Apakah LLM terbaik untuk M2 Ultra dengan 128 GB?

Antara model yang mempunyai skor Intelligence Index yang diterbitkan, Qwen3.8 27B mendapat skor tertinggi dalam kalangan yang berjalan baik di sini: 8-bit, kira-kira 13–22 token sesaat. Yang terbesar yang berjalan baik ialah Qwen3.5 122B A10B.

Bolehkah M2 Ultra dengan 128 GB menjalankan Llama 3.3 70B?

Ya, tetapi perlahan: 8-bit, kira-kira 5–9 token sesaat.

Sepantas mana gpt-oss-20b pada M2 Ultra?

Kira-kira 189–337 token sesaat (4.25-bit asli), daripada lebar jalur memori cip sebanyak 800 GB/s.

LLM apa yang boleh dijalankan M2 Ultra 128 GB? Model dan kelajuan

Berjalan baik 51

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

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

Berjalan, tetapi perlahan 3

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

Model	Versi	Memori	Token/s
Mistral Medium 3.5 (128B)128B · Kecerdasan 14.2	4-bit	72 GB	5–9
Devstral 2 (123B)123B	4-bit	69.2 GB	5–9
Llama 3.3 70B Instruct70B	8-bit	74.4 GB	5–9

Cukup-cukup muat 3

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

Model	Versi	Memori	Token/s
GLM-5.3 Flash320B · 18B aktif · Kecerdasan 41.8	2-bit kualiti lebih rendah	100 GB	64–114
MiMo V2.6 Flash309B · 15B aktif · Kecerdasan 37.9	2-bit kualiti lebih rendah	96.6 GB	77–136
Hy3295B · 21B aktif · Kecerdasan 25.3	2-bit kualiti lebih rendah	92.2 GB	55–97

Terlalu besar 16

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

Mac lain

Semua Mac dengan 128 GB, daripada mana-mana cip.

M2 Ultra dengan memori lebih atau kurang:

Cip berdekatan:

Bersemuka:

Bandingkan dengan mana-mana Mac atau GPU · M2 Ultra untuk AI tempatan · Mac terbaik untuk LLM tempatan · Semua Mac

Soalan

Apakah LLM terbaik untuk M2 Ultra dengan 128 GB?: Antara model yang mempunyai skor Intelligence Index yang diterbitkan, Qwen3.8 27B mendapat skor tertinggi dalam kalangan yang berjalan baik di sini: 8-bit, kira-kira 13–22 token sesaat. Yang terbesar yang berjalan baik ialah Qwen3.5 122B A10B.
Bolehkah M2 Ultra dengan 128 GB menjalankan Llama 3.3 70B?: Ya, tetapi perlahan: 8-bit, kira-kira 5–9 token sesaat.
Sepantas mana gpt-oss-20b pada M2 Ultra?: Kira-kira 189–337 token sesaat (4.25-bit asli), daripada lebar jalur memori cip sebanyak 800 GB/s.

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.