Qual é o melhor LLM para um M3 Ultra com 96 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 13–23 tokens por segundo. O maior que roda bem é gpt-oss-120b.

Um M3 Ultra com 96 GB roda Llama 3.3 70B?

Sim, mas devagar: 6 bits, a cerca de 6–12 tokens por segundo.

Qual é a velocidade do gpt-oss-20b em um M3 Ultra?

Cerca de 194–345 tokens por segundo (4,25 bits nativo), pelos 819 GB/s de largura de banda da memória do chip.

Quais LLMs um M3 Ultra com 96 GB roda? Modelos e velocidade

Roda bem 48

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

Modelo	Versão	Memória	Tokens/s
Qwen3.8 27B27B · Inteligência 33,7	8 bits	28,7 GB	13–23
Nemotron 3.5 Bolt 74B A9B74B · 9B ativos · Inteligência 21,4	6 bits	60,1 GB	50–90
Qwen3.6 35B A3B35B · 3B ativos · Inteligência 18,2	8 bits	37,2 GB	115–205
Muse Glimmer 30B29,6B · Inteligência 17,5	8 bits	31,5 GB	12–21
Gemma 4 31B30,7B · Inteligência 14,7	8 bits	32,6 GB	11–20
Nemotron 3.5 Lightning 30B A3B30B · 3B ativos · Inteligência 12,9	8 bits	31,9 GB	115–205
Granite 4.2 30B30B · Inteligência 12,7	8 bits	31,9 GB	12–21
MiniCPM5 2B2,52B · Inteligência 12,5	8 bits	2,7 GB	137–243
gpt-oss-120b117B · 5,1B ativos · Inteligência 11,6	4,25 bits nativo	65,3 GB	137–243
Qwen3.5 9B9B · Inteligência 11,2	8 bits	9,6 GB	38–68
Granite 4.2 8B8B · Inteligência 11,1	8 bits	8,5 GB	43–77
Qwen3 Coder Next80B · 3B ativos · Inteligência 9,2	6 bits	65 GB	154–273
Granite 4.2 3B3B · Inteligência 9,1	8 bits	3,2 GB	115–205
gpt-oss-20b21B · 3,6B ativos · Inteligência 9	4,25 bits nativo	13,8 GB	194–345
Nemotron 3 Nano 30B A3B30B · 3,5B ativos · Inteligência 8,9	8 bits	31,9 GB	100–177
Gemma 4 E4B8B · Inteligência 8,9	8 bits	8,5 GB	77–137
Llama 4 Scout 17B-16E Instruct109B · 17B ativos · Inteligência 6,5	4 bits	61,3 GB	38–68
Ministral 3 8B8,9B · Inteligência 5,5	8 bits	9,5 GB	39–69
Nemotron 3 Nano 4B3,97B · Inteligência 4,8	8 bits	4,2 GB	88–156
GLM-4.5 Air106B · 12B ativos	4 bits	59,6 GB	54–96
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B ativos	8 bits	32,4 GB	105–187
GLM-4.7 Flash30B · 3B ativos	8 bits	31,9 GB	115–205
Qwen3.6 27B27B	8 bits	28,7 GB	13–23
Gemma 4 26B A4B25,2B · 3,8B ativos	8 bits	26,8 GB	92–164
Devstral Small 2 (24B)24B	8 bits	25,5 GB	14–26
Magistral Small 1.2 (2509)24B	8 bits	25,5 GB	14–26
Mistral Small 3.2 (24B)24B	8 bits	25,5 GB	14–26
LFM2.5 24B A2B24B · 2B ativos	8 bits	25,5 GB	176–312
Phi-4 Reasoning Vision 15B15B	8 bits	15,9 GB	23–41
Phi-4 (14B)14B	8 bits	14,9 GB	25–44
Gemma 4 12B Unified12B	8 bits	12,7 GB	29–52
Qwen3 8B8,2B	8 bits	8,7 GB	42–75
Llama 3.1 8B Instruct8B	8 bits	8,5 GB	43–77
Gemma 4 E2B5,1B	8 bits	5,4 GB	154–273
Qwen3.5 4B4B	8 bits	4,3 GB	86–152
Phi-4 mini instruct3,8B	8 bits	4 GB	92–164
Llama 3.2 3B Instruct3,21B	8 bits	3,4 GB	108–193
SmolLM3 3B3B	8 bits	3,2 GB	115–205
LFM2.5 2.6B2,69B	8 bits	2,9 GB	127–226
Qwen3.5 2B2B	8 bits	2,1 GB	176–312
Llama 3.2 1B Instruct1,23B	8 bits	1,3 GB	284–504
Qwen3.5 0.8B0,8B	8 bits	0,9 GB	410–728
Qwen3 0.6B0,6B	8 bits	0,6 GB	614–1092
Qwen3.8 Flash Next180B · 6B ativos · Inteligência 39,8	2 bits qualidade menor	56,3 GB	194–345
Qwen3.5 122B A10B122B · 10B ativos · Inteligência 15,6	3 bits qualidade menor	53,4 GB	84–149
Mistral Small 4 (119B)119B · 6,5B ativos · Inteligência 11,3	3 bits qualidade menor	52,1 GB	132–234
Ornith 1.5 122B122B · 10B ativos	3 bits qualidade menor	53,4 GB	84–149
Nemotron 3 Super 120B A12B120B · 12B ativos	3 bits qualidade menor	52,5 GB	70–124

Roda, mas devagar 3

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

Modelo	Versão	Memória	Tokens/s
Llama 3.3 70B Instruct70B	6 bits	56,9 GB	6–12
Mistral Medium 3.5 (128B)128B · Inteligência 14,2	3 bits qualidade menor	56 GB	7–12
Devstral 2 (123B)123B	3 bits qualidade menor	53,8 GB	7–12

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	Tokens/s
MiniMax M2.7230B · 10B ativos	2 bits qualidade menor	71,9 GB	119–211

Outros Macs

Todos os Macs com 96 GB, de qualquer chip.

O M3 Ultra com mais ou menos memória:

Chips vizinhos:

Mac Studio M3 Ultra

Frente a frente:

Contra PCs e placas de vídeo:

M3 Ultra vs DGX Spark

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

Perguntas

Qual é o melhor LLM para um M3 Ultra com 96 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 13–23 tokens por segundo. O maior que roda bem é gpt-oss-120b.
Um M3 Ultra com 96 GB roda Llama 3.3 70B?: Sim, mas devagar: 6 bits, a cerca de 6–12 tokens por segundo.
Qual é a velocidade do gpt-oss-20b em um M3 Ultra?: Cerca de 194–345 tokens por segundo (4,25 bits nativo), pelos 819 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.

O que um M3 Ultra com 96 GB roda?