Mac dengan 16 GB
8 cip daripada M1 hingga M6 tersedia dengan 16 GB. Buka satu untuk senarai dan kelajuannya sendiri.
Berjalan baik 33
Muat dengan ruang untuk konteks, 10 token sesaat atau lebih pada M1 Pro.
| Model | Versi | Memori | M1 | M1 Pro |
|---|---|---|---|---|
| MiniCPM5 2B2.52B · Kecerdasan 12.5 | 8-bit | 2.7 GB | 11–20 | 33–59 |
| Qwen3.5 9B9B · Kecerdasan 11.2 | 6-bit | 7.3 GB | 3–6 | 12–22 |
| Granite 4.2 8B8B · Kecerdasan 11.1 | 8-bit | 8.5 GB | 4–6 | 11–19 |
| Granite 4.2 3B3B · Kecerdasan 9.1 | 8-bit | 3.2 GB | 10–17 | 28–50 |
| Gemma 4 E4B8B · Kecerdasan 8.9 | 8-bit | 8.5 GB | 12–22 | 19–33 |
| Ministral 3 8B8.9B · Kecerdasan 5.5 | 6-bit | 7.2 GB | 3–6 | 13–22 |
| Nemotron 3 Nano 4B3.97B · Kecerdasan 4.8 | 8-bit | 4.2 GB | 10–17 | 21–38 |
| Phi-4 Reasoning Vision 15B15B | 4-bit | 8.4 GB | 4–6 | 11–19 |
| Phi-4 (14B)14B | 4-bit | 7.9 GB | 4–7 | 11–20 |
| Gemma 4 12B Unified12B | 4-bit | 6.7 GB | 3–6 | 13–24 |
| Qwen3 8B8.2B | 8-bit | 8.7 GB | 4–6 | 10–18 |
| Llama 3.1 8B Instruct8B | 8-bit | 8.5 GB | 4–6 | 11–19 |
| Gemma 4 E2B5.1B | 8-bit | 5.4 GB | 13–23 | 38–67 |
| Qwen3.5 4B4B | 8-bit | 4.3 GB | 13–24 | 21–37 |
| Phi-4 mini instruct3.8B | 8-bit | 4 GB | 10–18 | 23–40 |
| Llama 3.2 3B Instruct3.21B | 8-bit | 3.4 GB | 12–21 | 26–47 |
| SmolLM3 3B3B | 8-bit | 3.2 GB | 10–17 | 28–50 |
| LFM2.5 2.6B2.69B | 8-bit | 2.9 GB | 11–19 | 31–55 |
| Qwen3.5 2B2B | 8-bit | 2.1 GB | 15–26 | 43–76 |
| Llama 3.2 1B Instruct1.23B | 8-bit | 1.3 GB | 24–42 | 69–123 |
| Qwen3.5 0.8B0.8B | 8-bit | 0.9 GB | 34–60 | 100–178 |
| Qwen3 0.6B0.6B | 8-bit | 0.6 GB | 51–91 | 150–267 |
| Qwen3.8 27B27B · Kecerdasan 33.7 | 2-bit kualiti lebih rendah | 8.4 GB | 4–6 | 11–19 |
| Muse Glimmer 30B29.6B · Kecerdasan 17.5 | 2-bit kualiti lebih rendah | 9.3 GB | 3–6 | 10–17 |
| Nemotron 3.5 Lightning 30B A3B30B · 3B aktif · Kecerdasan 12.9 | 2-bit kualiti lebih rendah | 9.4 GB | 34–60 | 100–178 |
| Granite 4.2 30B30B · Kecerdasan 12.7 | 2-bit kualiti lebih rendah | 9.4 GB | 3–6 | 10–17 |
| gpt-oss-20b21B · 3.6B aktif · Kecerdasan 9 | 3-bit kualiti lebih rendah | 9.2 GB | 19–34 | 56–100 |
| Nemotron 3 Nano 30B A3B30B · 3.5B aktif · Kecerdasan 8.9 | 2-bit kualiti lebih rendah | 9.4 GB | 28–49 | 82–145 |
| Qwen3 Coder 30B A3B Instruct30.5B · 3.3B aktif | 2-bit kualiti lebih rendah | 9.5 GB | 31–54 | 90–160 |
| GLM-4.7 Flash30B · 3B aktif | 2-bit kualiti lebih rendah | 9.4 GB | 34–60 | 100–178 |
| Qwen3.6 27B27B | 2-bit kualiti lebih rendah | 8.4 GB | 4–6 | 11–19 |
| Gemma 4 26B A4B25.2B · 3.8B aktif | 2-bit kualiti lebih rendah | 7.9 GB | 26–45 | 75–133 |
| LFM2.5 24B A2B24B · 2B aktif | 3-bit kualiti lebih rendah | 10.5 GB | 34–60 | 100–178 |
Berjalan, tetapi perlahan 4
Muat, tetapi di bawah 10 token sesaat: sesuai untuk kerja kelompok, perlahan untuk sembang.
| Model | Versi | Memori | M1 | M1 Pro |
|---|---|---|---|---|
| Gemma 4 31B30.7B · Kecerdasan 14.7 | 2-bit kualiti lebih rendah | 9.6 GB | 3–6 | 9–17 |
| Devstral Small 2 (24B)24B | 3-bit kualiti lebih rendah | 10.5 GB | 3–5 | 9–15 |
| Magistral Small 1.2 (2509)24B | 3-bit kualiti lebih rendah | 10.5 GB | 3–5 | 9–15 |
| Mistral Small 3.2 (24B)24B | 3-bit kualiti lebih rendah | 10.5 GB | 3–5 | 9–15 |
Cukup-cukup muat 1
Memerlukan hampir semua memori: naikkan had memori GPU dan pastikan konteks pendek.
| Model | Versi | Memori | M1 | M1 Pro |
|---|---|---|---|---|
| Qwen3.6 35B A3B35B · 3B aktif · Kecerdasan 18.2 | 2-bit kualiti lebih rendah | 10.9 GB | 34–60 | 100–178 |
Terlalu besar 35
Memerlukan lebih daripada 16 GB memori, walaupun pada 2 bit.
- MiMo V2.6 Pro1,020B
- Kimi K32,800B
- MiMo V2.6 Flash309B
- Kimi K2.7 Code1,000B
- gpt-oss-120b117B
- Kimi K2.61,000B
- DeepSeek V4.1 Flash 1017552B
- GLM-5.3744B
- GLM-5.3 Flash320B
- Qwen3.8 2.4T A95B2,400B
- Qwen3.8 Flash Next180B
- Muse Spark Open816B
- DeepSeek V4 Pro 08131,600B
- Beam 1.0501B
- MiniMax M3428B
- Inkling Small276B
- Hy3295B
- Inkling975B
- Nemotron 3 Ultra 550B A55B550B
- Nemotron 3.5 Bolt 74B A9B74B
- Qwen3.5 397B A17B397B
- Qwen3.5 122B A10B122B
- Mistral Medium 3.5 (128B)128B
- Mistral Small 4 (119B)119B
- Llama 4 Maverick 17B-128E Instruct400B
- Qwen3 Coder Next80B
- Llama 4 Scout 17B-16E Instruct109B
- Mistral Large 3 (675B)675B
- DeepSeek V4 Flash 0731284B
- MiniMax M2.7230B
- Devstral 2 (123B)123B
- Ornith 1.5 122B122B
- Nemotron 3 Super 120B A12B120B
- GLM-4.5 Air106B
- Llama 3.3 70B Instruct70B
Soalan
- Apakah LLM terbaik untuk Mac dengan 16 GB?
- Antara model yang mempunyai skor Intelligence Index yang diterbitkan, MiniCPM5 2B mendapat skor tertinggi dalam kalangan yang berjalan baik dalam 16 GB (8-bit). Yang terbesar yang berjalan baik ialah Phi-4 Reasoning Vision 15B.
- Adakah 16 GB cukup untuk AI tempatan pada Mac?
- 22 daripada 73 model terbuka di sini berjalan baik di dalamnya pada 4 bit atau lebih baik. Secara lalai macOS membenarkan GPU menggunakan kira-kira 12 GB daripadanya; model dan konteksnya mesti muat di situ.
- Bolehkah Mac 16 GB menjalankan gpt-oss-20b?
- Ya, 3-bit, kira-kira 19–34 token sesaat pada M1 dan 56–100 pada M1 Pro.
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.