Apakah LLM terbaik untuk M3 Ultra dengan 256 GB?

Antara model yang mempunyai skor Intelligence Index yang diterbitkan, Qwen3.8 Flash Next mendapat skor tertinggi dalam kalangan yang berjalan baik di sini: 6-bit, kira-kira 75–134 token sesaat. Yang terbesar yang berjalan baik ialah MiMo V2.6 Flash.

Bolehkah M3 Ultra dengan 256 GB menjalankan Llama 3.3 70B?

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

Sepantas mana gpt-oss-20b pada M3 Ultra?

Kira-kira 194–345 token sesaat (4.25-bit asli), daripada lebar jalur memori cip sebanyak 819 GB/s.

LLM apa yang boleh dijalankan M3 Ultra 256 GB? Model dan kelajuan

Berjalan baik 60

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

Model	Versi	Memori	Token/s
Qwen3.8 Flash Next180B · 6B aktif · Kecerdasan 39.8	6-bit	146 GB	75–134
MiMo V2.6 Flash309B · 15B aktif · Kecerdasan 37.9	4.48-bit asli	173 GB	44–78
Qwen3.8 27B27B · Kecerdasan 33.7	8-bit	28.7 GB	13–23
Inkling Small276B · 12B aktif · Kecerdasan 25.7	4-bit	155 GB	54–96
Hy3295B · 21B aktif · Kecerdasan 25.3	4-bit	166 GB	31–56
Nemotron 3.5 Bolt 74B A9B74B · 9B aktif · Kecerdasan 21.4	8-bit	78.6 GB	38–68
Qwen3.6 35B A3B35B · 3B aktif · Kecerdasan 18.2	8-bit	37.2 GB	115–205
Muse Glimmer 30B29.6B · Kecerdasan 17.5	8-bit	31.5 GB	12–21
Qwen3.5 122B A10B122B · 10B aktif · Kecerdasan 15.6	8-bit	130 GB	35–62
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	115–205
Granite 4.2 30B30B · Kecerdasan 12.7	8-bit	31.9 GB	12–21
MiniCPM5 2B2.52B · Kecerdasan 12.5	8-bit	2.7 GB	137–243
gpt-oss-120b117B · 5.1B aktif · Kecerdasan 11.6	4.25-bit asli	65.3 GB	137–243
Mistral Small 4 (119B)119B · 6.5B aktif · Kecerdasan 11.3	8-bit	126 GB	53–95
Qwen3.5 9B9B · Kecerdasan 11.2	8-bit	9.6 GB	38–68
Granite 4.2 8B8B · Kecerdasan 11.1	8-bit	8.5 GB	43–77
Qwen3 Coder Next80B · 3B aktif · Kecerdasan 9.2	8-bit	85 GB	115–205
Granite 4.2 3B3B · Kecerdasan 9.1	8-bit	3.2 GB	115–205
gpt-oss-20b21B · 3.6B aktif · Kecerdasan 9	4.25-bit asli	13.8 GB	194–345
Nemotron 3 Nano 30B A3B30B · 3.5B aktif · Kecerdasan 8.9	8-bit	31.9 GB	100–177
Gemma 4 E4B8B · Kecerdasan 8.9	8-bit	8.5 GB	77–137
Llama 4 Scout 17B-16E Instruct109B · 17B aktif · Kecerdasan 6.5	8-bit	116 GB	20–36
Ministral 3 8B8.9B · Kecerdasan 5.5	8-bit	9.5 GB	39–69
Nemotron 3 Nano 4B3.97B · Kecerdasan 4.8	8-bit	4.2 GB	88–156
DeepSeek V4 Flash 0731284B · 13B aktif	4-bit	160 GB	50–90
MiniMax M2.7230B · 10B aktif	4-bit	129 GB	66–117
Ornith 1.5 122B122B · 10B aktif	8-bit	130 GB	35–62
Nemotron 3 Super 120B A12B120B · 12B aktif	8-bit	128 GB	29–51
GLM-4.5 Air106B · 12B aktif	8-bit	113 GB	29–51
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B aktif	8-bit	32.4 GB	105–187
GLM-4.7 Flash30B · 3B aktif	8-bit	31.9 GB	115–205
Qwen3.6 27B27B	8-bit	28.7 GB	13–23
Gemma 4 26B A4B25.2B · 3.8B aktif	8-bit	26.8 GB	92–164
Devstral Small 2 (24B)24B	8-bit	25.5 GB	14–26
Magistral Small 1.2 (2509)24B	8-bit	25.5 GB	14–26
Mistral Small 3.2 (24B)24B	8-bit	25.5 GB	14–26
LFM2.5 24B A2B24B · 2B aktif	8-bit	25.5 GB	176–312
Phi-4 Reasoning Vision 15B15B	8-bit	15.9 GB	23–41
Phi-4 (14B)14B	8-bit	14.9 GB	25–44
Gemma 4 12B Unified12B	8-bit	12.7 GB	29–52
Qwen3 8B8.2B	8-bit	8.7 GB	42–75
Llama 3.1 8B Instruct8B	8-bit	8.5 GB	43–77
Gemma 4 E2B5.1B	8-bit	5.4 GB	154–273
Qwen3.5 4B4B	8-bit	4.3 GB	86–152
Phi-4 mini instruct3.8B	8-bit	4 GB	92–164
Llama 3.2 3B Instruct3.21B	8-bit	3.4 GB	108–193
SmolLM3 3B3B	8-bit	3.2 GB	115–205
LFM2.5 2.6B2.69B	8-bit	2.9 GB	127–226
Qwen3.5 2B2B	8-bit	2.1 GB	176–312
Llama 3.2 1B Instruct1.23B	8-bit	1.3 GB	284–504
Qwen3.5 0.8B0.8B	8-bit	0.9 GB	410–728
Qwen3 0.6B0.6B	8-bit	0.6 GB	614–1092
DeepSeek V4.1 Flash 1017552B · 16B aktif · Kecerdasan 45.1	2-bit kualiti lebih rendah	173 GB	74–131
GLM-5.3 Flash320B · 18B aktif · Kecerdasan 41.8	3-bit kualiti lebih rendah	140 GB	47–83
Beam 1.0501B · 23B aktif · Kecerdasan 30.3	2-bit kualiti lebih rendah	157 GB	51–91
MiniMax M3428B · 23B aktif · Kecerdasan 29.2	2-bit kualiti lebih rendah	134 GB	51–91
Nemotron 3 Ultra 550B A55B550B · 55B aktif · Kecerdasan 22.9	2-bit kualiti lebih rendah	172 GB	21–38
Qwen3.5 397B A17B397B · 17B aktif · Kecerdasan 18.4	3-bit kualiti lebih rendah	174 GB	50–89
Llama 4 Maverick 17B-128E Instruct400B · 17B aktif · Kecerdasan 9.3	3-bit kualiti lebih rendah	175 GB	50–89

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	8-bit	136 GB	3–5
Devstral 2 (123B)123B	8-bit	131 GB	3–5
Llama 3.3 70B Instruct70B	8-bit	74.4 GB	5–9

Cukup-cukup muat 1

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

Model	Versi	Memori	Token/s
Mistral Large 3 (675B)675B · 41B aktif	2-bit kualiti lebih rendah	211 GB	29–51

Terlalu besar 9

Memerlukan lebih daripada 256 GB memori, walaupun pada 2 bit.

Mac lain

Semua Mac dengan 256 GB, daripada mana-mana cip.

M3 Ultra dengan memori lebih atau kurang:

Cip berdekatan:

Mac Studio M3 Ultra

Bersemuka:

Lawan PC dan kad grafik:

M3 Ultra vs DGX Spark

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

Soalan

Apakah LLM terbaik untuk M3 Ultra dengan 256 GB?: Antara model yang mempunyai skor Intelligence Index yang diterbitkan, Qwen3.8 Flash Next mendapat skor tertinggi dalam kalangan yang berjalan baik di sini: 6-bit, kira-kira 75–134 token sesaat. Yang terbesar yang berjalan baik ialah MiMo V2.6 Flash.
Bolehkah M3 Ultra dengan 256 GB menjalankan Llama 3.3 70B?: Ya, tetapi perlahan: 8-bit, kira-kira 5–9 token sesaat.
Sepantas mana gpt-oss-20b pada M3 Ultra?: Kira-kira 194–345 token sesaat (4.25-bit asli), daripada lebar jalur memori cip sebanyak 819 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.