Jaki LLM jest najlepszy dla Maca z 32 GB?

Spośród modeli z opublikowanym Intelligence Index najwyżej ocenianym z tych, które działają dobrze w 32 GB, jest Qwen3.8 27B (4-bit). Największy z dobrze działających to Qwen3.6 35B A3B. Do kodu: Qwen3 Coder 30B A3B Instruct.

Czy 32 GB wystarczy do lokalnej AI na Macu?

38 z 73 otwartych modeli z tej listy działa w tej pamięci dobrze przy 4 bitach lub więcej. macOS domyślnie pozwala GPU używać około 24 GB; model i jego kontekst muszą się w tym zmieścić.

Czy Mac z 32 GB uruchomi gpt-oss-20b?

Tak, natywnie 4,25-bit: około 28–51 tokenów na sekundę na M4 i 95–168 na M1 Max.

Najlepsze lokalne LLM dla Maca z 32 GB (M1

Maki z 32 GB

Układy M1–M6 z 32 GB: 7. Otwórz dowolny, by zobaczyć jego listę i szybkości.

Działają dobrze 38

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

Model	Wersja	Pamięć	M4	M1 Max
Qwen3.8 27B27B · Inteligencja 33,7	4-bit	15,2 GB	2–4	12–21
Qwen3.6 35B A3B35B · aktywne: 3B · Inteligencja 18,2	4-bit	19,7 GB	32–56	106–188
Muse Glimmer 30B29,6B · Inteligencja 17,5	4-bit	16,7 GB	3–6	11–19
Gemma 4 31B30,7B · Inteligencja 14,7	4-bit	17,3 GB	3–6	10–18
Nemotron 3.5 Lightning 30B A3B30B · aktywne: 3B · Inteligencja 12,9	4-bit	16,9 GB	32–56	106–188
Granite 4.2 30B30B · Inteligencja 12,7	4-bit	16,9 GB	3–6	11–19
MiniCPM5 2B2,52B · Inteligencja 12,5	8-bit	2,7 GB	20–36	67–119
Qwen3.5 9B9B · Inteligencja 11,2	8-bit	9,6 GB	11–19	19–33
Granite 4.2 8B8B · Inteligencja 11,1	8-bit	8,5 GB	12–21	21–38
Granite 4.2 3B3B · Inteligencja 9,1	8-bit	3,2 GB	17–30	56–100
gpt-oss-20b21B · aktywne: 3,6B · Inteligencja 9	natywnie 4,25-bit	13,8 GB	28–51	95–168
Nemotron 3 Nano 30B A3B30B · aktywne: 3,5B · Inteligencja 8,9	4-bit	16,9 GB	27–48	90–160
Gemma 4 E4B8B · Inteligencja 8,9	8-bit	8,5 GB	11–20	38–67
Ministral 3 8B8,9B · Inteligencja 5,5	8-bit	9,5 GB	11–19	19–34
Nemotron 3 Nano 4B3,97B · Inteligencja 4,8	8-bit	4,2 GB	13–23	43–76
Qwen3 Coder 30B A3B Instruct30,5B · aktywne: 3,3B	4-bit	17,2 GB	28–51	95–168
GLM-4.7 Flash30B · aktywne: 3B	4-bit	16,9 GB	32–56	106–188
Qwen3.6 27B27B	4-bit	15,2 GB	2–4	12–21
Gemma 4 26B A4B25,2B · aktywne: 3,8B	6-bit	20,5 GB	17–31	58–103
Devstral Small 2 (24B)24B	4-bit	13,5 GB	3–5	13–24
Magistral Small 1.2 (2509)24B	4-bit	13,5 GB	3–5	13–24
Mistral Small 3.2 (24B)24B	4-bit	13,5 GB	3–5	13–24
LFM2.5 24B A2B24B · aktywne: 2B	6-bit	19,5 GB	34–60	113–200
Phi-4 Reasoning Vision 15B15B	8-bit	15,9 GB	3–6	11–20
Phi-4 (14B)14B	8-bit	14,9 GB	4–6	12–21
Gemma 4 12B Unified12B	8-bit	12,7 GB	4–8	14–25
Qwen3 8B8,2B	8-bit	8,7 GB	12–21	21–37
Llama 3.1 8B Instruct8B	8-bit	8,5 GB	12–21	21–38
Gemma 4 E2B5,1B	8-bit	5,4 GB	23–40	75–133
Qwen3.5 4B4B	8-bit	4,3 GB	13–22	42–74
Phi-4 mini instruct3,8B	8-bit	4 GB	14–24	45–80
Llama 3.2 3B Instruct3,21B	8-bit	3,4 GB	16–28	53–94
SmolLM3 3B3B	8-bit	3,2 GB	17–30	56–100
LFM2.5 2.6B2,69B	8-bit	2,9 GB	19–33	62–110
Qwen3.5 2B2B	8-bit	2,1 GB	26–46	86–152
Llama 3.2 1B Instruct1,23B	8-bit	1,3 GB	42–74	138–246
Qwen3.5 0.8B0,8B	8-bit	0,9 GB	60–107	200–356
Qwen3 0.6B0,6B	8-bit	0,6 GB	90–160	300–533

Działają, ale wolno 1

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

Model	Wersja	Pamięć	M4	M1 Max
Llama 3.3 70B Instruct70B	2-bit niższa jakość	21,9 GB	2–4	8–15

Ledwo się mieszczą 2

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

Model	Wersja	Pamięć	M4	M1 Max
Nemotron 3.5 Bolt 74B A9B74B · aktywne: 9B · Inteligencja 21,4	2-bit niższa jakość	23,1 GB	19–34	64–114
Qwen3 Coder Next80B · aktywne: 3B · Inteligencja 9,2	2-bit niższa jakość	25 GB	60–107	200–356

Pytania

Jaki LLM jest najlepszy dla Maca z 32 GB?: Spośród modeli z opublikowanym Intelligence Index najwyżej ocenianym z tych, które działają dobrze w 32 GB, jest Qwen3.8 27B (4-bit). Największy z dobrze działających to Qwen3.6 35B A3B. Do kodu: Qwen3 Coder 30B A3B Instruct.
Czy 32 GB wystarczy do lokalnej AI na Macu?: 38 z 73 otwartych modeli z tej listy działa w tej pamięci dobrze przy 4 bitach lub więcej. macOS domyślnie pozwala GPU używać około 24 GB; model i jego kontekst muszą się w tym zmieścić.
Czy Mac z 32 GB uruchomi gpt-oss-20b?: Tak, natywnie 4,25-bit: około 28–51 tokenów na sekundę na M4 i 95–168 na M1 Max.

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 32 GB.