EntrarCriar carteira

O que um M1 Ultra com 64 GB roda?

39 de 73 modelos abertos rodam bem nele. Por padrão, a GPU pode usar cerca de 48 GB dos seus 64 GB, e o chip lê a memória a 800 GB/s, o que define a velocidade de escrita. Presente em: Mac Studio (2022).

O mais inteligente que roda bemQwen3.8 27B8 bits · 28,7 GB · 13–22 tok/sO maior que roda bemNemotron 3.5 Bolt 74B A9B4 bits · 41,6 GB · 71–125 tok/sPara códigoQwen3 Coder 30B A3B Instruct8 bits · 32,4 GB · 103–183 tok/s

Roda bem 47

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

ModeloVersãoMemóriaTokens/s
Qwen3.8 27B27B · Inteligência 33,78 bits28,7 GB13–22
Nemotron 3.5 Bolt 74B A9B74B · 9B ativos · Inteligência 21,44 bits41,6 GB71–125
Qwen3.6 35B A3B35B · 3B ativos · Inteligência 18,28 bits37,2 GB113–200
Muse Glimmer 30B29,6B · Inteligência 17,58 bits31,5 GB11–20
Gemma 4 31B30,7B · Inteligência 14,78 bits32,6 GB11–20
Nemotron 3.5 Lightning 30B A3B30B · 3B ativos · Inteligência 12,98 bits31,9 GB113–200
Granite 4.2 30B30B · Inteligência 12,78 bits31,9 GB11–20
MiniCPM5 2B2,52B · Inteligência 12,58 bits2,7 GB133–237
Qwen3.5 9B9B · Inteligência 11,28 bits9,6 GB38–67
Granite 4.2 8B8B · Inteligência 11,18 bits8,5 GB42–75
Granite 4.2 3B3B · Inteligência 9,18 bits3,2 GB113–200
gpt-oss-20b21B · 3,6B ativos · Inteligência 94,25 bits nativo13,8 GB189–337
Nemotron 3 Nano 30B A3B30B · 3,5B ativos · Inteligência 8,98 bits31,9 GB97–173
Gemma 4 E4B8B · Inteligência 8,98 bits8,5 GB75–133
Ministral 3 8B8,9B · Inteligência 5,58 bits9,5 GB38–67
Nemotron 3 Nano 4B3,97B · Inteligência 4,88 bits4,2 GB86–152
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B ativos8 bits32,4 GB103–183
GLM-4.7 Flash30B · 3B ativos8 bits31,9 GB113–200
Qwen3.6 27B27B8 bits28,7 GB13–22
Gemma 4 26B A4B25,2B · 3,8B ativos8 bits26,8 GB90–160
Devstral Small 2 (24B)24B8 bits25,5 GB14–25
Magistral Small 1.2 (2509)24B8 bits25,5 GB14–25
Mistral Small 3.2 (24B)24B8 bits25,5 GB14–25
LFM2.5 24B A2B24B · 2B ativos8 bits25,5 GB171–305
Phi-4 Reasoning Vision 15B15B8 bits15,9 GB23–40
Phi-4 (14B)14B8 bits14,9 GB24–43
Gemma 4 12B Unified12B8 bits12,7 GB28–50
Qwen3 8B8,2B8 bits8,7 GB41–74
Llama 3.1 8B Instruct8B8 bits8,5 GB42–75
Gemma 4 E2B5,1B8 bits5,4 GB150–267
Qwen3.5 4B4B8 bits4,3 GB84–149
Phi-4 mini instruct3,8B8 bits4 GB90–160
Llama 3.2 3B Instruct3,21B8 bits3,4 GB106–188
SmolLM3 3B3B8 bits3,2 GB113–200
LFM2.5 2.6B2,69B8 bits2,9 GB124–221
Qwen3.5 2B2B8 bits2,1 GB171–305
Llama 3.2 1B Instruct1,23B8 bits1,3 GB277–492
Qwen3.5 0.8B0,8B8 bits0,9 GB400–711
Qwen3 0.6B0,6B8 bits0,6 GB600–1067
Qwen3.5 122B A10B122B · 10B ativos · Inteligência 15,62 bits qualidade menor38,1 GB116–206
gpt-oss-120b117B · 5,1B ativos · Inteligência 11,62 bits qualidade menor36,6 GB225–400
Mistral Small 4 (119B)119B · 6,5B ativos · Inteligência 11,32 bits qualidade menor37,2 GB180–320
Qwen3 Coder Next80B · 3B ativos · Inteligência 9,23 bits qualidade menor35 GB277–492
Llama 4 Scout 17B-16E Instruct109B · 17B ativos · Inteligência 6,52 bits qualidade menor34,1 GB68–121
Ornith 1.5 122B122B · 10B ativos2 bits qualidade menor38,1 GB116–206
Nemotron 3 Super 120B A12B120B · 12B ativos2 bits qualidade menor37,5 GB95–168
GLM-4.5 Air106B · 12B ativos2 bits qualidade menor33,1 GB95–168

Roda, mas devagar 3

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

ModeloVersãoMemóriaTokens/s
Llama 3.3 70B Instruct70B4 bits39,4 GB9–16
Mistral Medium 3.5 (128B)128B · Inteligência 14,22 bits qualidade menor40 GB9–16
Devstral 2 (123B)123B2 bits qualidade menor38,4 GB9–17

Grande demais 23

Precisa de mais de 64 GB de memória, mesmo com 2 bits.

Outros Macs

Todos os Macs com 64 GB, de qualquer chip.

O M1 Ultra com mais ou menos memória:

Chips vizinhos:

Frente a frente:

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

Perguntas

Qual é o melhor LLM para um M1 Ultra com 64 GB?
Entre os modelos com Intelligence Index publicado, Qwen3.8 27B tem a maior pontuação entre os que rodam bem aqui: 8 bits, cerca de 13–22 tokens por segundo. O maior que roda bem é Nemotron 3.5 Bolt 74B A9B.
Um M1 Ultra com 64 GB roda Llama 3.3 70B?
Sim, mas devagar: 4 bits, a cerca de 9–16 tokens por segundo.
Qual é a velocidade do gpt-oss-20b em um M1 Ultra?
Cerca de 189–337 tokens por segundo (4,25 bits nativo), pelos 800 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 Ultra com 64 GB roda? Modelos e velocidade