Log masukCipta dompet

Apa yang boleh dijalankan M3 Max dengan 36 GB?

33 daripada 73 model terbuka berjalan baik padanya. Secara lalai GPU boleh menggunakan kira-kira 27 GB daripada 36 GB, dan ia membaca memori pada 300 GB/s, yang menentukan kelajuan menulisnya. Terdapat dalam: MacBook Pro (14-inch, M3 Pro or M3 Max, Nov 2023), MacBook Pro (16-inch, Nov 2023).

Paling pintar yang berjalan baikQwen3.6 35B A3B4-bit · 19.7 GB · 79–141 tok/sTerbesar yang berjalan baikQwen3.6 35B A3B4-bit · 19.7 GB · 79–141 tok/sUntuk kodQwen3 Coder 30B A3B Instruct6-bit · 24.8 GB · 50–89 tok/s

Berjalan baik 35

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

ModelVersiMemoriToken/s
Qwen3.6 35B A3B35B · 3B aktif · Kecerdasan 18.24-bit19.7 GB79–141
Nemotron 3.5 Lightning 30B A3B30B · 3B aktif · Kecerdasan 12.96-bit24.4 GB56–100
MiniCPM5 2B2.52B · Kecerdasan 12.58-bit2.7 GB50–89
Qwen3.5 9B9B · Kecerdasan 11.28-bit9.6 GB14–25
Granite 4.2 8B8B · Kecerdasan 11.18-bit8.5 GB16–28
Granite 4.2 3B3B · Kecerdasan 9.18-bit3.2 GB42–75
gpt-oss-20b21B · 3.6B aktif · Kecerdasan 94.25-bit asli13.8 GB71–126
Nemotron 3 Nano 30B A3B30B · 3.5B aktif · Kecerdasan 8.96-bit24.4 GB48–86
Gemma 4 E4B8B · Kecerdasan 8.98-bit8.5 GB28–50
Ministral 3 8B8.9B · Kecerdasan 5.58-bit9.5 GB14–25
Nemotron 3 Nano 4B3.97B · Kecerdasan 4.88-bit4.2 GB32–57
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B aktif6-bit24.8 GB50–89
GLM-4.7 Flash30B · 3B aktif6-bit24.4 GB56–100
Gemma 4 26B A4B25.2B · 3.8B aktif6-bit20.5 GB44–77
Devstral Small 2 (24B)24B4-bit13.5 GB10–18
Magistral Small 1.2 (2509)24B4-bit13.5 GB10–18
Mistral Small 3.2 (24B)24B4-bit13.5 GB10–18
LFM2.5 24B A2B24B · 2B aktif6-bit19.5 GB84–150
Phi-4 Reasoning Vision 15B15B6-bit12.2 GB11–20
Phi-4 (14B)14B6-bit11.4 GB12–21
Gemma 4 12B Unified12B8-bit12.7 GB11–19
Qwen3 8B8.2B8-bit8.7 GB16–28
Llama 3.1 8B Instruct8B8-bit8.5 GB16–28
Gemma 4 E2B5.1B8-bit5.4 GB56–100
Qwen3.5 4B4B8-bit4.3 GB31–56
Phi-4 mini instruct3.8B8-bit4 GB34–60
Llama 3.2 3B Instruct3.21B8-bit3.4 GB40–71
SmolLM3 3B3B8-bit3.2 GB42–75
LFM2.5 2.6B2.69B8-bit2.9 GB47–83
Qwen3.5 2B2B8-bit2.1 GB64–114
Llama 3.2 1B Instruct1.23B8-bit1.3 GB104–185
Qwen3.5 0.8B0.8B8-bit0.9 GB150–267
Qwen3 0.6B0.6B8-bit0.6 GB225–400
Nemotron 3.5 Bolt 74B A9B74B · 9B aktif · Kecerdasan 21.42-bit kualiti lebih rendah23.1 GB48–86
Qwen3 Coder Next80B · 3B aktif · Kecerdasan 9.22-bit kualiti lebih rendah25 GB150–267

Berjalan, tetapi perlahan 6

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

ModelVersiMemoriToken/s
Qwen3.8 27B27B · Kecerdasan 33.76-bit21.9 GB6–11
Muse Glimmer 30B29.6B · Kecerdasan 17.56-bit24.1 GB6–10
Gemma 4 31B30.7B · Kecerdasan 14.76-bit24.9 GB5–10
Granite 4.2 30B30B · Kecerdasan 12.76-bit24.4 GB6–10
Qwen3.6 27B27B6-bit21.9 GB6–11
Llama 3.3 70B Instruct70B2-bit kualiti lebih rendah21.9 GB6–11

Terlalu besar 32

Memerlukan lebih daripada 36 GB memori, walaupun pada 2 bit.

Mac lain

Semua Mac dengan 36 GB, daripada mana-mana cip.

M3 Max dengan memori lebih atau kurang:

Cip berdekatan:

Bersemuka:

Bandingkan dengan mana-mana Mac atau GPU · M3 Max untuk AI tempatan · Mac terbaik untuk LLM tempatan · Semua Mac

Soalan

Apakah LLM terbaik untuk M3 Max dengan 36 GB?
Antara model yang mempunyai skor Intelligence Index yang diterbitkan, Qwen3.6 35B A3B mendapat skor tertinggi dalam kalangan yang berjalan baik di sini: 4-bit, kira-kira 79–141 token sesaat.
Bolehkah M3 Max dengan 36 GB menjalankan Llama 3.3 70B?
Ya, tetapi perlahan: 2-bit (kualiti lebih rendah), kira-kira 6–11 token sesaat.
Sepantas mana gpt-oss-20b pada M3 Max?
Kira-kira 71–126 token sesaat (4.25-bit asli), daripada lebar jalur memori cip sebanyak 300 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.

LLM apa yang boleh dijalankan M3 Max 36 GB? Model dan kelajuan