GB32–5799–175
GLM-4.7 Flash30B · 활성 3B3비트 품질 낮음13.1 GB35–62106–189

실행되지만 느림 2

들어가지만 초당 10토큰 미만입니다. 일괄 작업에는 괜찮지만 채팅에는 느립니다.

모델버전메모리M3M5 Pro
Qwen3.8 27B27B · 지능 33.74비트15.2 GB3–59–16
Qwen3.6 27B27B4비트15.2 GB3–59–16

너무 큼 35

2비트로도 24GB보다 많은 메모리가 필요합니다.

자주 묻는 질문

24GB Mac에 가장 좋은 LLM은 무엇인가요?
Intelligence Index가 공개된 모델 중, 24GB에서 쾌적하게 실행되는 모델 가운데 점수가 가장 높은 것은 MiniCPM5 2B입니다(8비트). 쾌적하게 실행되는 가장 큰 모델은 Gemma 4 26B A4B입니다. 코딩용으로는 Devstral Small 2 (24B).
Mac에서 로컬 AI를 쓰기에 24GB면 충분한가요?
여기 있는 오픈 모델 73개 중 28개가 4비트 이상에서 쾌적하게 실행됩니다. macOS는 기본적으로 GPU가 그중 약 18GB를 쓰도록 허용하며, 모델과 컨텍스트가 그 안에 들어가야 합니다.
24GB Mac에서 gpt-oss-20b를 실행할 수 있나요?
네. 네이티브 4.25비트에서 M3는 초당 약 24–42토큰, M5 Pro는 73–129토큰입니다.

다른 용량: 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(무료, 오픈 소스)나 터미널에서 Apple의 mlx-lm으로 실행하세요: 단계별 안내.

계산 방법

메모리: 모델 파라미터를 가중치당 8, 6, 4, 3, 2비트로 계산하고 MLX의 그룹 스케일(가중치당 0.5비트)을 더하거나 네이티브 형식 그대로 계산한 뒤, 컨텍스트를 위한 여유를 더했습니다. macOS는 기본적으로 GPU가 통합 메모리의 약 75%를 쓰도록 허용합니다. 속도: 메모리 대역폭을 토큰당 읽는 바이트 수로 나눈 값이 한 대화의 상한입니다. llama.cpp의 Apple Silicon 공개 벤치마크에서 실제 속도는 그 상한의 약 45~80%였고, 여기 표시한 범위가 바로 그 값입니다. 측정값이 아닌 추정값이니, 내 Mac은 MLX Bench에서 직접 측정해 보세요. 모델 수치는 각 공식 모델 카드, 칩 수치는 Apple 기술 사양에서 가져왔습니다. 2026-10-19 확인. mlx.app/compare와 같은 데이터입니다.

24GB Mac에 가장 좋은 로컬 LLM(M2~M6): 실행되는 모델과 속도