EntrarCriar carteira

O que um M1 Max com 32 GB roda?

38 de 73 modelos abertos rodam bem nele. Por padrão, a GPU pode usar cerca de 24 GB dos seus 32 GB, e o chip lê a memória a 400 GB/s, o que define a velocidade de escrita. Presente em: MacBook Pro (14-inch, 2021), MacBook Pro (16-inch, 2021), Mac Studio (2022).

O mais inteligente que roda bemQwen3.8 27B4 bits · 15,2 GB · 12–21 tok/sO maior que roda bemQwen3.6 35B A3B4 bits · 19,7 GB · 106–188 tok/sPara códigoQwen3 Coder 30B A3B Instruct4 bits · 17,2 GB · 95–168 tok/s

Roda bem 38

Cabe com espaço para o contexto, a 10 tokens por segundo ou mais.

ModeloVersãoMemóriaTokens/s
Qwen3.8 27B27B · Inteligência 33,74 bits15,2 GB12–21
Qwen3.6 35B A3B35B · 3B ativos · Inteligência 18,24 bits19,7 GB106–188
Muse Glimmer 30B29,6B · Inteligência 17,54 bits16,7 GB11–19
Gemma 4 31B30,7B · Inteligência 14,74 bits17,3 GB10–18
Nemotron 3.5 Lightning 30B A3B30B · 3B ativos · Inteligência 12,94 bits16,9 GB106–188
Granite 4.2 30B30B · Inteligência 12,74 bits16,9 GB11–19
MiniCPM5 2B2,52B · Inteligência 12,58 bits2,7 GB67–119
Qwen3.5 9B9B · Inteligência 11,28 bits9,6 GB19–33
Granite 4.2 8B8B · Inteligência 11,18 bits8,5 GB21–38
Granite 4.2 3B3B · Inteligência 9,18 bits3,2 GB56–100
gpt-oss-20b21B · 3,6B ativos · Inteligência 94,25 bits nativo13,8 GB95–168
Nemotron 3 Nano 30B A3B30B · 3,5B ativos · Inteligência 8,94 bits16,9 GB90–160
Gemma 4 E4B8B · Inteligência 8,98 bits8,5 GB38–67
Ministral 3 8B8,9B · Inteligência 5,58 bits9,5 GB19–34
Nemotron 3 Nano 4B3,97B · Inteligência 4,88 bits4,2 GB43–76
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B ativos4 bits17,2 GB95–168
GLM-4.7 Flash30B · 3B ativos4 bits16,9 GB106–188
Qwen3.6 27B27B4 bits15,2 GB12–21
Gemma 4 26B A4B25,2B · 3,8B ativos6 bits20,5 GB58–103
Devstral Small 2 (24B)24B4 bits13,5 GB13–24
Magistral Small 1.2 (2509)24B4 bits13,5 GB13–24
Mistral Small 3.2 (24B)24B4 bits13,5 GB13–24
LFM2.5 24B A2B24B · 2B ativos6 bits19,5 GB113–200
Phi-4 Reasoning Vision 15B15B8 bits15,9 GB11–20
Phi-4 (14B)14B8 bits14,9 GB12–21
Gemma 4 12B Unified12B8 bits12,7 GB14–25
Qwen3 8B8,2B8 bits8,7 GB21–37
Llama 3.1 8B Instruct8B8 bits8,5 GB21–38
Gemma 4 E2B5,1B8 bits5,4 GB75–133
Qwen3.5 4B4B8 bits4,3 GB42–74
Phi-4 mini instruct3,8B8 bits4 GB45–80
Llama 3.2 3B Instruct3,21B8 bits3,4 GB53–94
SmolLM3 3B3B8 bits3,2 GB56–100
LFM2.5 2.6B2,69B8 bits2,9 GB62–110
Qwen3.5 2B2B8 bits2,1 GB86–152
Llama 3.2 1B Instruct1,23B8 bits1,3 GB138–246
Qwen3.5 0.8B0,8B8 bits0,9 GB200–356
Qwen3 0.6B0,6B8 bits0,6 GB300–533

Roda, mas devagar 1

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

ModeloVersãoMemóriaTokens/s
Llama 3.3 70B Instruct70B2 bits qualidade menor21,9 GB8–15

Cabe no limite 2

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

ModeloVersãoMemóriaTokens/s
Nemotron 3.5 Bolt 74B A9B74B · 9B ativos · Inteligência 21,42 bits qualidade menor23,1 GB64–114
Qwen3 Coder Next80B · 3B ativos · Inteligência 9,22 bits qualidade menor25 GB200–356

Grande demais 32

Precisa de mais de 32 GB de memória, mesmo com 2 bits.

Outros Macs

Todos os Macs com 32 GB, de qualquer chip.

O M1 Max com mais ou menos memória:

Chips vizinhos:

Frente a frente:

Compare com qualquer Mac ou GPU · O M1 Max para IA local · O melhor Mac para LLMs locais · Todos os Macs

Perguntas

Qual é o melhor LLM para um M1 Max com 32 GB?
Entre os modelos com Intelligence Index publicado, Qwen3.8 27B tem a maior pontuação entre os que rodam bem aqui: 4 bits, cerca de 12–21 tokens por segundo. O maior que roda bem é Qwen3.6 35B A3B.
Um M1 Max com 32 GB roda Llama 3.3 70B?
Sim, mas devagar: 2 bits (qualidade menor), a cerca de 8–15 tokens por segundo.
Qual é a velocidade do gpt-oss-20b em um M1 Max?
Cerca de 95–168 tokens por segundo (4,25 bits nativo), pelos 400 GB/s de largura de banda da memória do chip.

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.

Quais LLMs um M1 Max com 32 GB roda? Modelos e velocidade