लॉग इनवॉलेट तयार करा

96 GB Mac साठी सर्वोत्तम LLM.

96 GB मध्ये 73 पैकी 44 ओपन मॉडेल चांगली चालतात. डिफॉल्टनुसार GPU त्यापैकी सुमारे 72 GB वापरू शकतो. वेग चिपवर अवलंबून असतो: M3 Max वर 300 GB/s पासून M5 Ultra वर 1,200 GB/s पर्यंत.

चांगले चालणारे सर्वात हुशारQwen3.8 27B8-बिट · 28.7 GB · 5–33 tok/sचांगले चालणारे सर्वात मोठेgpt-oss-120bनेटिव्ह 4.25-बिट · 65.3 GB · 50–356 tok/sकोडसाठीQwen3 Coder Next6-बिट · 65 GB · 56–400 tok/s

96 GB असलेले Mac

M2 ते M5 मधील 4 चिप 96 GB सह येतात. तिची स्वतःची यादी आणि वेग पाहण्यासाठी कोणतीही चिप उघडा.

चांगली चालतात 51

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

मॉडेलआवृत्तीमेमरीM3 MaxM5 Ultra
Qwen3.8 27B27B · इंटेलिजन्स 33.78-बिट28.7 GB5–819–33
Nemotron 3.5 Bolt 74B A9B74B · 9B सक्रिय · इंटेलिजन्स 21.46-बिट60.1 GB18–3374–132
Qwen3.6 35B A3B35B · 3B सक्रिय · इंटेलिजन्स 18.28-बिट37.2 GB42–75169–300
Muse Glimmer 30B29.6B · इंटेलिजन्स 17.58-बिट31.5 GB4–817–30
Gemma 4 31B30.7B · इंटेलिजन्स 14.78-बिट32.6 GB4–717–29
Nemotron 3.5 Lightning 30B A3B30B · 3B सक्रिय · इंटेलिजन्स 12.98-बिट31.9 GB42–75169–300
Granite 4.2 30B30B · इंटेलिजन्स 12.78-बिट31.9 GB4–817–30
MiniCPM5 2B2.52B · इंटेलिजन्स 12.58-बिट2.7 GB50–89200–356
gpt-oss-120b117B · 5.1B सक्रिय · इंटेलिजन्स 11.6नेटिव्ह 4.25-बिट65.3 GB50–89200–356
Qwen3.5 9B9B · इंटेलिजन्स 11.28-बिट9.6 GB14–2556–100
Granite 4.2 8B8B · इंटेलिजन्स 11.18-बिट8.5 GB16–2864–113
Qwen3 Coder Next80B · 3B सक्रिय · इंटेलिजन्स 9.26-बिट65 GB56–100225–400
Granite 4.2 3B3B · इंटेलिजन्स 9.18-बिट3.2 GB42–75169–300
gpt-oss-20b21B · 3.6B सक्रिय · इंटेलिजन्स 9नेटिव्ह 4.25-बिट13.8 GB71–126284–505
Nemotron 3 Nano 30B A3B30B · 3.5B सक्रिय · इंटेलिजन्स 8.98-बिट31.9 GB36–65146–259
Gemma 4 E4B8B · इंटेलिजन्स 8.98-बिट8.5 GB28–50113–200
Llama 4 Scout 17B-16E Instruct109B · 17B सक्रिय · इंटेलिजन्स 6.54-बिट61.3 GB14–2556–100
Ministral 3 8B8.9B · इंटेलिजन्स 5.58-बिट9.5 GB14–2557–101
Nemotron 3 Nano 4B3.97B · इंटेलिजन्स 4.88-बिट4.2 GB32–57129–229
GLM-4.5 Air106B · 12B सक्रिय4-बिट59.6 GB20–3579–141
Llama 3.3 70B Instruct70B4-बिट39.4 GB2–414–24
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B सक्रिय8-बिट32.4 GB39–69154–274
GLM-4.7 Flash30B · 3B सक्रिय8-बिट31.9 GB42–75169–300
Qwen3.6 27B27B8-बिट28.7 GB5–819–33
Gemma 4 26B A4B25.2B · 3.8B सक्रिय8-बिट26.8 GB34–60135–240
Devstral Small 2 (24B)24B8-बिट25.5 GB10–1821–38
Magistral Small 1.2 (2509)24B8-बिट25.5 GB10–1821–38
Mistral Small 3.2 (24B)24B8-बिट25.5 GB10–1821–38
LFM2.5 24B A2B24B · 2B सक्रिय8-बिट25.5 GB64–114257–457
Phi-4 Reasoning Vision 15B15B8-बिट15.9 GB11–2034–60
Phi-4 (14B)14B8-बिट14.9 GB12–2136–64
Gemma 4 12B Unified12B8-बिट12.7 GB11–1943–76
Qwen3 8B8.2B8-बिट8.7 GB16–2862–110
Llama 3.1 8B Instruct8B8-बिट8.5 GB16–2864–113
Gemma 4 E2B5.1B8-बिट5.4 GB56–100225–400
Qwen3.5 4B4B8-बिट4.3 GB31–56126–223
Phi-4 mini instruct3.8B8-बिट4 GB34–60135–240
Llama 3.2 3B Instruct3.21B8-बिट3.4 GB40–71159–282
SmolLM3 3B3B8-बिट3.2 GB42–75169–300
LFM2.5 2.6B2.69B8-बिट2.9 GB47–83186–331
Qwen3.5 2B2B8-बिट2.1 GB64–114257–457
Llama 3.2 1B Instruct1.23B8-बिट1.3 GB104–185415–738
Qwen3.5 0.8B0.8B8-बिट0.9 GB150–267600–1067
Qwen3 0.6B0.6B8-बिट0.6 GB225–400900–1600
Qwen3.8 Flash Next180B · 6B सक्रिय · इंटेलिजन्स 39.82-बिट कमी गुणवत्ता56.3 GB71–126284–505
Qwen3.5 122B A10B122B · 10B सक्रिय · इंटेलिजन्स 15.63-बिट कमी गुणवत्ता53.4 GB31–55123–218
Mistral Medium 3.5 (128B)128B · इंटेलिजन्स 14.23-बिट कमी गुणवत्ता56 GB2–410–17
Mistral Small 4 (119B)119B · 6.5B सक्रिय · इंटेलिजन्स 11.33-बिट कमी गुणवत्ता52.1 GB48–86193–343
Devstral 2 (123B)123B3-बिट कमी गुणवत्ता53.8 GB3–410–18
Ornith 1.5 122B122B · 10B सक्रिय3-बिट कमी गुणवत्ता53.4 GB31–55123–218
Nemotron 3 Super 120B A12B120B · 12B सक्रिय3-बिट कमी गुणवत्ता52.5 GB25–45102–181

जेमतेम बसतात 1

जवळजवळ सगळी मेमरी लागते: GPU मेमरीची मर्यादा वाढवा आणि कॉन्टेक्स्ट लहान ठेवा.

मॉडेलआवृत्तीमेमरीM3 MaxM5 Ultra
MiniMax M2.7230B · 10B सक्रिय2-बिट कमी गुणवत्ता71.9 GB44–77174–310

खूप मोठी 21

96 GB पेक्षा जास्त मेमरी लागते, अगदी 2 बिटलाही.

प्रश्न

96 GB असलेल्या Mac साठी सर्वोत्तम LLM कोणते?
ज्या मॉडेलचा Intelligence Index प्रकाशित आहे, त्यांपैकी 96 GB मध्ये चांगल्या चालणाऱ्यांमध्ये Qwen3.8 27B चा स्कोअर सर्वात जास्त आहे (8-बिट). चांगले चालणारे सर्वात मोठे मॉडेल gpt-oss-120b आहे. कोडसाठी: Qwen3 Coder Next.
Mac वर लोकल AI साठी 96 GB पुरेशी आहे का?
इथल्या 73 ओपन मॉडेलपैकी 44 त्यात 4 बिट किंवा त्याहून चांगल्या प्रिसिजनला चांगली चालतात. डिफॉल्टनुसार macOS GPU ला त्यापैकी सुमारे 72 GB वापरू देते; मॉडेल आणि त्याचा कॉन्टेक्स्ट त्यातच बसायला हवा.
96 GB Mac gpt-oss-20b चालवू शकतो का?
हो, नेटिव्ह 4.25-बिट, M3 Max वर सेकंदाला सुमारे 71–126 टोकन आणि M5 Ultra वर 284–505.

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.

96 GB Mac साठी सर्वोत्तम लोकल LLM (M2 ते M5): काय चालते