Działają dobrze 51
Mieści się z zapasem na kontekst, 10 lub więcej tokenów na sekundę.
| Model | Wersja | Pamięć | Tokeny/s |
|---|---|---|---|
| Qwen3.8 27B27B · Inteligencja 33,7 | 8-bit | 28,7 GB | 19–33 |
| Nemotron 3.5 Bolt 74B A9B74B · aktywne: 9B · Inteligencja 21,4 | 6-bit | 60,1 GB | 74–132 |
| Qwen3.6 35B A3B35B · aktywne: 3B · Inteligencja 18,2 | 8-bit | 37,2 GB | 169–300 |
| Muse Glimmer 30B29,6B · Inteligencja 17,5 | 8-bit | 31,5 GB | 17–30 |
| Gemma 4 31B30,7B · Inteligencja 14,7 | 8-bit | 32,6 GB | 17–29 |
| Nemotron 3.5 Lightning 30B A3B30B · aktywne: 3B · Inteligencja 12,9 | 8-bit | 31,9 GB | 169–300 |
| Granite 4.2 30B30B · Inteligencja 12,7 | 8-bit | 31,9 GB | 17–30 |
| MiniCPM5 2B2,52B · Inteligencja 12,5 | 8-bit | 2,7 GB | 200–356 |
| gpt-oss-120b117B · aktywne: 5,1B · Inteligencja 11,6 | natywnie 4,25-bit | 65,3 GB | 200–356 |
| Qwen3.5 9B9B · Inteligencja 11,2 | 8-bit | 9,6 GB | 56–100 |
| Granite 4.2 8B8B · Inteligencja 11,1 | 8-bit | 8,5 GB | 64–113 |
| Qwen3 Coder Next80B · aktywne: 3B · Inteligencja 9,2 | 6-bit | 65 GB | 225–400 |
| Granite 4.2 3B3B · Inteligencja 9,1 | 8-bit | 3,2 GB | 169–300 |
| gpt-oss-20b21B · aktywne: 3,6B · Inteligencja 9 | natywnie 4,25-bit | 13,8 GB | 284–505 |
| Nemotron 3 Nano 30B A3B30B · aktywne: 3,5B · Inteligencja 8,9 | 8-bit | 31,9 GB | 146–259 |
| Gemma 4 E4B8B · Inteligencja 8,9 | 8-bit | 8,5 GB | 113–200 |
| Llama 4 Scout 17B-16E Instruct109B · aktywne: 17B · Inteligencja 6,5 | 4-bit | 61,3 GB | 56–100 |
| Ministral 3 8B8,9B · Inteligencja 5,5 | 8-bit | 9,5 GB | 57–101 |
| Nemotron 3 Nano 4B3,97B · Inteligencja 4,8 | 8-bit | 4,2 GB | 129–229 |
| GLM-4.5 Air106B · aktywne: 12B | 4-bit | 59,6 GB | 79–141 |
| Llama 3.3 70B Instruct70B | 4-bit | 39,4 GB | 14–24 |
| Qwen3 Coder 30B A3B Instruct30,5B · aktywne: 3,3B | 8-bit | 32,4 GB | 154–274 |
| GLM-4.7 Flash30B · aktywne: 3B | 8-bit | 31,9 GB | 169–300 |
| Qwen3.6 27B27B | 8-bit | 28,7 GB | 19–33 |
| Gemma 4 26B A4B25,2B · aktywne: 3,8B | 8-bit | 26,8 GB | 135–240 |
| Devstral Small 2 (24B)24B | 8-bit | 25,5 GB | 21–38 |
| Magistral Small 1.2 (2509)24B | 8-bit | 25,5 GB | 21–38 |
| Mistral Small 3.2 (24B)24B | 8-bit | 25,5 GB | 21–38 |
| LFM2.5 24B A2B24B · aktywne: 2B | 8-bit | 25,5 GB | 257–457 |
| Phi-4 Reasoning Vision 15B15B | 8-bit | 15,9 GB | 34–60 |
| Phi-4 (14B)14B | 8-bit | 14,9 GB | 36–64 |
| Gemma 4 12B Unified12B | 8-bit | 12,7 GB | 43–76 |
| Qwen3 8B8,2B | 8-bit | 8,7 GB | 62–110 |
| Llama 3.1 8B Instruct8B | 8-bit | 8,5 GB | 64–113 |
| Gemma 4 E2B5,1B | 8-bit | 5,4 GB | 225–400 |
| Qwen3.5 4B4B | 8-bit | 4,3 GB | 126–223 |
| Phi-4 mini instruct3,8B | 8-bit | 4 GB | 135–240 |
| Llama 3.2 3B Instruct3,21B | 8-bit | 3,4 GB | 159–282 |
| SmolLM3 3B3B | 8-bit | 3,2 GB | 169–300 |
| LFM2.5 2.6B2,69B | 8-bit | 2,9 GB | 186–331 |
| Qwen3.5 2B2B | 8-bit | 2,1 GB | 257–457 |
| Llama 3.2 1B Instruct1,23B | 8-bit | 1,3 GB | 415–738 |
| Qwen3.5 0.8B0,8B | 8-bit | 0,9 GB | 600–1067 |
| Qwen3 0.6B0,6B | 8-bit | 0,6 GB | 900–1600 |
| Qwen3.8 Flash Next180B · aktywne: 6B · Inteligencja 39,8 | 2-bit niższa jakość | 56,3 GB | 284–505 |
| Qwen3.5 122B A10B122B · aktywne: 10B · Inteligencja 15,6 | 3-bit niższa jakość | 53,4 GB | 123–218 |
| Mistral Medium 3.5 (128B)128B · Inteligencja 14,2 | 3-bit niższa jakość | 56 GB | 10–17 |
| Mistral Small 4 (119B)119B · aktywne: 6,5B · Inteligencja 11,3 | 3-bit niższa jakość | 52,1 GB | 193–343 |
| Devstral 2 (123B)123B | 3-bit niższa jakość | 53,8 GB | 10–18 |
| Ornith 1.5 122B122B · aktywne: 10B | 3-bit niższa jakość | 53,4 GB | 123–218 |
| Nemotron 3 Super 120B A12B120B · aktywne: 12B | 3-bit niższa jakość | 52,5 GB | 102–181 |
Ledwo się mieszczą 1
Zajmuje prawie całą pamięć: podnieś limit pamięci GPU i trzymaj krótki kontekst.
| Model | Wersja | Pamięć | Tokeny/s |
|---|---|---|---|
| MiniMax M2.7230B · aktywne: 10B | 2-bit niższa jakość | 71,9 GB | 174–310 |
Za duże 21
Potrzebuje więcej niż 96 GB pamięci, nawet przy 2 bitach.
- MiMo V2.6 Pro1020B
- Kimi K32800B
- MiMo V2.6 Flash309B
- Kimi K2.7 Code1000B
- Kimi K2.61000B
- DeepSeek V4.1 Flash 1017552B
- GLM-5.3744B
- GLM-5.3 Flash320B
- Qwen3.8 2.4T A95B2400B
- Muse Spark Open816B
- DeepSeek V4 Pro 08131600B
- Beam 1.0501B
- MiniMax M3428B
- Inkling Small276B
- Hy3295B
- Inkling975B
- Nemotron 3 Ultra 550B A55B550B
- Qwen3.5 397B A17B397B
- Llama 4 Maverick 17B-128E Instruct400B
- Mistral Large 3 (675B)675B
- DeepSeek V4 Flash 0731284B
Inne Maki
Każdy Mac z 96 GB, z dowolnym układem.
M5 Ultra z większą lub mniejszą pamięcią:
Sąsiednie układy:
Bezpośrednio:
Przeciw komputerom PC i kartom graficznym:
Porównaj z dowolnym Makiem lub GPU · M5 Ultra do lokalnej AI · Najlepszy Mac do lokalnych LLM · Wszystkie Maki
Pytania
- Jaki LLM jest najlepszy dla M5 Ultra z 96 GB?
- Spośród modeli z opublikowanym Intelligence Index najwyżej ocenianym z tych, które działają tu dobrze, jest Qwen3.8 27B: 8-bit, około 19–33 tokenów na sekundę. Największy z dobrze działających to gpt-oss-120b.
- Czy M5 Ultra z 96 GB uruchomi Llama 3.3 70B?
- Tak: 4-bit, około 14–24 tokenów na sekundę.
- Jak szybko działa gpt-oss-20b na M5 Ultra?
- Około 284–505 tokenów na sekundę (natywnie 4,25-bit), przy przepustowości pamięci układu 1200 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.