Berjalan baik 26
Muat dengan ruang untuk konteks, 10 token sesaat atau lebih.
| Model | Versi | Memori | Token/s |
|---|---|---|---|
| MiniCPM5 2B2.52B · Kecerdasan 12.5 | 8-bit | 2.7 GB | 20–36 |
| Qwen3.5 9B9B · Kecerdasan 11.2 | 4-bit | 5.1 GB | 11–19 |
| Granite 4.2 8B8B · Kecerdasan 11.1 | 4-bit | 4.5 GB | 12–21 |
| Granite 4.2 3B3B · Kecerdasan 9.1 | 8-bit | 3.2 GB | 17–30 |
| Gemma 4 E4B8B · Kecerdasan 8.9 | 8-bit | 8.5 GB | 11–20 |
| Ministral 3 8B8.9B · Kecerdasan 5.5 | 4-bit | 5 GB | 11–19 |
| Nemotron 3 Nano 4B3.97B · Kecerdasan 4.8 | 8-bit | 4.2 GB | 13–23 |
| Qwen3 8B8.2B | 4-bit | 4.6 GB | 12–21 |
| Llama 3.1 8B Instruct8B | 4-bit | 4.5 GB | 12–21 |
| Gemma 4 E2B5.1B | 8-bit | 5.4 GB | 23–40 |
| Qwen3.5 4B4B | 8-bit | 4.3 GB | 13–22 |
| Phi-4 mini instruct3.8B | 8-bit | 4 GB | 14–24 |
| Llama 3.2 3B Instruct3.21B | 8-bit | 3.4 GB | 16–28 |
| SmolLM3 3B3B | 8-bit | 3.2 GB | 17–30 |
| LFM2.5 2.6B2.69B | 8-bit | 2.9 GB | 19–33 |
| Qwen3.5 2B2B | 8-bit | 2.1 GB | 26–46 |
| Llama 3.2 1B Instruct1.23B | 8-bit | 1.3 GB | 42–74 |
| Qwen3.5 0.8B0.8B | 8-bit | 0.9 GB | 60–107 |
| Qwen3 0.6B0.6B | 8-bit | 0.6 GB | 90–160 |
| Nemotron 3.5 Lightning 30B A3B30B · 3B aktif · Kecerdasan 12.9 | 2-bit kualiti lebih rendah | 9.4 GB | 60–107 |
| gpt-oss-20b21B · 3.6B aktif · Kecerdasan 9 | 3-bit kualiti lebih rendah | 9.2 GB | 34–60 |
| Nemotron 3 Nano 30B A3B30B · 3.5B aktif · Kecerdasan 8.9 | 2-bit kualiti lebih rendah | 9.4 GB | 49–87 |
| Qwen3 Coder 30B A3B Instruct30.5B · 3.3B aktif | 2-bit kualiti lebih rendah | 9.5 GB | 54–96 |
| GLM-4.7 Flash30B · 3B aktif | 2-bit kualiti lebih rendah | 9.4 GB | 60–107 |
| Gemma 4 26B A4B25.2B · 3.8B aktif | 2-bit kualiti lebih rendah | 7.9 GB | 45–80 |
| LFM2.5 24B A2B24B · 2B aktif | 3-bit kualiti lebih rendah | 10.5 GB | 60–107 |
Berjalan, tetapi perlahan 11
Muat, tetapi di bawah 10 token sesaat: sesuai untuk kerja kelompok, perlahan untuk sembang.
| Model | Versi | Memori | Token/s |
|---|---|---|---|
| Phi-4 Reasoning Vision 15B15B | 4-bit | 8.4 GB | 6–11 |
| Phi-4 (14B)14B | 4-bit | 7.9 GB | 7–12 |
| Gemma 4 12B Unified12B | 6-bit | 9.7 GB | 6–10 |
| Qwen3.8 27B27B · Kecerdasan 33.7 | 2-bit kualiti lebih rendah | 8.4 GB | 6–11 |
| Muse Glimmer 30B29.6B · Kecerdasan 17.5 | 2-bit kualiti lebih rendah | 9.3 GB | 6–10 |
| Gemma 4 31B30.7B · Kecerdasan 14.7 | 2-bit kualiti lebih rendah | 9.6 GB | 6–10 |
| Granite 4.2 30B30B · Kecerdasan 12.7 | 2-bit kualiti lebih rendah | 9.4 GB | 6–10 |
| Qwen3.6 27B27B | 2-bit kualiti lebih rendah | 8.4 GB | 6–11 |
| Devstral Small 2 (24B)24B | 3-bit kualiti lebih rendah | 10.5 GB | 5–9 |
| Magistral Small 1.2 (2509)24B | 3-bit kualiti lebih rendah | 10.5 GB | 5–9 |
| Mistral Small 3.2 (24B)24B | 3-bit kualiti lebih rendah | 10.5 GB | 5–9 |
Cukup-cukup muat 1
Memerlukan hampir semua memori: naikkan had memori GPU dan pastikan konteks pendek.
| Model | Versi | Memori | Token/s |
|---|---|---|---|
| Qwen3.6 35B A3B35B · 3B aktif · Kecerdasan 18.2 | 2-bit kualiti lebih rendah | 10.9 GB | 60–107 |
Terlalu besar 35
Memerlukan lebih daripada 16 GB memori, walaupun pada 2 bit.
- MiMo V2.6 Pro1,020B
- Kimi K32,800B
- MiMo V2.6 Flash309B
- Kimi K2.7 Code1,000B
- gpt-oss-120b117B
- Kimi K2.61,000B
- DeepSeek V4.1 Flash 1017552B
- GLM-5.3744B
- GLM-5.3 Flash320B
- Qwen3.8 2.4T A95B2,400B
- Qwen3.8 Flash Next180B
- Muse Spark Open816B
- DeepSeek V4 Pro 08131,600B
- Beam 1.0501B
- MiniMax M3428B
- Inkling Small276B
- Hy3295B
- Inkling975B
- Nemotron 3 Ultra 550B A55B550B
- Nemotron 3.5 Bolt 74B A9B74B
- Qwen3.5 397B A17B397B
- Qwen3.5 122B A10B122B
- Mistral Medium 3.5 (128B)128B
- Mistral Small 4 (119B)119B
- Llama 4 Maverick 17B-128E Instruct400B
- Qwen3 Coder Next80B
- Llama 4 Scout 17B-16E Instruct109B
- Mistral Large 3 (675B)675B
- DeepSeek V4 Flash 0731284B
- MiniMax M2.7230B
- Devstral 2 (123B)123B
- Ornith 1.5 122B122B
- Nemotron 3 Super 120B A12B120B
- GLM-4.5 Air106B
- Llama 3.3 70B Instruct70B
Mac lain
Semua Mac dengan 16 GB, daripada mana-mana cip.
M4 dengan memori lebih atau kurang:
Cip berdekatan:
Bersemuka:
Bandingkan dengan mana-mana Mac atau GPU · M4 untuk AI tempatan · Mac terbaik untuk LLM tempatan · Semua Mac
Soalan
- Apakah LLM terbaik untuk M4 dengan 16 GB?
- Antara model yang mempunyai skor Intelligence Index yang diterbitkan, MiniCPM5 2B mendapat skor tertinggi dalam kalangan yang berjalan baik di sini: 8-bit, kira-kira 20–36 token sesaat. Yang terbesar yang berjalan baik ialah Qwen3.5 9B.
- Bolehkah M4 dengan 16 GB menjalankan Llama 3.3 70B?
- Tidak: walaupun pada 2 bit ia memerlukan lebih daripada 12 GB yang boleh digunakan GPU secara lalai.
- Sepantas mana gpt-oss-20b pada M4?
- Kira-kira 34–60 token sesaat (3-bit), daripada lebar jalur memori cip sebanyak 120 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.