Jaki LLM jest najlepszy dla Maca z 16 GB?

Spośród modeli z opublikowanym Intelligence Index najwyżej ocenianym z tych, które działają dobrze w 16 GB, jest MiniCPM5 2B (8-bit). Największy z dobrze działających to Phi-4 Reasoning Vision 15B.

Czy 16 GB wystarczy do lokalnej AI na Macu?

22 z 73 otwartych modeli z tej listy działa w tej pamięci dobrze przy 4 bitach lub więcej. macOS domyślnie pozwala GPU używać około 12 GB; model i jego kontekst muszą się w tym zmieścić.

Czy Mac z 16 GB uruchomi gpt-oss-20b?

Tak, 3-bit: około 19–34 tokenów na sekundę na M1 i 56–100 na M1 Pro.

Najlepsze lokalne LLM dla Maca z 16 GB (M1

Maki z 16 GB

Układy M1–M6 z 16 GB: 8. Otwórz dowolny, by zobaczyć jego listę i szybkości.

Działają dobrze 33

Mieści się z zapasem na kontekst, 10 lub więcej tokenów na sekundę na M1 Pro.

Model	Wersja	Pamięć	M1	M1 Pro
MiniCPM5 2B2,52B · Inteligencja 12,5	8-bit	2,7 GB	11–20	33–59
Qwen3.5 9B9B · Inteligencja 11,2	6-bit	7,3 GB	3–6	12–22
Granite 4.2 8B8B · Inteligencja 11,1	8-bit	8,5 GB	4–6	11–19
Granite 4.2 3B3B · Inteligencja 9,1	8-bit	3,2 GB	10–17	28–50
Gemma 4 E4B8B · Inteligencja 8,9	8-bit	8,5 GB	12–22	19–33
Ministral 3 8B8,9B · Inteligencja 5,5	6-bit	7,2 GB	3–6	13–22
Nemotron 3 Nano 4B3,97B · Inteligencja 4,8	8-bit	4,2 GB	10–17	21–38
Phi-4 Reasoning Vision 15B15B	4-bit	8,4 GB	4–6	11–19
Phi-4 (14B)14B	4-bit	7,9 GB	4–7	11–20
Gemma 4 12B Unified12B	4-bit	6,7 GB	3–6	13–24
Qwen3 8B8,2B	8-bit	8,7 GB	4–6	10–18
Llama 3.1 8B Instruct8B	8-bit	8,5 GB	4–6	11–19
Gemma 4 E2B5,1B	8-bit	5,4 GB	13–23	38–67
Qwen3.5 4B4B	8-bit	4,3 GB	13–24	21–37
Phi-4 mini instruct3,8B	8-bit	4 GB	10–18	23–40
Llama 3.2 3B Instruct3,21B	8-bit	3,4 GB	12–21	26–47
SmolLM3 3B3B	8-bit	3,2 GB	10–17	28–50
LFM2.5 2.6B2,69B	8-bit	2,9 GB	11–19	31–55
Qwen3.5 2B2B	8-bit	2,1 GB	15–26	43–76
Llama 3.2 1B Instruct1,23B	8-bit	1,3 GB	24–42	69–123
Qwen3.5 0.8B0,8B	8-bit	0,9 GB	34–60	100–178
Qwen3 0.6B0,6B	8-bit	0,6 GB	51–91	150–267
Qwen3.8 27B27B · Inteligencja 33,7	2-bit niższa jakość	8,4 GB	4–6	11–19
Muse Glimmer 30B29,6B · Inteligencja 17,5	2-bit niższa jakość	9,3 GB	3–6	10–17
Nemotron 3.5 Lightning 30B A3B30B · aktywne: 3B · Inteligencja 12,9	2-bit niższa jakość	9,4 GB	34–60	100–178
Granite 4.2 30B30B · Inteligencja 12,7	2-bit niższa jakość	9,4 GB	3–6	10–17
gpt-oss-20b21B · aktywne: 3,6B · Inteligencja 9	3-bit niższa jakość	9,2 GB	19–34	56–100
Nemotron 3 Nano 30B A3B30B · aktywne: 3,5B · Inteligencja 8,9	2-bit niższa jakość	9,4 GB	28–49	82–145
Qwen3 Coder 30B A3B Instruct30,5B · aktywne: 3,3B	2-bit niższa jakość	9,5 GB	31–54	90–160
GLM-4.7 Flash30B · aktywne: 3B	2-bit niższa jakość	9,4 GB	34–60	100–178
Qwen3.6 27B27B	2-bit niższa jakość	8,4 GB	4–6	11–19
Gemma 4 26B A4B25,2B · aktywne: 3,8B	2-bit niższa jakość	7,9 GB	26–45	75–133
LFM2.5 24B A2B24B · aktywne: 2B	3-bit niższa jakość	10,5 GB	34–60	100–178

Działają, ale wolno 4

Mieści się, ale poniżej 10 tokenów na sekundę: dobre do pracy wsadowej, wolne do czatu.

Model	Wersja	Pamięć	M1	M1 Pro
Gemma 4 31B30,7B · Inteligencja 14,7	2-bit niższa jakość	9,6 GB	3–6	9–17
Devstral Small 2 (24B)24B	3-bit niższa jakość	10,5 GB	3–5	9–15
Magistral Small 1.2 (2509)24B	3-bit niższa jakość	10,5 GB	3–5	9–15
Mistral Small 3.2 (24B)24B	3-bit niższa jakość	10,5 GB	3–5	9–15

Ledwo się mieszczą 1

Zajmuje prawie całą pamięć: podnieś limit pamięci GPU i trzymaj krótki kontekst.

Model	Wersja	Pamięć	M1	M1 Pro
Qwen3.6 35B A3B35B · aktywne: 3B · Inteligencja 18,2	2-bit niższa jakość	10,9 GB	34–60	100–178

Pytania

Jaki LLM jest najlepszy dla Maca z 16 GB?: Spośród modeli z opublikowanym Intelligence Index najwyżej ocenianym z tych, które działają dobrze w 16 GB, jest MiniCPM5 2B (8-bit). Największy z dobrze działających to Phi-4 Reasoning Vision 15B.
Czy 16 GB wystarczy do lokalnej AI na Macu?: 22 z 73 otwartych modeli z tej listy działa w tej pamięci dobrze przy 4 bitach lub więcej. macOS domyślnie pozwala GPU używać około 12 GB; model i jego kontekst muszą się w tym zmieścić.
Czy Mac z 16 GB uruchomi gpt-oss-20b?: Tak, 3-bit: około 19–34 tokenów na sekundę na M1 i 56–100 na M1 Pro.

Inne rozmiary: 8 GB · 16 GB · 18 GB · 24 GB · 32 GB · 36 GB · 48 GB · 64 GB · 96 GB · 128 GB · 192 GB · 256 GB · 512 GB

Uruchamiaj je w MLX Harness (za darmo, otwarte źródło) albo przez mlx-lm od Apple w Terminalu: krok po kroku.

Jak to liczymy

Pamięć: parametry modelu przy 8, 6, 4, 3 lub 2 bitach na wagę plus skale grup MLX (pół bita na wagę) albo jego natywny format, a do tego miejsce na kontekst. Domyślnie macOS pozwala GPU używać około 75% pamięci zunifikowanej. Szybkość: przepustowość pamięci podzielona przez liczbę bajtów odczytywanych na token to górna granica dla jednej rozmowy; w publicznych testach llama.cpp na Apple Silicon rzeczywiste uruchomienia osiągają od około 45% do 80% tej wartości i właśnie ten zakres pokazujemy. To szacunki, nie pomiary: zmierz swojego Maca w MLX Bench. Dane modeli pochodzą z oficjalnych kart modeli, dane układów ze specyfikacji technicznych Apple. Sprawdzono 2026-10-19. Te same dane co na mlx.app/compare.

Najlepsze LLM dla Maca z 16 GB.