O M4 Max roda um modelo de 70B?

Sim. Um modelo de 70B em 4 bits precisa de cerca de 40 GB, e o M4 Max tem até 128 GB. Espere um teto de cerca de 14 tokens por segundo para um chat.

Quantos tokens por segundo o M4 Max alcança?

Para um modelo de 8B em 4 bits, o teto é de cerca de 121 tokens por segundo, e na prática se chega a algo entre metade e quatro quintos disso. Modelos maiores são proporcionalmente mais lentos.

O M4 Max é bom para IA?

Para rodar modelos localmente, memória e largura de banda são o que mais importa. O M4 Max tem até 128 GB a 546 GB/s, o suficiente para modelos de até cerca de 170 bilhões de parâmetros. Ele também pode ganhar executando trabalho de IA para a MLX Network com o MLX Node.

M4 Max para LLMs locais: memória, velocidade e o que cabe

1As especificações que importam para IA

Memória unificada	128 GB
Largura de banda da memória	546 GB/s, ou 410 GB/s na configuração inferior
Presente em	14- and 16-inch MacBook Pro (2024), Mac Studio (2025)
Vaga dedicada para ele	Vaga Pro: minera até 80 MLX por dia

2Quais modelos cabem

Com 4 bits por peso, um modelo precisa de pouco mais de meio gigabyte por bilhão de parâmetros, mais espaço para o contexto e para o macOS. Com 128 GB, o M4 Max comporta com folga modelos de até cerca de 170 bilhões de parâmetros.

Modelo em 4 bits	Memória necessária	Cabe no M4 Max
Modelo de 8B	4,5 GB	Sim
Modelo de 14B	7,9 GB	Sim
Modelo de 32B	18 GB	Sim
Modelo de 70B	39,4 GB	Sim
gpt-oss-120b, mixture-of-experts	65 GB	Sim
Qwen3.5-397B-A17B, mixture-of-experts	223,3 GB	Não
DeepSeek-V4.1-Flash, mixture-of-experts	316 GB	Não

3Qual a velocidade

Gerar texto é limitado pela largura de banda da memória: cada novo token lê uma vez os pesos ativos do modelo. Dividindo os 546 GB/s do M4 Max pelos bytes lidos por token, chega-se ao teto abaixo. Na prática, costuma-se atingir de 45% a 80% dele (benchmarks do llama.cpp).

Modelo em 4 bits	Lido por token	Teto para um chat
Modelo de 8B	4,5 GB	121 tokens/s
Modelo de 14B	7,9 GB	69 tokens/s
Modelo de 32B	18 GB	30 tokens/s
Modelo de 70B	39,4 GB	14 tokens/s
gpt-oss-120b, mixture-of-experts	2,7 GB	202 tokens/s

Medido: com M4 Max (40-core GPU), o llama.cpp gera 83 tokens por segundo com Llama-2-7B (Q4_0) nos seus benchmarks públicos.

5Compare com outros chips

6Perguntas

O M4 Max roda um modelo de 70B?: Sim. Um modelo de 70B em 4 bits precisa de cerca de 40 GB, e o M4 Max tem até 128 GB. Espere um teto de cerca de 14 tokens por segundo para um chat.
Quantos tokens por segundo o M4 Max alcança?: Para um modelo de 8B em 4 bits, o teto é de cerca de 121 tokens por segundo, e na prática se chega a algo entre metade e quatro quintos disso. Modelos maiores são proporcionalmente mais lentos.
O M4 Max é bom para IA?: Para rodar modelos localmente, memória e largura de banda são o que mais importa. O M4 Max tem até 128 GB a 546 GB/s, o suficiente para modelos de até cerca de 170 bilhões de parâmetros. Ele também pode ganhar executando trabalho de IA para a MLX Network com o MLX Node.

Fontes

Apple: M4 Pro and M4 Maxapple.com
llama.cpp: Apple Silicon benchmarksgithub.com