Qual é o melhor LLM para um Mac com 18 GB?

Entre os modelos com Intelligence Index publicado, MiniCPM5 2B tem a maior pontuação entre os que rodam bem com 18 GB (8 bits). O maior que roda bem é Gemma 4 12B Unified.

18 GB são suficientes para IA local no Mac?

20 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 14 GB dela; o modelo e o contexto precisam caber nisso.

Melhores LLMs locais para Mac de 18 GB (M3): o que roda

Macs com 18 GB

M3 Pro150 GB/s

1 chips de M3 vêm com 18 GB. Abra um para ver a lista e as velocidades dele.

Roda bem 27

Cabe com espaço para o contexto, a 10 tokens por segundo ou mais no M3 Pro.

Modelo	Versão	Memória	Tokens/s
MiniCPM5 2B2,52B · Inteligência 12,5	8 bits	2,7 GB	25–44
Qwen3.5 9B9B · Inteligência 11,2	4 bits	5,1 GB	13–24
Granite 4.2 8B8B · Inteligência 11,1	6 bits	6,5 GB	10–18
Granite 4.2 3B3B · Inteligência 9,1	8 bits	3,2 GB	21–38
Gemma 4 E4B8B · Inteligência 8,9	8 bits	8,5 GB	14–25
Ministral 3 8B8,9B · Inteligência 5,5	4 bits	5 GB	14–24
Nemotron 3 Nano 4B3,97B · Inteligência 4,8	8 bits	4,2 GB	16–29
Gemma 4 12B Unified12B	4 bits	6,7 GB	10–18
Qwen3 8B8,2B	6 bits	6,7 GB	10–18
Llama 3.1 8B Instruct8B	6 bits	6,5 GB	10–18
Gemma 4 E2B5,1B	8 bits	5,4 GB	28–50
Qwen3.5 4B4B	8 bits	4,3 GB	16–28
Phi-4 mini instruct3,8B	8 bits	4 GB	17–30
Llama 3.2 3B Instruct3,21B	8 bits	3,4 GB	20–35
SmolLM3 3B3B	8 bits	3,2 GB	21–38
LFM2.5 2.6B2,69B	8 bits	2,9 GB	23–41
Qwen3.5 2B2B	8 bits	2,1 GB	32–57
Llama 3.2 1B Instruct1,23B	8 bits	1,3 GB	52–92
Qwen3.5 0.8B0,8B	8 bits	0,9 GB	75–133
Qwen3 0.6B0,6B	8 bits	0,6 GB	113–200
Qwen3.6 35B A3B35B · 3B ativos · Inteligência 18,2	2 bits qualidade menor	10,9 GB	75–133
Nemotron 3.5 Lightning 30B A3B30B · 3B ativos · Inteligência 12,9	2 bits qualidade menor	9,4 GB	75–133
Nemotron 3 Nano 30B A3B30B · 3,5B ativos · Inteligência 8,9	2 bits qualidade menor	9,4 GB	61–109
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B ativos	2 bits qualidade menor	9,5 GB	68–120
GLM-4.7 Flash30B · 3B ativos	2 bits qualidade menor	9,4 GB	75–133
Gemma 4 26B A4B25,2B · 3,8B ativos	3 bits qualidade menor	11 GB	40–71
LFM2.5 24B A2B24B · 2B ativos	3 bits qualidade menor	10,5 GB	75–133

Roda, mas devagar 10

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

Modelo	Versão	Memória	Tokens/s
Phi-4 Reasoning Vision 15B15B	4 bits	8,4 GB	8–14
Phi-4 (14B)14B	6 bits	11,4 GB	6–11
Qwen3.8 27B27B · Inteligência 33,7	3 bits qualidade menor	11,8 GB	6–10
Muse Glimmer 30B29,6B · Inteligência 17,5	2 bits qualidade menor	9,3 GB	7–13
Gemma 4 31B30,7B · Inteligência 14,7	2 bits qualidade menor	9,6 GB	7–13
Granite 4.2 30B30B · Inteligência 12,7	2 bits qualidade menor	9,4 GB	7–13
Qwen3.6 27B27B	3 bits qualidade menor	11,8 GB	6–10
Devstral Small 2 (24B)24B	3 bits qualidade menor	10,5 GB	6–11
Magistral Small 1.2 (2509)24B	3 bits qualidade menor	10,5 GB	6–11
Mistral Small 3.2 (24B)24B	3 bits qualidade menor	10,5 GB	6–11

Cabe no limite 1

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

Modelo	Versão	Memória	Tokens/s
gpt-oss-20b21B · 3,6B ativos · Inteligência 9	4,25 bits nativo	13,8 GB	36–63

Perguntas

Qual é o melhor LLM para um Mac com 18 GB?: Entre os modelos com Intelligence Index publicado, MiniCPM5 2B tem a maior pontuação entre os que rodam bem com 18 GB (8 bits). O maior que roda bem é Gemma 4 12B Unified.
18 GB são suficientes para IA local no Mac?: 20 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 14 GB dela; o modelo e o contexto precisam caber nisso.
Um Mac de 18 GB roda gpt-oss-20b?: No limite: aumente o limite de memória da GPU e mantenha o contexto curto.

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.

Os melhores LLMs para um Mac de 18 GB.