Qual é o melhor LLM para um Mac com 96 GB?

Entre os modelos com Intelligence Index publicado, Qwen3.8 27B tem a maior pontuação entre os que rodam bem com 96 GB (8 bits). O maior que roda bem é gpt-oss-120b. Para código: Qwen3 Coder Next.

96 GB são suficientes para IA local no Mac?

44 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 72 GB dela; o modelo e o contexto precisam caber nisso.

Um Mac de 96 GB roda gpt-oss-20b?

Sim, 4,25 bits nativo, a cerca de 71–126 tokens por segundo em um M3 Max e 284–505 em um M5 Ultra.

Melhores LLMs locais para Mac de 96 GB (M2 a M5): o que roda

Macs com 96 GB

4 chips de M2 a M5 vêm com 96 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 M5 Ultra.

Modelo	Versão	Memória	M3 Max	M5 Ultra
Qwen3.8 27B27B · Inteligência 33,7	8 bits	28,7 GB	5–8	19–33
Nemotron 3.5 Bolt 74B A9B74B · 9B ativos · Inteligência 21,4	6 bits	60,1 GB	18–33	74–132
Qwen3.6 35B A3B35B · 3B ativos · Inteligência 18,2	8 bits	37,2 GB	42–75	169–300
Muse Glimmer 30B29,6B · Inteligência 17,5	8 bits	31,5 GB	4–8	17–30
Gemma 4 31B30,7B · Inteligência 14,7	8 bits	32,6 GB	4–7	17–29
Nemotron 3.5 Lightning 30B A3B30B · 3B ativos · Inteligência 12,9	8 bits	31,9 GB	42–75	169–300
Granite 4.2 30B30B · Inteligência 12,7	8 bits	31,9 GB	4–8	17–30
MiniCPM5 2B2,52B · Inteligência 12,5	8 bits	2,7 GB	50–89	200–356
gpt-oss-120b117B · 5,1B ativos · Inteligência 11,6	4,25 bits nativo	65,3 GB	50–89	200–356
Qwen3.5 9B9B · Inteligência 11,2	8 bits	9,6 GB	14–25	56–100
Granite 4.2 8B8B · Inteligência 11,1	8 bits	8,5 GB	16–28	64–113
Qwen3 Coder Next80B · 3B ativos · Inteligência 9,2	6 bits	65 GB	56–100	225–400
Granite 4.2 3B3B · Inteligência 9,1	8 bits	3,2 GB	42–75	169–300
gpt-oss-20b21B · 3,6B ativos · Inteligência 9	4,25 bits nativo	13,8 GB	71–126	284–505
Nemotron 3 Nano 30B A3B30B · 3,5B ativos · Inteligência 8,9	8 bits	31,9 GB	36–65	146–259
Gemma 4 E4B8B · Inteligência 8,9	8 bits	8,5 GB	28–50	113–200
Llama 4 Scout 17B-16E Instruct109B · 17B ativos · Inteligência 6,5	4 bits	61,3 GB	14–25	56–100
Ministral 3 8B8,9B · Inteligência 5,5	8 bits	9,5 GB	14–25	57–101
Nemotron 3 Nano 4B3,97B · Inteligência 4,8	8 bits	4,2 GB	32–57	129–229
GLM-4.5 Air106B · 12B ativos	4 bits	59,6 GB	20–35	79–141
Llama 3.3 70B Instruct70B	4 bits	39,4 GB	2–4	14–24
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B ativos	8 bits	32,4 GB	39–69	154–274
GLM-4.7 Flash30B · 3B ativos	8 bits	31,9 GB	42–75	169–300
Qwen3.6 27B27B	8 bits	28,7 GB	5–8	19–33
Gemma 4 26B A4B25,2B · 3,8B ativos	8 bits	26,8 GB	34–60	135–240
Devstral Small 2 (24B)24B	8 bits	25,5 GB	10–18	21–38
Magistral Small 1.2 (2509)24B	8 bits	25,5 GB	10–18	21–38
Mistral Small 3.2 (24B)24B	8 bits	25,5 GB	10–18	21–38
LFM2.5 24B A2B24B · 2B ativos	8 bits	25,5 GB	64–114	257–457
Phi-4 Reasoning Vision 15B15B	8 bits	15,9 GB	11–20	34–60
Phi-4 (14B)14B	8 bits	14,9 GB	12–21	36–64
Gemma 4 12B Unified12B	8 bits	12,7 GB	11–19	43–76
Qwen3 8B8,2B	8 bits	8,7 GB	16–28	62–110
Llama 3.1 8B Instruct8B	8 bits	8,5 GB	16–28	64–113
Gemma 4 E2B5,1B	8 bits	5,4 GB	56–100	225–400
Qwen3.5 4B4B	8 bits	4,3 GB	31–56	126–223
Phi-4 mini instruct3,8B	8 bits	4 GB	34–60	135–240
Llama 3.2 3B Instruct3,21B	8 bits	3,4 GB	40–71	159–282
SmolLM3 3B3B	8 bits	3,2 GB	42–75	169–300
LFM2.5 2.6B2,69B	8 bits	2,9 GB	47–83	186–331
Qwen3.5 2B2B	8 bits	2,1 GB	64–114	257–457
Llama 3.2 1B Instruct1,23B	8 bits	1,3 GB	104–185	415–738
Qwen3.5 0.8B0,8B	8 bits	0,9 GB	150–267	600–1067
Qwen3 0.6B0,6B	8 bits	0,6 GB	225–400	900–1600
Qwen3.8 Flash Next180B · 6B ativos · Inteligência 39,8	2 bits qualidade menor	56,3 GB	71–126	284–505
Qwen3.5 122B A10B122B · 10B ativos · Inteligência 15,6	3 bits qualidade menor	53,4 GB	31–55	123–218
Mistral Medium 3.5 (128B)128B · Inteligência 14,2	3 bits qualidade menor	56 GB	2–4	10–17
Mistral Small 4 (119B)119B · 6,5B ativos · Inteligência 11,3	3 bits qualidade menor	52,1 GB	48–86	193–343
Devstral 2 (123B)123B	3 bits qualidade menor	53,8 GB	3–4	10–18
Ornith 1.5 122B122B · 10B ativos	3 bits qualidade menor	53,4 GB	31–55	123–218
Nemotron 3 Super 120B A12B120B · 12B ativos	3 bits qualidade menor	52,5 GB	25–45	102–181

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 Max	M5 Ultra
MiniMax M2.7230B · 10B ativos	2 bits qualidade menor	71,9 GB	44–77	174–310

Perguntas

Qual é o melhor LLM para um Mac com 96 GB?: Entre os modelos com Intelligence Index publicado, Qwen3.8 27B tem a maior pontuação entre os que rodam bem com 96 GB (8 bits). O maior que roda bem é gpt-oss-120b. Para código: Qwen3 Coder Next.
96 GB são suficientes para IA local no Mac?: 44 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 72 GB dela; o modelo e o contexto precisam caber nisso.
Um Mac de 96 GB roda gpt-oss-20b?: Sim, 4,25 bits nativo, a cerca de 71–126 tokens por segundo em um M3 Max 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.

Os melhores LLMs para um Mac de 96 GB.