| Model | Rozmiar | Przy 4 bitach | Najmniejszy Mac |
|---|---|---|---|
| Qwen3 0.6BQwen (Alibaba) | 0,6B | 1,8 GB | 8 GB |
| Qwen3.5 0.8BQwen (Alibaba) | 0,8B | 2 GB | 8 GB |
| Llama 3.2 1B InstructMeta | 1,23B | 2,2 GB | 8 GB |
| Qwen3.5 2BQwen (Alibaba) | 2B | 2,6 GB | 8 GB |
| MiniCPM5 2BOpenBMB | 2,52B | 2,9 GB | 8 GB |
| LFM2.5 2.6BLiquid AI | 2,69B | 3 GB | 8 GB |
| Granite 4.2 3BIBM | 3B | 3,2 GB | 8 GB |
| SmolLM3 3BHugging Face | 3B | 3,2 GB | 8 GB |
| Llama 3.2 3B InstructMeta | 3,21B | 3,3 GB | 8 GB |
| Phi-4 mini instructMicrosoft | 3,8B | 3,6 GB | 8 GB |
| Nemotron 3 Nano 4BNVIDIA | 3,97B | 3,7 GB | 8 GB |
| Qwen3.5 4BQwen (Alibaba) | 4B | 3,8 GB | 8 GB |
| Gemma 4 E2BGoogle DeepMind | 5,1B | 4,4 GB | 8 GB |
| Llama 3.1 8B InstructMeta | 8B | 6 GB | 8 GB |
| Gemma 4 E4BGoogle DeepMind | 8B | 6 GB | 8 GB |
| Granite 4.2 8BIBM | 8B | 6 GB | 8 GB |
| Qwen3 8BQwen (Alibaba) | 8,2B | 6,1 GB | 16 GB |
| Ministral 3 8BMistral AI | 8,9B | 6,5 GB | 16 GB |
| Qwen3.5 9BQwen (Alibaba) | 9B | 6,6 GB | 16 GB |
| Gemma 4 12B UnifiedGoogle DeepMind | 12B | 8,2 GB | 16 GB |
| Phi-4 (14B)Microsoft | 14B | 9,4 GB | 16 GB |
| Phi-4 Reasoning Vision 15BMicrosoft | 15B | 9,9 GB | 16 GB |
| gpt-oss-20bOpenAI | 21B · aktywne: 3,6B | 15,3 GB | 24 GB |
| Devstral Small 2 (24B)Mistral AI | 24B | 15 GB | 24 GB |
| Magistral Small 1.2 (2509)Mistral AI | 24B | 15 GB | 24 GB |
| Mistral Small 3.2 (24B)Mistral AI | 24B | 15 GB | 24 GB |
| LFM2.5 24B A2BLiquid AI | 24B · aktywne: 2B | 15 GB | 24 GB |
| Gemma 4 26B A4BGoogle DeepMind | 25,2B · aktywne: 3,8B | 15,7 GB | 24 GB |
| Qwen3.8 27BQwen (Alibaba) | 27B | 16,7 GB | 24 GB |
| Qwen3.6 27BQwen (Alibaba) | 27B | 16,7 GB | 24 GB |
| Muse Glimmer 30BMeta (Meta Superintelligence Lab) | 29,6B | 18,2 GB | 32 GB |
| GLM-4.7 FlashZ.ai (Zhipu) | 30B · aktywne: 3B | 18,4 GB | 32 GB |
| Nemotron 3 Nano 30B A3BNVIDIA | 30B · aktywne: 3,5B | 18,4 GB | 32 GB |
| Nemotron 3.5 Lightning 30B A3BNVIDIA | 30B · aktywne: 3B | 18,4 GB | 32 GB |
| Granite 4.2 30BIBM | 30B | 18,4 GB | 32 GB |
| Qwen3 Coder 30B A3B InstructQwen (Alibaba) | 30,5B · aktywne: 3,3B | 18,7 GB | 32 GB |
| Gemma 4 31BGoogle DeepMind | 30,7B | 18,8 GB | 32 GB |
| Qwen3.6 35B A3BQwen (Alibaba) | 35B · aktywne: 3B | 21,3 GB | 32 GB |
| Llama 3.3 70B InstructMeta | 70B | 42,6 GB | 64 GB |
| Nemotron 3.5 Bolt 74B A9BNVIDIA | 74B · aktywne: 9B | 44,9 GB | 64 GB |
| Qwen3 Coder NextQwen (Alibaba) | 80B · aktywne: 3B | 48,6 GB | 96 GB |
| GLM-4.5 AirZ.ai (Zhipu) | 106B · aktywne: 12B | 64,4 GB | 96 GB |
| Llama 4 Scout 17B-16E InstructMeta | 109B · aktywne: 17B | 66,2 GB | 96 GB |
| gpt-oss-120bOpenAI | 117B · aktywne: 5,1B | 70,5 GB | 96 GB |
| Mistral Small 4 (119B)Mistral AI | 119B · aktywne: 6,5B | 72,3 GB | 128 GB |
| Nemotron 3 Super 120B A12BNVIDIA | 120B · aktywne: 12B | 72,9 GB | 128 GB |
| Qwen3.5 122B A10BQwen (Alibaba) | 122B · aktywne: 10B | 74,1 GB | 128 GB |
| Ornith 1.5 122BOrnith AI | 122B · aktywne: 10B | 74,1 GB | 128 GB |
| Devstral 2 (123B)Mistral AI | 123B | 74,7 GB | 128 GB |
| Mistral Medium 3.5 (128B)Mistral AI | 128B | 77,8 GB | 128 GB |
| Qwen3.8 Flash NextQwen (Alibaba) | 180B · aktywne: 6B | 109 GB | 192 GB |
| MiniMax M2.7MiniMax | 230B · aktywne: 10B | 140 GB | 192 GB |
| Inkling SmallThinking Machines Lab | 276B · aktywne: 12B | 168 GB | 256 GB |
| DeepSeek V4 Flash 0731DeepSeek | 284B · aktywne: 13B | 173 GB | 256 GB |
| Hy3Tencent | 295B · aktywne: 21B | 179 GB | 256 GB |
| MiMo V2.6 FlashXiaomi | 309B · aktywne: 15B | 187 GB | 256 GB |
| GLM-5.3 FlashZ.ai (Zhipu) | 320B · aktywne: 18B | 194 GB | 512 GB |
| Qwen3.5 397B A17BQwen (Alibaba) | 397B · aktywne: 17B | 241 GB | 512 GB |
| Llama 4 Maverick 17B-128E InstructMeta | 400B · aktywne: 17B | 243 GB | 512 GB |
| MiniMax M3MiniMax | 428B · aktywne: 23B | 260 GB | 512 GB |
| Beam 1.0Reflection AI | 501B · aktywne: 23B | 304 GB | 512 GB |
| Nemotron 3 Ultra 550B A55BNVIDIA | 550B · aktywne: 55B | 334 GB | 512 GB |
| DeepSeek V4.1 Flash 1017DeepSeek | 552B · aktywne: 16B | 335 GB | 512 GB |
| Mistral Large 3 (675B)Mistral AI | 675B · aktywne: 41B | 410 GB | 512 GB |
| GLM-5.3Z.ai (Zhipu) | 744B · aktywne: 40B | 452 GB | 512 GB |
| Muse Spark OpenMeta (Meta Superintelligence Labs) | 816B · aktywne: 42B | 496 GB | 512 GB |
| InklingThinking Machines Lab | 975B · aktywne: 41B | 592 GB | 512 GB |
| Kimi K2.6Moonshot AI | 1000B · aktywne: 32B | 643 GB | 512 GB |
| Kimi K2.7 CodeMoonshot AI | 1000B · aktywne: 32B | 643 GB | 512 GB |
| MiMo V2.6 ProXiaomi | 1020B · aktywne: 42B | 611 GB | 512 GB |
| DeepSeek V4 Pro 0813DeepSeek | 1600B · aktywne: 49B | 972 GB | brak |
| Qwen3.8 2.4T A95BQwen (Alibaba) | 2400B · aktywne: 95B | 1,5 TB | brak |
| Kimi K3Moonshot AI | 2800B · aktywne: 104B | 1,7 TB | brak |
Albo zacznij od swojego Maca: wszystkie Maki · porównanie
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.