Qual é o melhor LLM para um Mac com 32 GB?

Entre os modelos com Intelligence Index publicado, Qwen3.8 27B tem a maior pontuação entre os que rodam bem com 32 GB (4 bits). O maior que roda bem é Qwen3.6 35B A3B. Para código: Qwen3 Coder 30B A3B Instruct.

32 GB são suficientes para IA local no Mac?

38 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 24 GB dela; o modelo e o contexto precisam caber nisso.

Um Mac de 32 GB roda gpt-oss-20b?

Sim, 4,25 bits nativo, a cerca de 28–51 tokens por segundo em um M4 e 95–168 em um M1 Max.

Melhores LLMs locais para Mac de 32 GB (M1 a M6): o que roda

Macs com 32 GB

7 chips de M1 a M6 vêm com 32 GB. Abra um para ver a lista e as velocidades dele.

Roda bem 38

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

Modelo	Versão	Memória	M4	M1 Max
Qwen3.8 27B27B · Inteligência 33,7	4 bits	15,2 GB	2–4	12–21
Qwen3.6 35B A3B35B · 3B ativos · Inteligência 18,2	4 bits	19,7 GB	32–56	106–188
Muse Glimmer 30B29,6B · Inteligência 17,5	4 bits	16,7 GB	3–6	11–19
Gemma 4 31B30,7B · Inteligência 14,7	4 bits	17,3 GB	3–6	10–18
Nemotron 3.5 Lightning 30B A3B30B · 3B ativos · Inteligência 12,9	4 bits	16,9 GB	32–56	106–188
Granite 4.2 30B30B · Inteligência 12,7	4 bits	16,9 GB	3–6	11–19
MiniCPM5 2B2,52B · Inteligência 12,5	8 bits	2,7 GB	20–36	67–119
Qwen3.5 9B9B · Inteligência 11,2	8 bits	9,6 GB	11–19	19–33
Granite 4.2 8B8B · Inteligência 11,1	8 bits	8,5 GB	12–21	21–38
Granite 4.2 3B3B · Inteligência 9,1	8 bits	3,2 GB	17–30	56–100
gpt-oss-20b21B · 3,6B ativos · Inteligência 9	4,25 bits nativo	13,8 GB	28–51	95–168
Nemotron 3 Nano 30B A3B30B · 3,5B ativos · Inteligência 8,9	4 bits	16,9 GB	27–48	90–160
Gemma 4 E4B8B · Inteligência 8,9	8 bits	8,5 GB	11–20	38–67
Ministral 3 8B8,9B · Inteligência 5,5	8 bits	9,5 GB	11–19	19–34
Nemotron 3 Nano 4B3,97B · Inteligência 4,8	8 bits	4,2 GB	13–23	43–76
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B ativos	4 bits	17,2 GB	28–51	95–168
GLM-4.7 Flash30B · 3B ativos	4 bits	16,9 GB	32–56	106–188
Qwen3.6 27B27B	4 bits	15,2 GB	2–4	12–21
Gemma 4 26B A4B25,2B · 3,8B ativos	6 bits	20,5 GB	17–31	58–103
Devstral Small 2 (24B)24B	4 bits	13,5 GB	3–5	13–24
Magistral Small 1.2 (2509)24B	4 bits	13,5 GB	3–5	13–24
Mistral Small 3.2 (24B)24B	4 bits	13,5 GB	3–5	13–24
LFM2.5 24B A2B24B · 2B ativos	6 bits	19,5 GB	34–60	113–200
Phi-4 Reasoning Vision 15B15B	8 bits	15,9 GB	3–6	11–20
Phi-4 (14B)14B	8 bits	14,9 GB	4–6	12–21
Gemma 4 12B Unified12B	8 bits	12,7 GB	4–8	14–25
Qwen3 8B8,2B	8 bits	8,7 GB	12–21	21–37
Llama 3.1 8B Instruct8B	8 bits	8,5 GB	12–21	21–38
Gemma 4 E2B5,1B	8 bits	5,4 GB	23–40	75–133
Qwen3.5 4B4B	8 bits	4,3 GB	13–22	42–74
Phi-4 mini instruct3,8B	8 bits	4 GB	14–24	45–80
Llama 3.2 3B Instruct3,21B	8 bits	3,4 GB	16–28	53–94
SmolLM3 3B3B	8 bits	3,2 GB	17–30	56–100
LFM2.5 2.6B2,69B	8 bits	2,9 GB	19–33	62–110
Qwen3.5 2B2B	8 bits	2,1 GB	26–46	86–152
Llama 3.2 1B Instruct1,23B	8 bits	1,3 GB	42–74	138–246
Qwen3.5 0.8B0,8B	8 bits	0,9 GB	60–107	200–356
Qwen3 0.6B0,6B	8 bits	0,6 GB	90–160	300–533

Roda, mas devagar 1

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

Modelo	Versão	Memória	M4	M1 Max
Llama 3.3 70B Instruct70B	2 bits qualidade menor	21,9 GB	2–4	8–15

Cabe no limite 2

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

Modelo	Versão	Memória	M4	M1 Max
Nemotron 3.5 Bolt 74B A9B74B · 9B ativos · Inteligência 21,4	2 bits qualidade menor	23,1 GB	19–34	64–114
Qwen3 Coder Next80B · 3B ativos · Inteligência 9,2	2 bits qualidade menor	25 GB	60–107	200–356

Perguntas

Qual é o melhor LLM para um Mac com 32 GB?: Entre os modelos com Intelligence Index publicado, Qwen3.8 27B tem a maior pontuação entre os que rodam bem com 32 GB (4 bits). O maior que roda bem é Qwen3.6 35B A3B. Para código: Qwen3 Coder 30B A3B Instruct.
32 GB são suficientes para IA local no Mac?: 38 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 24 GB dela; o modelo e o contexto precisam caber nisso.
Um Mac de 32 GB roda gpt-oss-20b?: Sim, 4,25 bits nativo, a cerca de 28–51 tokens por segundo em um M4 e 95–168 em um M1 Max.

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 32 GB.