लॉग इनवॉलेट तयार करा

36 GB Mac साठी सर्वोत्तम LLM.

36 GB मध्ये 73 पैकी 38 ओपन मॉडेल चांगली चालतात. डिफॉल्टनुसार GPU त्यापैकी सुमारे 27 GB वापरू शकतो. वेग चिपवर अवलंबून असतो: M3 Pro वर 150 GB/s पासून M5 Max वर 460 GB/s पर्यंत.

चांगले चालणारे सर्वात हुशारQwen3.8 27B4-बिट · 15.2 GB · 3–24 tok/sचांगले चालणारे सर्वात मोठेQwen3.6 35B A3B4-बिट · 19.7 GB · 40–216 tok/sकोडसाठीQwen3 Coder 30B A3B Instruct6-बिट · 24.8 GB · 25–136 tok/s

36 GB असलेले Mac

M3 ते M5 मधील 4 चिप 36 GB सह येतात. तिची स्वतःची यादी आणि वेग पाहण्यासाठी कोणतीही चिप उघडा.

चांगली चालतात 40

कॉन्टेक्स्टसाठी जागा ठेवून बसतात, M5 Max वर सेकंदाला 10 किंवा जास्त टोकन.

मॉडेलआवृत्तीमेमरीM3 ProM5 Max
Qwen3.8 27B27B · इंटेलिजन्स 33.74-बिट15.2 GB3–514–24
Qwen3.6 35B A3B35B · 3B सक्रिय · इंटेलिजन्स 18.24-बिट19.7 GB40–71122–216
Muse Glimmer 30B29.6B · इंटेलिजन्स 17.54-बिट16.7 GB3–512–22
Gemma 4 31B30.7B · इंटेलिजन्स 14.74-बिट17.3 GB3–512–21
Nemotron 3.5 Lightning 30B A3B30B · 3B सक्रिय · इंटेलिजन्स 12.96-बिट24.4 GB28–5086–153
Granite 4.2 30B30B · इंटेलिजन्स 12.74-बिट16.9 GB3–512–22
MiniCPM5 2B2.52B · इंटेलिजन्स 12.58-बिट2.7 GB25–4477–136
Qwen3.5 9B9B · इंटेलिजन्स 11.28-बिट9.6 GB13–2422–38
Granite 4.2 8B8B · इंटेलिजन्स 11.18-बिट8.5 GB10–1824–43
Granite 4.2 3B3B · इंटेलिजन्स 9.18-बिट3.2 GB21–3865–115
gpt-oss-20b21B · 3.6B सक्रिय · इंटेलिजन्स 9नेटिव्ह 4.25-बिट13.8 GB36–63109–194
Nemotron 3 Nano 30B A3B30B · 3.5B सक्रिय · इंटेलिजन्स 8.96-बिट24.4 GB24–4374–131
Gemma 4 E4B8B · इंटेलिजन्स 8.98-बिट8.5 GB14–2543–77
Ministral 3 8B8.9B · इंटेलिजन्स 5.58-बिट9.5 GB14–2422–39
Nemotron 3 Nano 4B3.97B · इंटेलिजन्स 4.88-बिट4.2 GB16–2949–88
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B सक्रिय6-बिट24.8 GB25–4477–136
GLM-4.7 Flash30B · 3B सक्रिय6-बिट24.4 GB28–5086–153
Qwen3.6 27B27B4-बिट15.2 GB3–514–24
Gemma 4 26B A4B25.2B · 3.8B सक्रिय6-बिट20.5 GB22–3967–119
Devstral Small 2 (24B)24B6-बिट19.5 GB3–611–19
Magistral Small 1.2 (2509)24B6-बिट19.5 GB3–611–19
Mistral Small 3.2 (24B)24B6-बिट19.5 GB3–611–19
LFM2.5 24B A2B24B · 2B सक्रिय6-बिट19.5 GB42–75129–230
Phi-4 Reasoning Vision 15B15B8-बिट15.9 GB4–813–23
Phi-4 (14B)14B8-बिट14.9 GB5–814–25
Gemma 4 12B Unified12B8-बिट12.7 GB10–1816–29
Qwen3 8B8.2B8-बिट8.7 GB10–1824–42
Llama 3.1 8B Instruct8B8-बिट8.5 GB10–1824–43
Gemma 4 E2B5.1B8-बिट5.4 GB28–5086–153
Qwen3.5 4B4B8-बिट4.3 GB16–2848–86
Phi-4 mini instruct3.8B8-बिट4 GB17–3052–92
Llama 3.2 3B Instruct3.21B8-बिट3.4 GB20–3561–108
SmolLM3 3B3B8-बिट3.2 GB21–3865–115
LFM2.5 2.6B2.69B8-बिट2.9 GB23–4171–127
Qwen3.5 2B2B8-बिट2.1 GB32–5799–175
Llama 3.2 1B Instruct1.23B8-बिट1.3 GB52–92159–283
Qwen3.5 0.8B0.8B8-बिट0.9 GB75–133230–409
Qwen3 0.6B0.6B8-बिट0.6 GB113–200345–613
Nemotron 3.5 Bolt 74B A9B74B · 9B सक्रिय · इंटेलिजन्स 21.42-बिट कमी गुणवत्ता23.1 GB24–4374–131
Qwen3 Coder Next80B · 3B सक्रिय · इंटेलिजन्स 9.22-बिट कमी गुणवत्ता25 GB75–133230–409

चालतात, पण हळू 1

बसतात, पण सेकंदाला 10 टोकनपेक्षा कमी: बॅच कामासाठी ठीक, चॅटसाठी हळू.

मॉडेलआवृत्तीमेमरीM3 ProM5 Max
Llama 3.3 70B Instruct70B2-बिट कमी गुणवत्ता21.9 GB3–59–17

खूप मोठी 32

36 GB पेक्षा जास्त मेमरी लागते, अगदी 2 बिटलाही.

प्रश्न

36 GB असलेल्या Mac साठी सर्वोत्तम LLM कोणते?
ज्या मॉडेलचा Intelligence Index प्रकाशित आहे, त्यांपैकी 36 GB मध्ये चांगल्या चालणाऱ्यांमध्ये Qwen3.8 27B चा स्कोअर सर्वात जास्त आहे (4-बिट). चांगले चालणारे सर्वात मोठे मॉडेल Qwen3.6 35B A3B आहे. कोडसाठी: Qwen3 Coder 30B A3B Instruct.
Mac वर लोकल AI साठी 36 GB पुरेशी आहे का?
इथल्या 73 ओपन मॉडेलपैकी 38 त्यात 4 बिट किंवा त्याहून चांगल्या प्रिसिजनला चांगली चालतात. डिफॉल्टनुसार macOS GPU ला त्यापैकी सुमारे 27 GB वापरू देते; मॉडेल आणि त्याचा कॉन्टेक्स्ट त्यातच बसायला हवा.
36 GB Mac gpt-oss-20b चालवू शकतो का?
हो, नेटिव्ह 4.25-बिट, M3 Pro वर सेकंदाला सुमारे 36–63 टोकन आणि M5 Max वर 109–194.

इतर आकार: 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

ही मॉडेल MLX Harness (मोफत, ओपन सोर्स) ने किंवा Terminal मध्ये Apple च्या mlx-lm ने चालवा: टप्प्याटप्प्याने.

हिशोब कसा केला

मेमरी: मॉडेलचे पॅरामीटर प्रति वेट 8, 6, 4, 3 किंवा 2 बिटला, शिवाय MLX चे ग्रुप स्केल (प्रति वेट अर्धा बिट), किंवा त्याचा नेटिव्ह फॉरमॅट, आणि वर कॉन्टेक्स्टसाठी जागा. डिफॉल्टनुसार macOS GPU ला युनिफाइड मेमरीपैकी सुमारे 75% वापरू देते. वेग: मेमरी बँडविड्थला प्रत्येक टोकनसाठी वाचल्या जाणाऱ्या बाइटने भागल्यास एका संभाषणाची कमाल मर्यादा मिळते; llama.cpp च्या सार्वजनिक Apple Silicon बेंचमार्क मध्ये प्रत्यक्ष रन त्याच्या सुमारे 45% ते 80% पर्यंत पोहोचतात, आणि हीच रेंज दाखवली आहे. हे अंदाज आहेत, मोजमाप नाही: तुमचा Mac MLX Bench वर मोजा. मॉडेलचे आकडे प्रत्येक अधिकृत मॉडेल कार्डमधून, चिपचे आकडे Apple च्या Tech Specs मधून. 2026-10-19 रोजी तपासले. mlx.app/compare वरचाच डेटा.

36 GB Mac साठी सर्वोत्तम लोकल LLM (M3 ते M5): काय चालते