Zaloguj sięUtwórz portfel

Najlepsze LLM dla Maca z 512 GB.

61 z 73 otwartych modeli działa dobrze w 512 GB. GPU może domyślnie używać około 384 GB. Szybkość zależy od układu: od 819 GB/s w M3 Ultra do 1200 GB/s w M5 Ultra.

Najmądrzejszy z dobrze działającychDeepSeek V4.1 Flash 10174-bit · 311 GB · 41–107 tok/sNajwiększy z dobrze działającychDeepSeek V4.1 Flash 10174-bit · 311 GB · 41–107 tok/sDo koduQwen3 Coder Next8-bit · 85 GB · 115–300 tok/s

Maki z 512 GB

Układy M3–M5 z 512 GB: 2. Otwórz dowolny, by zobaczyć jego listę i szybkości.

Działają dobrze 68

Mieści się z zapasem na kontekst, 10 lub więcej tokenów na sekundę na M5 Ultra.

ModelWersjaPamięćM3 UltraM5 Ultra
DeepSeek V4.1 Flash 1017552B · aktywne: 16B · Inteligencja 45,14-bit311 GB41–7360–107
GLM-5.3 Flash320B · aktywne: 18B · Inteligencja 41,88-bit340 GB19–3428–50
Qwen3.8 Flash Next180B · aktywne: 6B · Inteligencja 39,88-bit191 GB58–10284–150
MiMo V2.6 Flash309B · aktywne: 15B · Inteligencja 37,9natywnie 4,48-bit173 GB44–7864–114
Qwen3.8 27B27B · Inteligencja 33,78-bit28,7 GB13–2319–33
Beam 1.0501B · aktywne: 23B · Inteligencja 30,34-bit282 GB29–5142–74
MiniMax M3428B · aktywne: 23B · Inteligencja 29,26-bit348 GB20–3529–51
Inkling Small276B · aktywne: 12B · Inteligencja 25,78-bit293 GB29–5142–75
Hy3295B · aktywne: 21B · Inteligencja 25,38-bit313 GB17–2924–43
Nemotron 3 Ultra 550B A55B550B · aktywne: 55B · Inteligencja 22,94-bit309 GB12–2117–31
Nemotron 3.5 Bolt 74B A9B74B · aktywne: 9B · Inteligencja 21,48-bit78,6 GB38–6856–100
Qwen3.5 397B A17B397B · aktywne: 17B · Inteligencja 18,46-bit323 GB27–4739–70
Qwen3.6 35B A3B35B · aktywne: 3B · Inteligencja 18,28-bit37,2 GB115–205169–300
Muse Glimmer 30B29,6B · Inteligencja 17,58-bit31,5 GB12–2117–30
Qwen3.5 122B A10B122B · aktywne: 10B · Inteligencja 15,68-bit130 GB35–6251–91
Gemma 4 31B30,7B · Inteligencja 14,78-bit32,6 GB11–2017–29
Nemotron 3.5 Lightning 30B A3B30B · aktywne: 3B · Inteligencja 12,98-bit31,9 GB115–205169–300
Granite 4.2 30B30B · Inteligencja 12,78-bit31,9 GB12–2117–30
MiniCPM5 2B2,52B · Inteligencja 12,58-bit2,7 GB137–243200–356
gpt-oss-120b117B · aktywne: 5,1B · Inteligencja 11,6natywnie 4,25-bit65,3 GB137–243200–356
Mistral Small 4 (119B)119B · aktywne: 6,5B · Inteligencja 11,38-bit126 GB53–9578–139
Qwen3.5 9B9B · Inteligencja 11,28-bit9,6 GB38–6856–100
Granite 4.2 8B8B · Inteligencja 11,18-bit8,5 GB43–7764–113
Llama 4 Maverick 17B-128E Instruct400B · aktywne: 17B · Inteligencja 9,36-bit325 GB27–4739–70
Qwen3 Coder Next80B · aktywne: 3B · Inteligencja 9,28-bit85 GB115–205169–300
Granite 4.2 3B3B · Inteligencja 9,18-bit3,2 GB115–205169–300
gpt-oss-20b21B · aktywne: 3,6B · Inteligencja 9natywnie 4,25-bit13,8 GB194–345284–505
Nemotron 3 Nano 30B A3B30B · aktywne: 3,5B · Inteligencja 8,98-bit31,9 GB100–177146–259
Gemma 4 E4B8B · Inteligencja 8,98-bit8,5 GB77–137113–200
Llama 4 Scout 17B-16E Instruct109B · aktywne: 17B · Inteligencja 6,58-bit116 GB20–3630–53
Ministral 3 8B8,9B · Inteligencja 5,58-bit9,5 GB39–6957–101
Nemotron 3 Nano 4B3,97B · Inteligencja 4,88-bit4,2 GB88–156129–229
DeepSeek V4 Flash 0731284B · aktywne: 13B8-bit302 GB27–4739–70
MiniMax M2.7230B · aktywne: 10B8-bit244 GB35–6251–91
Ornith 1.5 122B122B · aktywne: 10B8-bit130 GB35–6251–91
Nemotron 3 Super 120B A12B120B · aktywne: 12B8-bit128 GB29–5142–75
GLM-4.5 Air106B · aktywne: 12B8-bit113 GB29–5142–75
Llama 3.3 70B Instruct70B4-bit39,4 GB5–914–24
Qwen3 Coder 30B A3B Instruct30,5B · aktywne: 3,3B8-bit32,4 GB105–187154–274
GLM-4.7 Flash30B · aktywne: 3B8-bit31,9 GB115–205169–300
Qwen3.6 27B27B8-bit28,7 GB13–2319–33
Gemma 4 26B A4B25,2B · aktywne: 3,8B8-bit26,8 GB92–164135–240
Devstral Small 2 (24B)24B8-bit25,5 GB14–2621–38
Magistral Small 1.2 (2509)24B8-bit25,5 GB14–2621–38
Mistral Small 3.2 (24B)24B8-bit25,5 GB14–2621–38
LFM2.5 24B A2B24B · aktywne: 2B8-bit25,5 GB176–312257–457
Phi-4 Reasoning Vision 15B15B8-bit15,9 GB23–4134–60
Phi-4 (14B)14B8-bit14,9 GB25–4436–64
Gemma 4 12B Unified12B8-bit12,7 GB29–5243–76
Qwen3 8B8,2B8-bit8,7 GB42–7562–110
Llama 3.1 8B Instruct8B8-bit8,5 GB43–7764–113
Gemma 4 E2B5,1B8-bit5,4 GB154–273225–400
Qwen3.5 4B4B8-bit4,3 GB86–152126–223
Phi-4 mini instruct3,8B8-bit4 GB92–164135–240
Llama 3.2 3B Instruct3,21B8-bit3,4 GB108–193159–282
SmolLM3 3B3B8-bit3,2 GB115–205169–300
LFM2.5 2.6B2,69B8-bit2,9 GB127–226186–331
Qwen3.5 2B2B8-bit2,1 GB176–312257–457
Llama 3.2 1B Instruct1,23B8-bit1,3 GB284–504415–738
Qwen3.5 0.8B0,8B8-bit0,9 GB410–728600–1067
Qwen3 0.6B0,6B8-bit0,6 GB614–1092900–1600
MiMo V2.6 Pro1020B · aktywne: 42B · Inteligencja 46,32-bit niższa jakość319 GB28–5041–73
GLM-5.3744B · aktywne: 40B · Inteligencja 44,83-bit niższa jakość326 GB21–3731–55
Muse Spark Open816B · aktywne: 42B · Inteligencja 38,92-bit niższa jakość255 GB28–5041–73
Kimi K2.7 Code1000B · aktywne: 32B · Inteligencja 25,82-bit niższa jakość313 GB37–6654–96
Inkling975B · aktywne: 41B · Inteligencja 252-bit niższa jakość305 GB29–5142–75
Kimi K2.61000B · aktywne: 32B2-bit niższa jakość313 GB37–6654–96
Mistral Large 3 (675B)675B · aktywne: 41B3-bit niższa jakość295 GB21–3730–54

Działają, ale wolno 2

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

ModelWersjaPamięćM3 UltraM5 Ultra
Mistral Medium 3.5 (128B)128B · Inteligencja 14,28-bit136 GB3–54–7
Devstral 2 (123B)123B8-bit131 GB3–54–7

Za duże 3

Potrzebuje więcej niż 512 GB pamięci, nawet przy 2 bitach.

Pytania

Jaki LLM jest najlepszy dla Maca z 512 GB?
Spośród modeli z opublikowanym Intelligence Index najwyżej ocenianym z tych, które działają dobrze w 512 GB, jest DeepSeek V4.1 Flash 1017 (4-bit). Do kodu: Qwen3 Coder Next.
Czy 512 GB wystarczy do lokalnej AI na Macu?
61 z 73 otwartych modeli z tej listy działa w tej pamięci dobrze przy 4 bitach lub więcej. macOS domyślnie pozwala GPU używać około 384 GB; model i jego kontekst muszą się w tym zmieścić.
Czy Mac z 512 GB uruchomi gpt-oss-20b?
Tak, natywnie 4,25-bit: około 194–345 tokenów na sekundę na M3 Ultra i 284–505 na M5 Ultra.

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 lokalne LLM dla Maca z 512 GB (M3–M5): co działa