Działają dobrze 26
Mieści się z zapasem na kontekst, 10 lub więcej tokenów na sekundę.
| Model | Wersja | Pamięć | Tokeny/s |
|---|---|---|---|
| MiniCPM5 2B2,52B · Inteligencja 12,5 | 8-bit | 2,7 GB | 20–36 |
| Qwen3.5 9B9B · Inteligencja 11,2 | 4-bit | 5,1 GB | 11–19 |
| Granite 4.2 8B8B · Inteligencja 11,1 | 4-bit | 4,5 GB | 12–21 |
| Granite 4.2 3B3B · Inteligencja 9,1 | 8-bit | 3,2 GB | 17–30 |
| Gemma 4 E4B8B · Inteligencja 8,9 | 8-bit | 8,5 GB | 11–20 |
| Ministral 3 8B8,9B · Inteligencja 5,5 | 4-bit | 5 GB | 11–19 |
| Nemotron 3 Nano 4B3,97B · Inteligencja 4,8 | 8-bit | 4,2 GB | 13–23 |
| Qwen3 8B8,2B | 4-bit | 4,6 GB | 12–21 |
| Llama 3.1 8B Instruct8B | 4-bit | 4,5 GB | 12–21 |
| Gemma 4 E2B5,1B | 8-bit | 5,4 GB | 23–40 |
| Qwen3.5 4B4B | 8-bit | 4,3 GB | 13–22 |
| Phi-4 mini instruct3,8B | 8-bit | 4 GB | 14–24 |
| Llama 3.2 3B Instruct3,21B | 8-bit | 3,4 GB | 16–28 |
| SmolLM3 3B3B | 8-bit | 3,2 GB | 17–30 |
| LFM2.5 2.6B2,69B | 8-bit | 2,9 GB | 19–33 |
| Qwen3.5 2B2B | 8-bit | 2,1 GB | 26–46 |
| Llama 3.2 1B Instruct1,23B | 8-bit | 1,3 GB | 42–74 |
| Qwen3.5 0.8B0,8B | 8-bit | 0,9 GB | 60–107 |
| Qwen3 0.6B0,6B | 8-bit | 0,6 GB | 90–160 |
| Nemotron 3.5 Lightning 30B A3B30B · aktywne: 3B · Inteligencja 12,9 | 2-bit niższa jakość | 9,4 GB | 60–107 |
| gpt-oss-20b21B · aktywne: 3,6B · Inteligencja 9 | 3-bit niższa jakość | 9,2 GB | 34–60 |
| Nemotron 3 Nano 30B A3B30B · aktywne: 3,5B · Inteligencja 8,9 | 2-bit niższa jakość | 9,4 GB | 49–87 |
| Qwen3 Coder 30B A3B Instruct30,5B · aktywne: 3,3B | 2-bit niższa jakość | 9,5 GB | 54–96 |
| GLM-4.7 Flash30B · aktywne: 3B | 2-bit niższa jakość | 9,4 GB | 60–107 |
| Gemma 4 26B A4B25,2B · aktywne: 3,8B | 2-bit niższa jakość | 7,9 GB | 45–80 |
| LFM2.5 24B A2B24B · aktywne: 2B | 3-bit niższa jakość | 10,5 GB | 60–107 |
Działają, ale wolno 11
Mieści się, ale poniżej 10 tokenów na sekundę: dobre do pracy wsadowej, wolne do czatu.
| Model | Wersja | Pamięć | Tokeny/s |
|---|---|---|---|
| Phi-4 Reasoning Vision 15B15B | 4-bit | 8,4 GB | 6–11 |
| Phi-4 (14B)14B | 4-bit | 7,9 GB | 7–12 |
| Gemma 4 12B Unified12B | 6-bit | 9,7 GB | 6–10 |
| Qwen3.8 27B27B · Inteligencja 33,7 | 2-bit niższa jakość | 8,4 GB | 6–11 |
| Muse Glimmer 30B29,6B · Inteligencja 17,5 | 2-bit niższa jakość | 9,3 GB | 6–10 |
| Gemma 4 31B30,7B · Inteligencja 14,7 | 2-bit niższa jakość | 9,6 GB | 6–10 |
| Granite 4.2 30B30B · Inteligencja 12,7 | 2-bit niższa jakość | 9,4 GB | 6–10 |
| Qwen3.6 27B27B | 2-bit niższa jakość | 8,4 GB | 6–11 |
| Devstral Small 2 (24B)24B | 3-bit niższa jakość | 10,5 GB | 5–9 |
| Magistral Small 1.2 (2509)24B | 3-bit niższa jakość | 10,5 GB | 5–9 |
| Mistral Small 3.2 (24B)24B | 3-bit niższa jakość | 10,5 GB | 5–9 |
Ledwo się mieszczą 1
Zajmuje prawie całą pamięć: podnieś limit pamięci GPU i trzymaj krótki kontekst.
| Model | Wersja | Pamięć | Tokeny/s |
|---|---|---|---|
| Qwen3.6 35B A3B35B · aktywne: 3B · Inteligencja 18,2 | 2-bit niższa jakość | 10,9 GB | 60–107 |
Za duże 35
Potrzebuje więcej niż 16 GB pamięci, nawet przy 2 bitach.
- MiMo V2.6 Pro1020B
- Kimi K32800B
- MiMo V2.6 Flash309B
- Kimi K2.7 Code1000B
- gpt-oss-120b117B
- Kimi K2.61000B
- DeepSeek V4.1 Flash 1017552B
- GLM-5.3744B
- GLM-5.3 Flash320B
- Qwen3.8 2.4T A95B2400B
- Qwen3.8 Flash Next180B
- Muse Spark Open816B
- DeepSeek V4 Pro 08131600B
- Beam 1.0501B
- MiniMax M3428B
- Inkling Small276B
- Hy3295B
- Inkling975B
- Nemotron 3 Ultra 550B A55B550B
- Nemotron 3.5 Bolt 74B A9B74B
- Qwen3.5 397B A17B397B
- Qwen3.5 122B A10B122B
- Mistral Medium 3.5 (128B)128B
- Mistral Small 4 (119B)119B
- Llama 4 Maverick 17B-128E Instruct400B
- Qwen3 Coder Next80B
- Llama 4 Scout 17B-16E Instruct109B
- Mistral Large 3 (675B)675B
- DeepSeek V4 Flash 0731284B
- MiniMax M2.7230B
- Devstral 2 (123B)123B
- Ornith 1.5 122B122B
- Nemotron 3 Super 120B A12B120B
- GLM-4.5 Air106B
- Llama 3.3 70B Instruct70B
Inne Maki
Każdy Mac z 16 GB, z dowolnym układem.
M4 z większą lub mniejszą pamięcią:
Sąsiednie układy:
Bezpośrednio:
Porównaj z dowolnym Makiem lub GPU · M4 do lokalnej AI · Najlepszy Mac do lokalnych LLM · Wszystkie Maki
Pytania
- Jaki LLM jest najlepszy dla M4 z 16 GB?
- Spośród modeli z opublikowanym Intelligence Index najwyżej ocenianym z tych, które działają tu dobrze, jest MiniCPM5 2B: 8-bit, około 20–36 tokenów na sekundę. Największy z dobrze działających to Qwen3.5 9B.
- Czy M4 z 16 GB uruchomi Llama 3.3 70B?
- Nie: nawet przy 2 bitach potrzebuje więcej niż 12 GB, których GPU może domyślnie używać.
- Jak szybko działa gpt-oss-20b na M4?
- Około 34–60 tokenów na sekundę (3-bit), przy przepustowości pamięci układu 120 GB/s.
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.