Jaki LLM jest najlepszy dla Maca z 64 GB?

Spośród modeli z opublikowanym Intelligence Index najwyżej ocenianym z tych, które działają dobrze w 64 GB, jest Qwen3.8 27B (8-bit). Największy z dobrze działających to Nemotron 3.5 Bolt 74B A9B. Do kodu: Qwen3 Coder 30B A3B Instruct.

Czy 64 GB wystarczy do lokalnej AI na Macu?

39 z 73 otwartych modeli z tej listy działa w tej pamięci dobrze przy 4 bitach lub więcej. macOS domyślnie pozwala GPU używać około 48 GB; model i jego kontekst muszą się w tym zmieścić.

Czy Mac z 64 GB uruchomi gpt-oss-20b?

Tak, natywnie 4,25-bit: około 65–115 tokenów na sekundę na M4 Pro i 189–337 na M1 Ultra.

Najlepsze lokalne LLM dla Maca z 64 GB (M1

Maki z 64 GB

Układy M1–M5 z 64 GB: 9. Otwórz dowolny, by zobaczyć jego listę i szybkości.

Działają dobrze 47

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

Model	Wersja	Pamięć	M4 Pro	M1 Ultra
Qwen3.8 27B27B · Inteligencja 33,7	8-bit	28,7 GB	4–8	13–22
Nemotron 3.5 Bolt 74B A9B74B · aktywne: 9B · Inteligencja 21,4	4-bit	41,6 GB	24–43	71–125
Qwen3.6 35B A3B35B · aktywne: 3B · Inteligencja 18,2	8-bit	37,2 GB	38–68	113–200
Muse Glimmer 30B29,6B · Inteligencja 17,5	8-bit	31,5 GB	4–7	11–20
Gemma 4 31B30,7B · Inteligencja 14,7	8-bit	32,6 GB	4–7	11–20
Nemotron 3.5 Lightning 30B A3B30B · aktywne: 3B · Inteligencja 12,9	8-bit	31,9 GB	38–68	113–200
Granite 4.2 30B30B · Inteligencja 12,7	8-bit	31,9 GB	4–7	11–20
MiniCPM5 2B2,52B · Inteligencja 12,5	8-bit	2,7 GB	45–81	133–237
Qwen3.5 9B9B · Inteligencja 11,2	8-bit	9,6 GB	13–23	38–67
Granite 4.2 8B8B · Inteligencja 11,1	8-bit	8,5 GB	14–26	42–75
Granite 4.2 3B3B · Inteligencja 9,1	8-bit	3,2 GB	38–68	113–200
gpt-oss-20b21B · aktywne: 3,6B · Inteligencja 9	natywnie 4,25-bit	13,8 GB	65–115	189–337
Nemotron 3 Nano 30B A3B30B · aktywne: 3,5B · Inteligencja 8,9	8-bit	31,9 GB	33–59	97–173
Gemma 4 E4B8B · Inteligencja 8,9	8-bit	8,5 GB	26–46	75–133
Ministral 3 8B8,9B · Inteligencja 5,5	8-bit	9,5 GB	13–23	38–67
Nemotron 3 Nano 4B3,97B · Inteligencja 4,8	8-bit	4,2 GB	29–52	86–152
Qwen3 Coder 30B A3B Instruct30,5B · aktywne: 3,3B	8-bit	32,4 GB	35–62	103–183
GLM-4.7 Flash30B · aktywne: 3B	8-bit	31,9 GB	38–68	113–200
Qwen3.6 27B27B	8-bit	28,7 GB	4–8	13–22
Gemma 4 26B A4B25,2B · aktywne: 3,8B	8-bit	26,8 GB	31–55	90–160
Devstral Small 2 (24B)24B	8-bit	25,5 GB	5–9	14–25
Magistral Small 1.2 (2509)24B	8-bit	25,5 GB	5–9	14–25
Mistral Small 3.2 (24B)24B	8-bit	25,5 GB	5–9	14–25
LFM2.5 24B A2B24B · aktywne: 2B	8-bit	25,5 GB	59–104	171–305
Phi-4 Reasoning Vision 15B15B	8-bit	15,9 GB	10–18	23–40
Phi-4 (14B)14B	8-bit	14,9 GB	11–19	24–43
Gemma 4 12B Unified12B	8-bit	12,7 GB	10–17	28–50
Qwen3 8B8,2B	8-bit	8,7 GB	14–25	41–74
Llama 3.1 8B Instruct8B	8-bit	8,5 GB	14–26	42–75
Gemma 4 E2B5,1B	8-bit	5,4 GB	51–91	150–267
Qwen3.5 4B4B	8-bit	4,3 GB	29–51	84–149
Phi-4 mini instruct3,8B	8-bit	4 GB	31–55	90–160
Llama 3.2 3B Instruct3,21B	8-bit	3,4 GB	36–64	106–188
SmolLM3 3B3B	8-bit	3,2 GB	38–68	113–200
LFM2.5 2.6B2,69B	8-bit	2,9 GB	42–75	124–221
Qwen3.5 2B2B	8-bit	2,1 GB	59–104	171–305
Llama 3.2 1B Instruct1,23B	8-bit	1,3 GB	95–168	277–492
Qwen3.5 0.8B0,8B	8-bit	0,9 GB	137–243	400–711
Qwen3 0.6B0,6B	8-bit	0,6 GB	205–364	600–1067
Qwen3.5 122B A10B122B · aktywne: 10B · Inteligencja 15,6	2-bit niższa jakość	38,1 GB	40–70	116–206
gpt-oss-120b117B · aktywne: 5,1B · Inteligencja 11,6	2-bit niższa jakość	36,6 GB	77–137	225–400
Mistral Small 4 (119B)119B · aktywne: 6,5B · Inteligencja 11,3	2-bit niższa jakość	37,2 GB	61–109	180–320
Qwen3 Coder Next80B · aktywne: 3B · Inteligencja 9,2	3-bit niższa jakość	35 GB	95–168	277–492
Llama 4 Scout 17B-16E Instruct109B · aktywne: 17B · Inteligencja 6,5	2-bit niższa jakość	34,1 GB	23–41	68–121
Ornith 1.5 122B122B · aktywne: 10B	2-bit niższa jakość	38,1 GB	40–70	116–206
Nemotron 3 Super 120B A12B120B · aktywne: 12B	2-bit niższa jakość	37,5 GB	32–57	95–168
GLM-4.5 Air106B · aktywne: 12B	2-bit niższa jakość	33,1 GB	32–57	95–168

Działają, ale wolno 3

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

Model	Wersja	Pamięć	M4 Pro	M1 Ultra
Llama 3.3 70B Instruct70B	4-bit	39,4 GB	3–6	9–16
Mistral Medium 3.5 (128B)128B · Inteligencja 14,2	2-bit niższa jakość	40 GB	3–5	9–16
Devstral 2 (123B)123B	2-bit niższa jakość	38,4 GB	3–6	9–17

Pytania

Jaki LLM jest najlepszy dla Maca z 64 GB?: Spośród modeli z opublikowanym Intelligence Index najwyżej ocenianym z tych, które działają dobrze w 64 GB, jest Qwen3.8 27B (8-bit). Największy z dobrze działających to Nemotron 3.5 Bolt 74B A9B. Do kodu: Qwen3 Coder 30B A3B Instruct.
Czy 64 GB wystarczy do lokalnej AI na Macu?: 39 z 73 otwartych modeli z tej listy działa w tej pamięci dobrze przy 4 bitach lub więcej. macOS domyślnie pozwala GPU używać około 48 GB; model i jego kontekst muszą się w tym zmieścić.
Czy Mac z 64 GB uruchomi gpt-oss-20b?: Tak, natywnie 4,25-bit: około 65–115 tokenów na sekundę na M4 Pro i 189–337 na M1 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 LLM dla Maca z 64 GB.