Apakah LLM terbaik untuk M4 Max dengan 36 GB?

Antara model yang mempunyai skor Intelligence Index yang diterbitkan, Qwen3.8 27B mendapat skor tertinggi dalam kalangan yang berjalan baik di sini: 4-bit, kira-kira 12–22 token sesaat. Yang terbesar yang berjalan baik ialah Qwen3.6 35B A3B.

Bolehkah M4 Max dengan 36 GB menjalankan Llama 3.3 70B?

Ya, tetapi perlahan: 2-bit (kualiti lebih rendah), kira-kira 8–15 token sesaat.

Sepantas mana gpt-oss-20b pada M4 Max?

Kira-kira 97–173 token sesaat (4.25-bit asli), daripada lebar jalur memori cip sebanyak 410 GB/s.

LLM apa yang boleh dijalankan M4 Max 36 GB? Model dan kelajuan

Berjalan baik 40

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

Model	Versi	Memori	Token/s
Qwen3.8 27B27B · Kecerdasan 33.7	4-bit	15.2 GB	12–22
Qwen3.6 35B A3B35B · 3B aktif · Kecerdasan 18.2	4-bit	19.7 GB	109–193
Muse Glimmer 30B29.6B · Kecerdasan 17.5	4-bit	16.7 GB	11–20
Gemma 4 31B30.7B · Kecerdasan 14.7	4-bit	17.3 GB	11–19
Nemotron 3.5 Lightning 30B A3B30B · 3B aktif · Kecerdasan 12.9	6-bit	24.4 GB	77–137
Granite 4.2 30B30B · Kecerdasan 12.7	4-bit	16.9 GB	11–19
MiniCPM5 2B2.52B · Kecerdasan 12.5	8-bit	2.7 GB	68–121
Qwen3.5 9B9B · Kecerdasan 11.2	8-bit	9.6 GB	19–34
Granite 4.2 8B8B · Kecerdasan 11.1	8-bit	8.5 GB	22–39
Granite 4.2 3B3B · Kecerdasan 9.1	8-bit	3.2 GB	58–103
gpt-oss-20b21B · 3.6B aktif · Kecerdasan 9	4.25-bit asli	13.8 GB	97–173
Nemotron 3 Nano 30B A3B30B · 3.5B aktif · Kecerdasan 8.9	6-bit	24.4 GB	66–117
Gemma 4 E4B8B · Kecerdasan 8.9	8-bit	8.5 GB	38–68
Ministral 3 8B8.9B · Kecerdasan 5.5	8-bit	9.5 GB	19–35
Nemotron 3 Nano 4B3.97B · Kecerdasan 4.8	8-bit	4.2 GB	44–78
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B aktif	6-bit	24.8 GB	68–121
GLM-4.7 Flash30B · 3B aktif	6-bit	24.4 GB	77–137
Qwen3.6 27B27B	4-bit	15.2 GB	12–22
Gemma 4 26B A4B25.2B · 3.8B aktif	6-bit	20.5 GB	60–106
Devstral Small 2 (24B)24B	4-bit	13.5 GB	14–24
Magistral Small 1.2 (2509)24B	4-bit	13.5 GB	14–24
Mistral Small 3.2 (24B)24B	4-bit	13.5 GB	14–24
LFM2.5 24B A2B24B · 2B aktif	6-bit	19.5 GB	115–205
Phi-4 Reasoning Vision 15B15B	8-bit	15.9 GB	12–21
Phi-4 (14B)14B	8-bit	14.9 GB	12–22
Gemma 4 12B Unified12B	8-bit	12.7 GB	15–26
Qwen3 8B8.2B	8-bit	8.7 GB	21–38
Llama 3.1 8B Instruct8B	8-bit	8.5 GB	22–39
Gemma 4 E2B5.1B	8-bit	5.4 GB	77–137
Qwen3.5 4B4B	8-bit	4.3 GB	43–76
Phi-4 mini instruct3.8B	8-bit	4 GB	46–82
Llama 3.2 3B Instruct3.21B	8-bit	3.4 GB	54–96
SmolLM3 3B3B	8-bit	3.2 GB	58–103
LFM2.5 2.6B2.69B	8-bit	2.9 GB	64–113
Qwen3.5 2B2B	8-bit	2.1 GB	88–156
Llama 3.2 1B Instruct1.23B	8-bit	1.3 GB	142–252
Qwen3.5 0.8B0.8B	8-bit	0.9 GB	205–364
Qwen3 0.6B0.6B	8-bit	0.6 GB	308–547
Nemotron 3.5 Bolt 74B A9B74B · 9B aktif · Kecerdasan 21.4	2-bit kualiti lebih rendah	23.1 GB	66–117
Qwen3 Coder Next80B · 3B aktif · Kecerdasan 9.2	2-bit kualiti lebih rendah	25 GB	205–364

Berjalan, tetapi perlahan 1

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

Model	Versi	Memori	Token/s
Llama 3.3 70B Instruct70B	2-bit kualiti lebih rendah	21.9 GB	8–15

Mac lain

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

M4 Max dengan memori lebih atau kurang:

Cip berdekatan:

Bersemuka:

Lawan PC dan kad grafik:

Bandingkan dengan mana-mana Mac atau GPU · M4 Max untuk AI tempatan · Mac terbaik untuk LLM tempatan · Semua Mac

Soalan

Apakah LLM terbaik untuk M4 Max dengan 36 GB?: Antara model yang mempunyai skor Intelligence Index yang diterbitkan, Qwen3.8 27B mendapat skor tertinggi dalam kalangan yang berjalan baik di sini: 4-bit, kira-kira 12–22 token sesaat. Yang terbesar yang berjalan baik ialah Qwen3.6 35B A3B.
Bolehkah M4 Max dengan 36 GB menjalankan Llama 3.3 70B?: Ya, tetapi perlahan: 2-bit (kualiti lebih rendah), kira-kira 8–15 token sesaat.
Sepantas mana gpt-oss-20b pada M4 Max?: Kira-kira 97–173 token sesaat (4.25-bit asli), daripada lebar jalur memori cip sebanyak 410 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.

Apa yang boleh dijalankan M4 Max dengan 36 GB?