Apakah LLM terbaik untuk Mac dengan 128 GB?

Antara model yang mempunyai skor Intelligence Index yang diterbitkan, Qwen3.8 27B mendapat skor tertinggi dalam kalangan yang berjalan baik dalam 128 GB (8-bit). Yang terbesar yang berjalan baik ialah Qwen3.5 122B A10B. Untuk kod: Qwen3 Coder Next.

Adakah 128 GB cukup untuk AI tempatan pada Mac?

47 daripada 73 model terbuka di sini berjalan baik di dalamnya pada 4 bit atau lebih baik. Secara lalai macOS membenarkan GPU menggunakan kira-kira 96 GB daripadanya; model dan konteksnya mesti muat di situ.

Bolehkah Mac 128 GB menjalankan gpt-oss-20b?

Ya, 4.25-bit asli, kira-kira 95–168 token sesaat pada M3 Max dan 189–337 pada M1 Ultra.

LLM tempatan terbaik untuk Mac 128 GB (M1 hingga M5)

Mac dengan 128 GB

5 cip daripada M1 hingga M5 tersedia dengan 128 GB. Buka satu untuk senarai dan kelajuannya sendiri.

Berjalan baik 51

Muat dengan ruang untuk konteks, 10 token sesaat atau lebih pada M1 Ultra.

Model	Versi	Memori	M3 Max	M1 Ultra
Qwen3.8 27B27B · Kecerdasan 33.7	8-bit	28.7 GB	12–21	13–22
Nemotron 3.5 Bolt 74B A9B74B · 9B aktif · Kecerdasan 21.4	8-bit	78.6 GB	19–33	38–67
Qwen3.6 35B A3B35B · 3B aktif · Kecerdasan 18.2	8-bit	37.2 GB	56–100	113–200
Muse Glimmer 30B29.6B · Kecerdasan 17.5	8-bit	31.5 GB	11–19	11–20
Qwen3.5 122B A10B122B · 10B aktif · Kecerdasan 15.6	4-bit	68.6 GB	32–57	64–114
Gemma 4 31B30.7B · Kecerdasan 14.7	8-bit	32.6 GB	10–18	11–20
Nemotron 3.5 Lightning 30B A3B30B · 3B aktif · Kecerdasan 12.9	8-bit	31.9 GB	56–100	113–200
Granite 4.2 30B30B · Kecerdasan 12.7	8-bit	31.9 GB	11–19	11–20
MiniCPM5 2B2.52B · Kecerdasan 12.5	8-bit	2.7 GB	67–119	133–237
gpt-oss-120b117B · 5.1B aktif · Kecerdasan 11.6	4.25-bit asli	65.3 GB	67–119	133–237
Mistral Small 4 (119B)119B · 6.5B aktif · Kecerdasan 11.3	4-bit	66.9 GB	49–86	97–173
Qwen3.5 9B9B · Kecerdasan 11.2	8-bit	9.6 GB	19–33	38–67
Granite 4.2 8B8B · Kecerdasan 11.1	8-bit	8.5 GB	21–38	42–75
Qwen3 Coder Next80B · 3B aktif · Kecerdasan 9.2	8-bit	85 GB	56–100	113–200
Granite 4.2 3B3B · Kecerdasan 9.1	8-bit	3.2 GB	56–100	113–200
gpt-oss-20b21B · 3.6B aktif · Kecerdasan 9	4.25-bit asli	13.8 GB	95–168	189–337
Nemotron 3 Nano 30B A3B30B · 3.5B aktif · Kecerdasan 8.9	8-bit	31.9 GB	49–86	97–173
Gemma 4 E4B8B · Kecerdasan 8.9	8-bit	8.5 GB	38–67	75–133
Llama 4 Scout 17B-16E Instruct109B · 17B aktif · Kecerdasan 6.5	6-bit	88.6 GB	13–23	26–46
Ministral 3 8B8.9B · Kecerdasan 5.5	8-bit	9.5 GB	19–34	38–67
Nemotron 3 Nano 4B3.97B · Kecerdasan 4.8	8-bit	4.2 GB	43–76	86–152
Ornith 1.5 122B122B · 10B aktif	4-bit	68.6 GB	32–57	64–114
Nemotron 3 Super 120B A12B120B · 12B aktif	4-bit	67.5 GB	26–47	53–94
GLM-4.5 Air106B · 12B aktif	6-bit	86.1 GB	18–33	37–65
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B aktif	8-bit	32.4 GB	51–91	103–183
GLM-4.7 Flash30B · 3B aktif	8-bit	31.9 GB	56–100	113–200
Qwen3.6 27B27B	8-bit	28.7 GB	12–21	13–22
Gemma 4 26B A4B25.2B · 3.8B aktif	8-bit	26.8 GB	45–80	90–160
Devstral Small 2 (24B)24B	8-bit	25.5 GB	13–24	14–25
Magistral Small 1.2 (2509)24B	8-bit	25.5 GB	13–24	14–25
Mistral Small 3.2 (24B)24B	8-bit	25.5 GB	13–24	14–25
LFM2.5 24B A2B24B · 2B aktif	8-bit	25.5 GB	86–152	171–305
Phi-4 Reasoning Vision 15B15B	8-bit	15.9 GB	11–20	23–40
Phi-4 (14B)14B	8-bit	14.9 GB	12–21	24–43
Gemma 4 12B Unified12B	8-bit	12.7 GB	14–25	28–50
Qwen3 8B8.2B	8-bit	8.7 GB	21–37	41–74
Llama 3.1 8B Instruct8B	8-bit	8.5 GB	21–38	42–75
Gemma 4 E2B5.1B	8-bit	5.4 GB	75–133	150–267
Qwen3.5 4B4B	8-bit	4.3 GB	42–74	84–149
Phi-4 mini instruct3.8B	8-bit	4 GB	45–80	90–160
Llama 3.2 3B Instruct3.21B	8-bit	3.4 GB	53–94	106–188
SmolLM3 3B3B	8-bit	3.2 GB	56–100	113–200
LFM2.5 2.6B2.69B	8-bit	2.9 GB	62–110	124–221
Qwen3.5 2B2B	8-bit	2.1 GB	86–152	171–305
Llama 3.2 1B Instruct1.23B	8-bit	1.3 GB	138–246	277–492
Qwen3.5 0.8B0.8B	8-bit	0.9 GB	200–356	400–711
Qwen3 0.6B0.6B	8-bit	0.6 GB	300–533	600–1067
Qwen3.8 Flash Next180B · 6B aktif · Kecerdasan 39.8	3-bit kualiti lebih rendah	78.8 GB	69–123	138–246
Inkling Small276B · 12B aktif · Kecerdasan 25.7	2-bit kualiti lebih rendah	86.3 GB	47–84	95–168
DeepSeek V4 Flash 0731284B · 13B aktif	2-bit kualiti lebih rendah	88.8 GB	44–78	88–156
MiniMax M2.7230B · 10B aktif	2-bit kualiti lebih rendah	71.9 GB	58–103	116–206

Berjalan, tetapi perlahan 3

Muat, tetapi di bawah 10 token sesaat: sesuai untuk kerja kelompok, perlahan untuk sembang.

Model	Versi	Memori	M3 Max	M1 Ultra
Mistral Medium 3.5 (128B)128B · Kecerdasan 14.2	4-bit	72 GB	3–4	5–9
Devstral 2 (123B)123B	4-bit	69.2 GB	3–5	5–9
Llama 3.3 70B Instruct70B	8-bit	74.4 GB	2–4	5–9

Cukup-cukup muat 3

Memerlukan hampir semua memori: naikkan had memori GPU dan pastikan konteks pendek.

Model	Versi	Memori	M3 Max	M1 Ultra
GLM-5.3 Flash320B · 18B aktif · Kecerdasan 41.8	2-bit kualiti lebih rendah	100 GB	32–57	64–114
MiMo V2.6 Flash309B · 15B aktif · Kecerdasan 37.9	2-bit kualiti lebih rendah	96.6 GB	38–68	77–136
Hy3295B · 21B aktif · Kecerdasan 25.3	2-bit kualiti lebih rendah	92.2 GB	27–48	55–97

Terlalu besar 16

Memerlukan lebih daripada 128 GB memori, walaupun pada 2 bit.

Soalan

Apakah LLM terbaik untuk Mac dengan 128 GB?: Antara model yang mempunyai skor Intelligence Index yang diterbitkan, Qwen3.8 27B mendapat skor tertinggi dalam kalangan yang berjalan baik dalam 128 GB (8-bit). Yang terbesar yang berjalan baik ialah Qwen3.5 122B A10B. Untuk kod: Qwen3 Coder Next.
Adakah 128 GB cukup untuk AI tempatan pada Mac?: 47 daripada 73 model terbuka di sini berjalan baik di dalamnya pada 4 bit atau lebih baik. Secara lalai macOS membenarkan GPU menggunakan kira-kira 96 GB daripadanya; model dan konteksnya mesti muat di situ.
Bolehkah Mac 128 GB menjalankan gpt-oss-20b?: Ya, 4.25-bit asli, kira-kira 95–168 token sesaat pada M3 Max dan 189–337 pada M1 Ultra.

Saiz lain: 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

Jalankan dengan MLX Harness (percuma, sumber terbuka) atau mlx-lm daripada Apple dalam Terminal: langkah demi langkah.

Cara ia dikira

Memori: parameter model pada 8, 6, 4, 3 atau 2 bit setiap pemberat serta skala kumpulan MLX (setengah bit setiap pemberat), atau format aslinya, dengan ruang untuk konteks di atasnya. Secara lalai macOS membenarkan GPU menggunakan kira-kira 75% memori bersatu. Kelajuan: lebar jalur memori dibahagikan dengan bait yang dibaca bagi setiap token ialah had atas untuk satu perbualan; dalam penanda aras Apple Silicon awam llama.cpp, larian sebenar mencapai kira-kira 45% hingga 80% daripadanya, dan julat itulah yang ditunjukkan. Ini anggaran, bukan ukuran: ukur Mac anda sendiri di MLX Bench. Angka model daripada kad model rasmi setiap model, angka cip daripada Spesifikasi Teknikal Apple. Disemak 2026-10-19. Data yang sama seperti mlx.app/compare.