EntrarCriar carteira

O que um M3 Pro com 18 GB roda?

20 de 73 modelos abertos rodam bem nele. Por padrão, a GPU pode usar cerca de 14 GB dos seus 18 GB, e o chip lê a memória a 150 GB/s, o que define a velocidade de escrita. Presente em: MacBook Pro (14-inch, M3 Pro or M3 Max, Nov 2023), MacBook Pro (16-inch, Nov 2023).

O mais inteligente que roda bemMiniCPM5 2B8 bits · 2,7 GB · 25–44 tok/sO maior que roda bemGemma 4 12B Unified4 bits · 6,7 GB · 10–18 tok/s

Roda bem 27

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

ModeloVersãoMemóriaTokens/s
MiniCPM5 2B2,52B · Inteligência 12,58 bits2,7 GB25–44
Qwen3.5 9B9B · Inteligência 11,24 bits5,1 GB13–24
Granite 4.2 8B8B · Inteligência 11,16 bits6,5 GB10–18
Granite 4.2 3B3B · Inteligência 9,18 bits3,2 GB21–38
Gemma 4 E4B8B · Inteligência 8,98 bits8,5 GB14–25
Ministral 3 8B8,9B · Inteligência 5,54 bits5 GB14–24
Nemotron 3 Nano 4B3,97B · Inteligência 4,88 bits4,2 GB16–29
Gemma 4 12B Unified12B4 bits6,7 GB10–18
Qwen3 8B8,2B6 bits6,7 GB10–18
Llama 3.1 8B Instruct8B6 bits6,5 GB10–18
Gemma 4 E2B5,1B8 bits5,4 GB28–50
Qwen3.5 4B4B8 bits4,3 GB16–28
Phi-4 mini instruct3,8B8 bits4 GB17–30
Llama 3.2 3B Instruct3,21B8 bits3,4 GB20–35
SmolLM3 3B3B8 bits3,2 GB21–38
LFM2.5 2.6B2,69B8 bits2,9 GB23–41
Qwen3.5 2B2B8 bits2,1 GB32–57
Llama 3.2 1B Instruct1,23B8 bits1,3 GB52–92
Qwen3.5 0.8B0,8B8 bits0,9 GB75–133
Qwen3 0.6B0,6B8 bits0,6 GB113–200
Qwen3.6 35B A3B35B · 3B ativos · Inteligência 18,22 bits qualidade menor10,9 GB75–133
Nemotron 3.5 Lightning 30B A3B30B · 3B ativos · Inteligência 12,92 bits qualidade menor9,4 GB75–133
Nemotron 3 Nano 30B A3B30B · 3,5B ativos · Inteligência 8,92 bits qualidade menor9,4 GB61–109
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B ativos2 bits qualidade menor9,5 GB68–120
GLM-4.7 Flash30B · 3B ativos2 bits qualidade menor9,4 GB75–133
Gemma 4 26B A4B25,2B · 3,8B ativos3 bits qualidade menor11 GB40–71
LFM2.5 24B A2B24B · 2B ativos3 bits qualidade menor10,5 GB75–133

Roda, mas devagar 10

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

ModeloVersãoMemóriaTokens/s
Phi-4 Reasoning Vision 15B15B4 bits8,4 GB8–14
Phi-4 (14B)14B6 bits11,4 GB6–11
Qwen3.8 27B27B · Inteligência 33,73 bits qualidade menor11,8 GB6–10
Muse Glimmer 30B29,6B · Inteligência 17,52 bits qualidade menor9,3 GB7–13
Gemma 4 31B30,7B · Inteligência 14,72 bits qualidade menor9,6 GB7–13
Granite 4.2 30B30B · Inteligência 12,72 bits qualidade menor9,4 GB7–13
Qwen3.6 27B27B3 bits qualidade menor11,8 GB6–10
Devstral Small 2 (24B)24B3 bits qualidade menor10,5 GB6–11
Magistral Small 1.2 (2509)24B3 bits qualidade menor10,5 GB6–11
Mistral Small 3.2 (24B)24B3 bits qualidade menor10,5 GB6–11

Cabe no limite 1

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

ModeloVersãoMemóriaTokens/s
gpt-oss-20b21B · 3,6B ativos · Inteligência 94,25 bits nativo13,8 GB36–63

Grande demais 35

Precisa de mais de 18 GB de memória, mesmo com 2 bits.

Outros Macs

Todos os Macs com 18 GB, de qualquer chip.

O M3 Pro com mais ou menos memória:

Chips vizinhos:

Frente a frente:

Compare com qualquer Mac ou GPU · O M3 Pro para IA local · O melhor Mac para LLMs locais · Todos os Macs

Perguntas

Qual é o melhor LLM para um M3 Pro com 18 GB?
Entre os modelos com Intelligence Index publicado, MiniCPM5 2B tem a maior pontuação entre os que rodam bem aqui: 8 bits, cerca de 25–44 tokens por segundo. O maior que roda bem é Gemma 4 12B Unified.
Um M3 Pro com 18 GB roda Llama 3.3 70B?
Não: mesmo com 2 bits, ele precisa de mais do que os 14 GB que a GPU pode usar por padrão.
Qual é a velocidade do gpt-oss-20b em um M3 Pro?
Cerca de 36–63 tokens por segundo (4,25 bits nativo), pelos 150 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 M3 Pro com 18 GB roda? Modelos e velocidade