Qual é o melhor LLM para um Mac com 256 GB?

Entre os modelos com Intelligence Index publicado, Qwen3.8 Flash Next tem a maior pontuação entre os que rodam bem com 256 GB (6 bits). O maior que roda bem é MiMo V2.6 Flash. Para código: Qwen3 Coder Next.

256 GB são suficientes para IA local no Mac?

54 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 192 GB dela; o modelo e o contexto precisam caber nisso.

Um Mac de 256 GB roda gpt-oss-20b?

Sim, 4,25 bits nativo, a cerca de 194–345 tokens por segundo em um M3 Ultra e 284–505 em um M5 Ultra.

Melhores LLMs locais para Mac de 256 GB (M3 a M5): o que roda

Macs com 256 GB

2 chips de M3 a M5 vêm com 256 GB. Abra um para ver a lista e as velocidades dele.

Roda bem 61

Cabe com espaço para o contexto, a 10 tokens por segundo ou mais no M5 Ultra.

Modelo	Versão	Memória	M3 Ultra	M5 Ultra
Qwen3.8 Flash Next180B · 6B ativos · Inteligência 39,8	6 bits	146 GB	75–134	110–196
MiMo V2.6 Flash309B · 15B ativos · Inteligência 37,9	4,48 bits nativo	173 GB	44–78	64–114
Qwen3.8 27B27B · Inteligência 33,7	8 bits	28,7 GB	13–23	19–33
Inkling Small276B · 12B ativos · Inteligência 25,7	4 bits	155 GB	54–96	79–141
Hy3295B · 21B ativos · Inteligência 25,3	4 bits	166 GB	31–56	46–81
Nemotron 3.5 Bolt 74B A9B74B · 9B ativos · Inteligência 21,4	8 bits	78,6 GB	38–68	56–100
Qwen3.6 35B A3B35B · 3B ativos · Inteligência 18,2	8 bits	37,2 GB	115–205	169–300
Muse Glimmer 30B29,6B · Inteligência 17,5	8 bits	31,5 GB	12–21	17–30
Qwen3.5 122B A10B122B · 10B ativos · Inteligência 15,6	8 bits	130 GB	35–62	51–91
Gemma 4 31B30,7B · Inteligência 14,7	8 bits	32,6 GB	11–20	17–29
Nemotron 3.5 Lightning 30B A3B30B · 3B ativos · Inteligência 12,9	8 bits	31,9 GB	115–205	169–300
Granite 4.2 30B30B · Inteligência 12,7	8 bits	31,9 GB	12–21	17–30
MiniCPM5 2B2,52B · Inteligência 12,5	8 bits	2,7 GB	137–243	200–356
gpt-oss-120b117B · 5,1B ativos · Inteligência 11,6	4,25 bits nativo	65,3 GB	137–243	200–356
Mistral Small 4 (119B)119B · 6,5B ativos · Inteligência 11,3	8 bits	126 GB	53–95	78–139
Qwen3.5 9B9B · Inteligência 11,2	8 bits	9,6 GB	38–68	56–100
Granite 4.2 8B8B · Inteligência 11,1	8 bits	8,5 GB	43–77	64–113
Qwen3 Coder Next80B · 3B ativos · Inteligência 9,2	8 bits	85 GB	115–205	169–300
Granite 4.2 3B3B · Inteligência 9,1	8 bits	3,2 GB	115–205	169–300
gpt-oss-20b21B · 3,6B ativos · Inteligência 9	4,25 bits nativo	13,8 GB	194–345	284–505
Nemotron 3 Nano 30B A3B30B · 3,5B ativos · Inteligência 8,9	8 bits	31,9 GB	100–177	146–259
Gemma 4 E4B8B · Inteligência 8,9	8 bits	8,5 GB	77–137	113–200
Llama 4 Scout 17B-16E Instruct109B · 17B ativos · Inteligência 6,5	8 bits	116 GB	20–36	30–53
Ministral 3 8B8,9B · Inteligência 5,5	8 bits	9,5 GB	39–69	57–101
Nemotron 3 Nano 4B3,97B · Inteligência 4,8	8 bits	4,2 GB	88–156	129–229
DeepSeek V4 Flash 0731284B · 13B ativos	4 bits	160 GB	50–90	74–132
MiniMax M2.7230B · 10B ativos	4 bits	129 GB	66–117	96–171
Ornith 1.5 122B122B · 10B ativos	8 bits	130 GB	35–62	51–91
Nemotron 3 Super 120B A12B120B · 12B ativos	8 bits	128 GB	29–51	42–75
GLM-4.5 Air106B · 12B ativos	8 bits	113 GB	29–51	42–75
Llama 3.3 70B Instruct70B	4 bits	39,4 GB	5–9	14–24
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B ativos	8 bits	32,4 GB	105–187	154–274
GLM-4.7 Flash30B · 3B ativos	8 bits	31,9 GB	115–205	169–300
Qwen3.6 27B27B	8 bits	28,7 GB	13–23	19–33
Gemma 4 26B A4B25,2B · 3,8B ativos	8 bits	26,8 GB	92–164	135–240
Devstral Small 2 (24B)24B	8 bits	25,5 GB	14–26	21–38
Magistral Small 1.2 (2509)24B	8 bits	25,5 GB	14–26	21–38
Mistral Small 3.2 (24B)24B	8 bits	25,5 GB	14–26	21–38
LFM2.5 24B A2B24B · 2B ativos	8 bits	25,5 GB	176–312	257–457
Phi-4 Reasoning Vision 15B15B	8 bits	15,9 GB	23–41	34–60
Phi-4 (14B)14B	8 bits	14,9 GB	25–44	36–64
Gemma 4 12B Unified12B	8 bits	12,7 GB	29–52	43–76
Qwen3 8B8,2B	8 bits	8,7 GB	42–75	62–110
Llama 3.1 8B Instruct8B	8 bits	8,5 GB	43–77	64–113
Gemma 4 E2B5,1B	8 bits	5,4 GB	154–273	225–400
Qwen3.5 4B4B	8 bits	4,3 GB	86–152	126–223
Phi-4 mini instruct3,8B	8 bits	4 GB	92–164	135–240
Llama 3.2 3B Instruct3,21B	8 bits	3,4 GB	108–193	159–282
SmolLM3 3B3B	8 bits	3,2 GB	115–205	169–300
LFM2.5 2.6B2,69B	8 bits	2,9 GB	127–226	186–331
Qwen3.5 2B2B	8 bits	2,1 GB	176–312	257–457
Llama 3.2 1B Instruct1,23B	8 bits	1,3 GB	284–504	415–738
Qwen3.5 0.8B0,8B	8 bits	0,9 GB	410–728	600–1067
Qwen3 0.6B0,6B	8 bits	0,6 GB	614–1092	900–1600
DeepSeek V4.1 Flash 1017552B · 16B ativos · Inteligência 45,1	2 bits qualidade menor	173 GB	74–131	108–192
GLM-5.3 Flash320B · 18B ativos · Inteligência 41,8	3 bits qualidade menor	140 GB	47–83	68–122
Beam 1.0501B · 23B ativos · Inteligência 30,3	2 bits qualidade menor	157 GB	51–91	75–133
MiniMax M3428B · 23B ativos · Inteligência 29,2	2 bits qualidade menor	134 GB	51–91	75–133
Nemotron 3 Ultra 550B A55B550B · 55B ativos · Inteligência 22,9	2 bits qualidade menor	172 GB	21–38	31–56
Qwen3.5 397B A17B397B · 17B ativos · Inteligência 18,4	3 bits qualidade menor	174 GB	50–89	73–130
Llama 4 Maverick 17B-128E Instruct400B · 17B ativos · Inteligência 9,3	3 bits qualidade menor	175 GB	50–89	73–130

Roda, mas devagar 2

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

Modelo	Versão	Memória	M3 Ultra	M5 Ultra
Mistral Medium 3.5 (128B)128B · Inteligência 14,2	8 bits	136 GB	3–5	4–7
Devstral 2 (123B)123B	8 bits	131 GB	3–5	4–7

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	M3 Ultra	M5 Ultra
Mistral Large 3 (675B)675B · 41B ativos	2 bits qualidade menor	211 GB	29–51	42–75

Grande demais 9

Precisa de mais de 256 GB de memória, mesmo com 2 bits.

Perguntas

Qual é o melhor LLM para um Mac com 256 GB?: Entre os modelos com Intelligence Index publicado, Qwen3.8 Flash Next tem a maior pontuação entre os que rodam bem com 256 GB (6 bits). O maior que roda bem é MiMo V2.6 Flash. Para código: Qwen3 Coder Next.
256 GB são suficientes para IA local no Mac?: 54 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 192 GB dela; o modelo e o contexto precisam caber nisso.
Um Mac de 256 GB roda gpt-oss-20b?: Sim, 4,25 bits nativo, a cerca de 194–345 tokens por segundo em um M3 Ultra e 284–505 em um M5 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.