Apakah LLM terbaik untuk Mac dengan 64 GB?

Antara model yang mempunyai skor Intelligence Index yang diterbitkan, Qwen3.8 27B mendapat skor tertinggi dalam kalangan yang berjalan baik dalam 64 GB (8-bit). Yang terbesar yang berjalan baik ialah Nemotron 3.5 Bolt 74B A9B. Untuk kod: Qwen3 Coder 30B A3B Instruct.

Adakah 64 GB cukup untuk AI tempatan pada Mac?

39 daripada 73 model terbuka di sini berjalan baik di dalamnya pada 4 bit atau lebih baik. Secara lalai macOS membenarkan GPU menggunakan kira-kira 48 GB daripadanya; model dan konteksnya mesti muat di situ.

Bolehkah Mac 64 GB menjalankan gpt-oss-20b?

Ya, 4.25-bit asli, kira-kira 65–115 token sesaat pada M4 Pro dan 189–337 pada M1 Ultra.

LLM tempatan terbaik untuk Mac 64 GB (M1 hingga M5)

Mac dengan 64 GB

9 cip daripada M1 hingga M5 tersedia dengan 64 GB. Buka satu untuk senarai dan kelajuannya sendiri.

Berjalan baik 47

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

Model	Versi	Memori	M4 Pro	M1 Ultra
Qwen3.8 27B27B · Kecerdasan 33.7	8-bit	28.7 GB	4–8	13–22
Nemotron 3.5 Bolt 74B A9B74B · 9B aktif · Kecerdasan 21.4	4-bit	41.6 GB	24–43	71–125
Qwen3.6 35B A3B35B · 3B aktif · Kecerdasan 18.2	8-bit	37.2 GB	38–68	113–200
Muse Glimmer 30B29.6B · Kecerdasan 17.5	8-bit	31.5 GB	4–7	11–20
Gemma 4 31B30.7B · Kecerdasan 14.7	8-bit	32.6 GB	4–7	11–20
Nemotron 3.5 Lightning 30B A3B30B · 3B aktif · Kecerdasan 12.9	8-bit	31.9 GB	38–68	113–200
Granite 4.2 30B30B · Kecerdasan 12.7	8-bit	31.9 GB	4–7	11–20
MiniCPM5 2B2.52B · Kecerdasan 12.5	8-bit	2.7 GB	45–81	133–237
Qwen3.5 9B9B · Kecerdasan 11.2	8-bit	9.6 GB	13–23	38–67
Granite 4.2 8B8B · Kecerdasan 11.1	8-bit	8.5 GB	14–26	42–75
Granite 4.2 3B3B · Kecerdasan 9.1	8-bit	3.2 GB	38–68	113–200
gpt-oss-20b21B · 3.6B aktif · Kecerdasan 9	4.25-bit asli	13.8 GB	65–115	189–337
Nemotron 3 Nano 30B A3B30B · 3.5B aktif · Kecerdasan 8.9	8-bit	31.9 GB	33–59	97–173
Gemma 4 E4B8B · Kecerdasan 8.9	8-bit	8.5 GB	26–46	75–133
Ministral 3 8B8.9B · Kecerdasan 5.5	8-bit	9.5 GB	13–23	38–67
Nemotron 3 Nano 4B3.97B · Kecerdasan 4.8	8-bit	4.2 GB	29–52	86–152
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B aktif	8-bit	32.4 GB	35–62	103–183
GLM-4.7 Flash30B · 3B aktif	8-bit	31.9 GB	38–68	113–200
Qwen3.6 27B27B	8-bit	28.7 GB	4–8	13–22
Gemma 4 26B A4B25.2B · 3.8B aktif	8-bit	26.8 GB	31–55	90–160
Devstral Small 2 (24B)24B	8-bit	25.5 GB	5–9	14–25
Magistral Small 1.2 (2509)24B	8-bit	25.5 GB	5–9	14–25
Mistral Small 3.2 (24B)24B	8-bit	25.5 GB	5–9	14–25
LFM2.5 24B A2B24B · 2B aktif	8-bit	25.5 GB	59–104	171–305
Phi-4 Reasoning Vision 15B15B	8-bit	15.9 GB	10–18	23–40
Phi-4 (14B)14B	8-bit	14.9 GB	11–19	24–43
Gemma 4 12B Unified12B	8-bit	12.7 GB	10–17	28–50
Qwen3 8B8.2B	8-bit	8.7 GB	14–25	41–74
Llama 3.1 8B Instruct8B	8-bit	8.5 GB	14–26	42–75
Gemma 4 E2B5.1B	8-bit	5.4 GB	51–91	150–267
Qwen3.5 4B4B	8-bit	4.3 GB	29–51	84–149
Phi-4 mini instruct3.8B	8-bit	4 GB	31–55	90–160
Llama 3.2 3B Instruct3.21B	8-bit	3.4 GB	36–64	106–188
SmolLM3 3B3B	8-bit	3.2 GB	38–68	113–200
LFM2.5 2.6B2.69B	8-bit	2.9 GB	42–75	124–221
Qwen3.5 2B2B	8-bit	2.1 GB	59–104	171–305
Llama 3.2 1B Instruct1.23B	8-bit	1.3 GB	95–168	277–492
Qwen3.5 0.8B0.8B	8-bit	0.9 GB	137–243	400–711
Qwen3 0.6B0.6B	8-bit	0.6 GB	205–364	600–1067
Qwen3.5 122B A10B122B · 10B aktif · Kecerdasan 15.6	2-bit kualiti lebih rendah	38.1 GB	40–70	116–206
gpt-oss-120b117B · 5.1B aktif · Kecerdasan 11.6	2-bit kualiti lebih rendah	36.6 GB	77–137	225–400
Mistral Small 4 (119B)119B · 6.5B aktif · Kecerdasan 11.3	2-bit kualiti lebih rendah	37.2 GB	61–109	180–320
Qwen3 Coder Next80B · 3B aktif · Kecerdasan 9.2	3-bit kualiti lebih rendah	35 GB	95–168	277–492
Llama 4 Scout 17B-16E Instruct109B · 17B aktif · Kecerdasan 6.5	2-bit kualiti lebih rendah	34.1 GB	23–41	68–121
Ornith 1.5 122B122B · 10B aktif	2-bit kualiti lebih rendah	38.1 GB	40–70	116–206
Nemotron 3 Super 120B A12B120B · 12B aktif	2-bit kualiti lebih rendah	37.5 GB	32–57	95–168
GLM-4.5 Air106B · 12B aktif	2-bit kualiti lebih rendah	33.1 GB	32–57	95–168

Berjalan, tetapi perlahan 3

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

Model	Versi	Memori	M4 Pro	M1 Ultra
Llama 3.3 70B Instruct70B	4-bit	39.4 GB	3–6	9–16
Mistral Medium 3.5 (128B)128B · Kecerdasan 14.2	2-bit kualiti lebih rendah	40 GB	3–5	9–16
Devstral 2 (123B)123B	2-bit kualiti lebih rendah	38.4 GB	3–6	9–17

Soalan

Apakah LLM terbaik untuk Mac dengan 64 GB?: Antara model yang mempunyai skor Intelligence Index yang diterbitkan, Qwen3.8 27B mendapat skor tertinggi dalam kalangan yang berjalan baik dalam 64 GB (8-bit). Yang terbesar yang berjalan baik ialah Nemotron 3.5 Bolt 74B A9B. Untuk kod: Qwen3 Coder 30B A3B Instruct.
Adakah 64 GB cukup untuk AI tempatan pada Mac?: 39 daripada 73 model terbuka di sini berjalan baik di dalamnya pada 4 bit atau lebih baik. Secara lalai macOS membenarkan GPU menggunakan kira-kira 48 GB daripadanya; model dan konteksnya mesti muat di situ.
Bolehkah Mac 64 GB menjalankan gpt-oss-20b?: Ya, 4.25-bit asli, kira-kira 65–115 token sesaat pada M4 Pro 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.

LLM terbaik untuk Mac 64 GB.