Qual é o melhor LLM para um Mac com 128 GB?

Entre os modelos com Intelligence Index publicado, Qwen3.8 27B tem a maior pontuação entre os que rodam bem com 128 GB (8 bits). O maior que roda bem é Qwen3.5 122B A10B. Para código: Qwen3 Coder Next.

128 GB são suficientes para IA local no Mac?

47 dos 73 modelos abertos desta lista rodam bem com essa memória, com 4 bits ou mais. Por padrão, o macOS deixa a GPU usar cerca de 96 GB dela; o modelo e o contexto precisam caber nisso.

Um Mac de 128 GB roda gpt-oss-20b?

Sim, 4,25 bits nativo, a cerca de 95–168 tokens por segundo em um M3 Max e 189–337 em um M1 Ultra.

Melhores LLMs locais para Mac de 128 GB (M1 a M5): o que roda

Macs com 128 GB

5 chips de M1 a M5 vêm com 128 GB. Abra um para ver a lista e as velocidades dele.

Roda bem 51

Cabe com espaço para o contexto, a 10 tokens por segundo ou mais no M1 Ultra.

Modelo	Versão	Memória	M3 Max	M1 Ultra
Qwen3.8 27B27B · Inteligência 33,7	8 bits	28,7 GB	12–21	13–22
Nemotron 3.5 Bolt 74B A9B74B · 9B ativos · Inteligência 21,4	8 bits	78,6 GB	19–33	38–67
Qwen3.6 35B A3B35B · 3B ativos · Inteligência 18,2	8 bits	37,2 GB	56–100	113–200
Muse Glimmer 30B29,6B · Inteligência 17,5	8 bits	31,5 GB	11–19	11–20
Qwen3.5 122B A10B122B · 10B ativos · Inteligência 15,6	4 bits	68,6 GB	32–57	64–114
Gemma 4 31B30,7B · Inteligência 14,7	8 bits	32,6 GB	10–18	11–20
Nemotron 3.5 Lightning 30B A3B30B · 3B ativos · Inteligência 12,9	8 bits	31,9 GB	56–100	113–200
Granite 4.2 30B30B · Inteligência 12,7	8 bits	31,9 GB	11–19	11–20
MiniCPM5 2B2,52B · Inteligência 12,5	8 bits	2,7 GB	67–119	133–237
gpt-oss-120b117B · 5,1B ativos · Inteligência 11,6	4,25 bits nativo	65,3 GB	67–119	133–237
Mistral Small 4 (119B)119B · 6,5B ativos · Inteligência 11,3	4 bits	66,9 GB	49–86	97–173
Qwen3.5 9B9B · Inteligência 11,2	8 bits	9,6 GB	19–33	38–67
Granite 4.2 8B8B · Inteligência 11,1	8 bits	8,5 GB	21–38	42–75
Qwen3 Coder Next80B · 3B ativos · Inteligência 9,2	8 bits	85 GB	56–100	113–200
Granite 4.2 3B3B · Inteligência 9,1	8 bits	3,2 GB	56–100	113–200
gpt-oss-20b21B · 3,6B ativos · Inteligência 9	4,25 bits nativo	13,8 GB	95–168	189–337
Nemotron 3 Nano 30B A3B30B · 3,5B ativos · Inteligência 8,9	8 bits	31,9 GB	49–86	97–173
Gemma 4 E4B8B · Inteligência 8,9	8 bits	8,5 GB	38–67	75–133
Llama 4 Scout 17B-16E Instruct109B · 17B ativos · Inteligência 6,5	6 bits	88,6 GB	13–23	26–46
Ministral 3 8B8,9B · Inteligência 5,5	8 bits	9,5 GB	19–34	38–67
Nemotron 3 Nano 4B3,97B · Inteligência 4,8	8 bits	4,2 GB	43–76	86–152
Ornith 1.5 122B122B · 10B ativos	4 bits	68,6 GB	32–57	64–114
Nemotron 3 Super 120B A12B120B · 12B ativos	4 bits	67,5 GB	26–47	53–94
GLM-4.5 Air106B · 12B ativos	6 bits	86,1 GB	18–33	37–65
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B ativos	8 bits	32,4 GB	51–91	103–183
GLM-4.7 Flash30B · 3B ativos	8 bits	31,9 GB	56–100	113–200
Qwen3.6 27B27B	8 bits	28,7 GB	12–21	13–22
Gemma 4 26B A4B25,2B · 3,8B ativos	8 bits	26,8 GB	45–80	90–160
Devstral Small 2 (24B)24B	8 bits	25,5 GB	13–24	14–25
Magistral Small 1.2 (2509)24B	8 bits	25,5 GB	13–24	14–25
Mistral Small 3.2 (24B)24B	8 bits	25,5 GB	13–24	14–25
LFM2.5 24B A2B24B · 2B ativos	8 bits	25,5 GB	86–152	171–305
Phi-4 Reasoning Vision 15B15B	8 bits	15,9 GB	11–20	23–40
Phi-4 (14B)14B	8 bits	14,9 GB	12–21	24–43
Gemma 4 12B Unified12B	8 bits	12,7 GB	14–25	28–50
Qwen3 8B8,2B	8 bits	8,7 GB	21–37	41–74
Llama 3.1 8B Instruct8B	8 bits	8,5 GB	21–38	42–75
Gemma 4 E2B5,1B	8 bits	5,4 GB	75–133	150–267
Qwen3.5 4B4B	8 bits	4,3 GB	42–74	84–149
Phi-4 mini instruct3,8B	8 bits	4 GB	45–80	90–160
Llama 3.2 3B Instruct3,21B	8 bits	3,4 GB	53–94	106–188
SmolLM3 3B3B	8 bits	3,2 GB	56–100	113–200
LFM2.5 2.6B2,69B	8 bits	2,9 GB	62–110	124–221
Qwen3.5 2B2B	8 bits	2,1 GB	86–152	171–305
Llama 3.2 1B Instruct1,23B	8 bits	1,3 GB	138–246	277–492
Qwen3.5 0.8B0,8B	8 bits	0,9 GB	200–356	400–711
Qwen3 0.6B0,6B	8 bits	0,6 GB	300–533	600–1067
Qwen3.8 Flash Next180B · 6B ativos · Inteligência 39,8	3 bits qualidade menor	78,8 GB	69–123	138–246
Inkling Small276B · 12B ativos · Inteligência 25,7	2 bits qualidade menor	86,3 GB	47–84	95–168
DeepSeek V4 Flash 0731284B · 13B ativos	2 bits qualidade menor	88,8 GB	44–78	88–156
MiniMax M2.7230B · 10B ativos	2 bits qualidade menor	71,9 GB	58–103	116–206

Roda, mas devagar 3

Cabe, mas abaixo de 10 tokens por segundo: serve para trabalho em lote, mas é lento para chat.

Modelo	Versão	Memória	M3 Max	M1 Ultra
Mistral Medium 3.5 (128B)128B · Inteligência 14,2	4 bits	72 GB	3–4	5–9
Devstral 2 (123B)123B	4 bits	69,2 GB	3–5	5–9
Llama 3.3 70B Instruct70B	8 bits	74,4 GB	2–4	5–9

Cabe no limite 3

Precisa de quase toda a memória: aumente o limite de memória da GPU e mantenha o contexto curto.

Modelo	Versão	Memória	M3 Max	M1 Ultra
GLM-5.3 Flash320B · 18B ativos · Inteligência 41,8	2 bits qualidade menor	100 GB	32–57	64–114
MiMo V2.6 Flash309B · 15B ativos · Inteligência 37,9	2 bits qualidade menor	96,6 GB	38–68	77–136
Hy3295B · 21B ativos · Inteligência 25,3	2 bits qualidade menor	92,2 GB	27–48	55–97

Grande demais 16

Precisa de mais de 128 GB de memória, mesmo com 2 bits.

Perguntas

Qual é o melhor LLM para um Mac com 128 GB?: Entre os modelos com Intelligence Index publicado, Qwen3.8 27B tem a maior pontuação entre os que rodam bem com 128 GB (8 bits). O maior que roda bem é Qwen3.5 122B A10B. Para código: Qwen3 Coder Next.
128 GB são suficientes para IA local no Mac?: 47 dos 73 modelos abertos desta lista rodam bem com essa memória, com 4 bits ou mais. Por padrão, o macOS deixa a GPU usar cerca de 96 GB dela; o modelo e o contexto precisam caber nisso.
Um Mac de 128 GB roda gpt-oss-20b?: Sim, 4,25 bits nativo, a cerca de 95–168 tokens por segundo em um M3 Max e 189–337 em um M1 Ultra.

Outros tamanhos: 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

Rode os modelos com o MLX Harness (grátis, open source) ou com o mlx-lm da Apple no Terminal: passo a passo.

Como é calculado

Memória: os parâmetros do modelo com 8, 6, 4, 3 ou 2 bits por peso, mais as escalas por grupo do MLX (meio bit por peso), ou o formato nativo do modelo, com espaço extra para o contexto. Por padrão, o macOS deixa a GPU usar cerca de 75% da memória unificada. Velocidade: a largura de banda da memória dividida pelos bytes lidos por token é o teto para uma conversa; nos benchmarks públicos de Apple Silicon do llama.cpp, execuções reais chegam a cerca de 45% a 80% desse teto, que é a faixa mostrada. São estimativas, não medições: meça o seu Mac no MLX Bench. Dados dos modelos tirados de cada model card oficial; dados dos chips, das especificações técnicas da Apple. Verificado em 2026-10-19. Os mesmos dados de mlx.app/compare.