Log masukCipta dompet

LLM terbaik untuk Mac 48 GB.

38 daripada 73 model terbuka berjalan baik dalam 48 GB. Secara lalai GPU boleh menggunakan kira-kira 36 GB daripadanya. Kelajuan bergantung pada cip: daripada 273 GB/s pada M4 Pro hingga 614 GB/s pada M5 Max.

Paling pintar yang berjalan baikQwen3.8 27B8-bit · 28.7 GB · 4–17 tok/sTerbesar yang berjalan baikQwen3.6 35B A3B6-bit · 28.4 GB · 51–205 tok/sUntuk kodQwen3 Coder 30B A3B Instruct8-bit · 32.4 GB · 35–140 tok/s

Mac dengan 48 GB

5 cip daripada M3 hingga M5 tersedia dengan 48 GB. Buka satu untuk senarai dan kelajuannya sendiri.

Berjalan baik 41

Muat dengan ruang untuk konteks, 10 token sesaat atau lebih pada M5 Max.

ModelVersiMemoriM4 ProM5 Max
Qwen3.8 27B27B · Kecerdasan 33.78-bit28.7 GB4–810–17
Qwen3.6 35B A3B35B · 3B aktif · Kecerdasan 18.26-bit28.4 GB51–91115–205
Muse Glimmer 30B29.6B · Kecerdasan 17.56-bit24.1 GB4–711–20
Gemma 4 31B30.7B · Kecerdasan 14.76-bit24.9 GB4–711–20
Nemotron 3.5 Lightning 30B A3B30B · 3B aktif · Kecerdasan 12.98-bit31.9 GB38–6886–154
Granite 4.2 30B30B · Kecerdasan 12.76-bit24.4 GB4–711–20
MiniCPM5 2B2.52B · Kecerdasan 12.58-bit2.7 GB45–81102–182
Qwen3.5 9B9B · Kecerdasan 11.28-bit9.6 GB13–2329–51
Granite 4.2 8B8B · Kecerdasan 11.18-bit8.5 GB14–2633–58
Granite 4.2 3B3B · Kecerdasan 9.18-bit3.2 GB38–6886–154
gpt-oss-20b21B · 3.6B aktif · Kecerdasan 94.25-bit asli13.8 GB65–115145–259
Nemotron 3 Nano 30B A3B30B · 3.5B aktif · Kecerdasan 8.98-bit31.9 GB33–5975–133
Gemma 4 E4B8B · Kecerdasan 8.98-bit8.5 GB26–4658–102
Ministral 3 8B8.9B · Kecerdasan 5.58-bit9.5 GB13–2329–52
Nemotron 3 Nano 4B3.97B · Kecerdasan 4.88-bit4.2 GB29–5266–117
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B aktif8-bit32.4 GB35–6279–140
GLM-4.7 Flash30B · 3B aktif8-bit31.9 GB38–6886–154
Qwen3.6 27B27B8-bit28.7 GB4–810–17
Gemma 4 26B A4B25.2B · 3.8B aktif8-bit26.8 GB31–5569–123
Devstral Small 2 (24B)24B8-bit25.5 GB5–911–19
Magistral Small 1.2 (2509)24B8-bit25.5 GB5–911–19
Mistral Small 3.2 (24B)24B8-bit25.5 GB5–911–19
LFM2.5 24B A2B24B · 2B aktif8-bit25.5 GB59–104132–234
Phi-4 Reasoning Vision 15B15B8-bit15.9 GB10–1817–31
Phi-4 (14B)14B8-bit14.9 GB11–1919–33
Gemma 4 12B Unified12B8-bit12.7 GB10–1722–39
Qwen3 8B8.2B8-bit8.7 GB14–2532–56
Llama 3.1 8B Instruct8B8-bit8.5 GB14–2633–58
Gemma 4 E2B5.1B8-bit5.4 GB51–91115–205
Qwen3.5 4B4B8-bit4.3 GB29–5164–114
Phi-4 mini instruct3.8B8-bit4 GB31–5569–123
Llama 3.2 3B Instruct3.21B8-bit3.4 GB36–6481–144
SmolLM3 3B3B8-bit3.2 GB38–6886–154
LFM2.5 2.6B2.69B8-bit2.9 GB42–7595–169
Qwen3.5 2B2B8-bit2.1 GB59–104132–234
Llama 3.2 1B Instruct1.23B8-bit1.3 GB95–168213–378
Qwen3.5 0.8B0.8B8-bit0.9 GB137–243307–546
Qwen3 0.6B0.6B8-bit0.6 GB205–364461–819
Nemotron 3.5 Bolt 74B A9B74B · 9B aktif · Kecerdasan 21.43-bit kualiti lebih rendah32.4 GB32–5671–126
Qwen3 Coder Next80B · 3B aktif · Kecerdasan 9.22-bit kualiti lebih rendah25 GB137–243307–546
GLM-4.5 Air106B · 12B aktif2-bit kualiti lebih rendah33.1 GB32–5773–129

Berjalan, tetapi perlahan 1

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

ModelVersiMemoriM4 ProM5 Max
Llama 3.3 70B Instruct70B3-bit kualiti lebih rendah30.6 GB4–79–16

Cukup-cukup muat 8

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

ModelVersiMemoriM4 ProM5 Max
Qwen3.5 122B A10B122B · 10B aktif · Kecerdasan 15.62-bit kualiti lebih rendah38.1 GB40–7089–158
Mistral Medium 3.5 (128B)128B · Kecerdasan 14.22-bit kualiti lebih rendah40 GB3–57–12
gpt-oss-120b117B · 5.1B aktif · Kecerdasan 11.62-bit kualiti lebih rendah36.6 GB77–137173–307
Mistral Small 4 (119B)119B · 6.5B aktif · Kecerdasan 11.32-bit kualiti lebih rendah37.2 GB61–109138–246
Llama 4 Scout 17B-16E Instruct109B · 17B aktif · Kecerdasan 6.52-bit kualiti lebih rendah34.1 GB23–4152–93
Devstral 2 (123B)123B2-bit kualiti lebih rendah38.4 GB3–67–13
Ornith 1.5 122B122B · 10B aktif2-bit kualiti lebih rendah38.1 GB40–7089–158
Nemotron 3 Super 120B A12B120B · 12B aktif2-bit kualiti lebih rendah37.5 GB32–5773–129

Terlalu besar 23

Memerlukan lebih daripada 48 GB memori, walaupun pada 2 bit.

Soalan

Apakah LLM terbaik untuk Mac dengan 48 GB?
Antara model yang mempunyai skor Intelligence Index yang diterbitkan, Qwen3.8 27B mendapat skor tertinggi dalam kalangan yang berjalan baik dalam 48 GB (8-bit). Yang terbesar yang berjalan baik ialah Qwen3.6 35B A3B. Untuk kod: Qwen3 Coder 30B A3B Instruct.
Adakah 48 GB cukup untuk AI tempatan pada Mac?
38 daripada 73 model terbuka di sini berjalan baik di dalamnya pada 4 bit atau lebih baik. Secara lalai macOS membenarkan GPU menggunakan kira-kira 36 GB daripadanya; model dan konteksnya mesti muat di situ.
Bolehkah Mac 48 GB menjalankan gpt-oss-20b?
Ya, 4.25-bit asli, kira-kira 65–115 token sesaat pada M4 Pro dan 145–259 pada M5 Max.

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.

LLM tempatan terbaik untuk Mac 48 GB (M3 hingga M5)