EntrarCriar carteira

O que um M4 Max com 128 GB roda?

47 de 73 modelos abertos rodam bem nele. Por padrão, a GPU pode usar cerca de 96 GB dos seus 128 GB, e o chip lê a memória a 546 GB/s, o que define a velocidade de escrita. Presente em: MacBook Pro (14-inch, M4 Pro or M4 Max, 2024), MacBook Pro (16-inch, 2024), Mac Studio (2025).

O mais inteligente que roda bemQwen3.8 27B6 bits · 21,9 GB · 11–20 tok/sO maior que roda bemQwen3.5 122B A10B4 bits · 68,6 GB · 44–78 tok/sPara códigoQwen3 Coder Next8 bits · 85 GB · 77–137 tok/s

Roda bem 51

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

ModeloVersãoMemóriaTokens/s
Qwen3.8 27B27B · Inteligência 33,76 bits21,9 GB11–20
Nemotron 3.5 Bolt 74B A9B74B · 9B ativos · Inteligência 21,48 bits78,6 GB26–46
Qwen3.6 35B A3B35B · 3B ativos · Inteligência 18,28 bits37,2 GB77–137
Muse Glimmer 30B29,6B · Inteligência 17,56 bits24,1 GB10–18
Qwen3.5 122B A10B122B · 10B ativos · Inteligência 15,64 bits68,6 GB44–78
Gemma 4 31B30,7B · Inteligência 14,76 bits24,9 GB10–18
Nemotron 3.5 Lightning 30B A3B30B · 3B ativos · Inteligência 12,98 bits31,9 GB77–137
Granite 4.2 30B30B · Inteligência 12,76 bits24,4 GB10–18
MiniCPM5 2B2,52B · Inteligência 12,58 bits2,7 GB91–162
gpt-oss-120b117B · 5,1B ativos · Inteligência 11,64,25 bits nativo65,3 GB91–162
Mistral Small 4 (119B)119B · 6,5B ativos · Inteligência 11,34 bits66,9 GB66–118
Qwen3.5 9B9B · Inteligência 11,28 bits9,6 GB26–46
Granite 4.2 8B8B · Inteligência 11,18 bits8,5 GB29–51
Qwen3 Coder Next80B · 3B ativos · Inteligência 9,28 bits85 GB77–137
Granite 4.2 3B3B · Inteligência 9,18 bits3,2 GB77–137
gpt-oss-20b21B · 3,6B ativos · Inteligência 94,25 bits nativo13,8 GB129–230
Nemotron 3 Nano 30B A3B30B · 3,5B ativos · Inteligência 8,98 bits31,9 GB66–118
Gemma 4 E4B8B · Inteligência 8,98 bits8,5 GB51–91
Llama 4 Scout 17B-16E Instruct109B · 17B ativos · Inteligência 6,56 bits88,6 GB18–32
Ministral 3 8B8,9B · Inteligência 5,58 bits9,5 GB26–46
Nemotron 3 Nano 4B3,97B · Inteligência 4,88 bits4,2 GB59–104
Ornith 1.5 122B122B · 10B ativos4 bits68,6 GB44–78
Nemotron 3 Super 120B A12B120B · 12B ativos4 bits67,5 GB36–64
GLM-4.5 Air106B · 12B ativos6 bits86,1 GB25–45
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B ativos8 bits32,4 GB70–125
GLM-4.7 Flash30B · 3B ativos8 bits31,9 GB77–137
Qwen3.6 27B27B6 bits21,9 GB11–20
Gemma 4 26B A4B25,2B · 3,8B ativos8 bits26,8 GB61–109
Devstral Small 2 (24B)24B8 bits25,5 GB10–17
Magistral Small 1.2 (2509)24B8 bits25,5 GB10–17
Mistral Small 3.2 (24B)24B8 bits25,5 GB10–17
LFM2.5 24B A2B24B · 2B ativos8 bits25,5 GB117–208
Phi-4 Reasoning Vision 15B15B8 bits15,9 GB15–27
Phi-4 (14B)14B8 bits14,9 GB16–29
Gemma 4 12B Unified12B8 bits12,7 GB19–34
Qwen3 8B8,2B8 bits8,7 GB28–50
Llama 3.1 8B Instruct8B8 bits8,5 GB29–51
Gemma 4 E2B5,1B8 bits5,4 GB102–182
Qwen3.5 4B4B8 bits4,3 GB57–102
Phi-4 mini instruct3,8B8 bits4 GB61–109
Llama 3.2 3B Instruct3,21B8 bits3,4 GB72–128
SmolLM3 3B3B8 bits3,2 GB77–137
LFM2.5 2.6B2,69B8 bits2,9 GB85–151
Qwen3.5 2B2B8 bits2,1 GB117–208
Llama 3.2 1B Instruct1,23B8 bits1,3 GB189–336
Qwen3.5 0.8B0,8B8 bits0,9 GB273–485
Qwen3 0.6B0,6B8 bits0,6 GB410–728
Qwen3.8 Flash Next180B · 6B ativos · Inteligência 39,83 bits qualidade menor78,8 GB95–168
Inkling Small276B · 12B ativos · Inteligência 25,72 bits qualidade menor86,3 GB65–115
DeepSeek V4 Flash 0731284B · 13B ativos2 bits qualidade menor88,8 GB60–107
MiniMax M2.7230B · 10B ativos2 bits qualidade menor71,9 GB79–141

Roda, mas devagar 3

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

ModeloVersãoMemóriaTokens/s
Mistral Medium 3.5 (128B)128B · Inteligência 14,24 bits72 GB3–6
Devstral 2 (123B)123B4 bits69,2 GB4–6
Llama 3.3 70B Instruct70B8 bits74,4 GB3–6

Cabe no limite 3

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

ModeloVersãoMemóriaTokens/s
GLM-5.3 Flash320B · 18B ativos · Inteligência 41,82 bits qualidade menor100 GB44–78
MiMo V2.6 Flash309B · 15B ativos · Inteligência 37,92 bits qualidade menor96,6 GB52–93
Hy3295B · 21B ativos · Inteligência 25,32 bits qualidade menor92,2 GB37–66

Grande demais 16

Precisa de mais de 128 GB de memória, mesmo com 2 bits.

Outros Macs

Todos os Macs com 128 GB, de qualquer chip.

O M4 Max com mais ou menos memória:

Chips vizinhos:

Frente a frente:

Contra PCs e placas de vídeo:

Compare com qualquer Mac ou GPU · O M4 Max para IA local · O melhor Mac para LLMs locais · Todos os Macs

Perguntas

Qual é o melhor LLM para um M4 Max com 128 GB?
Entre os modelos com Intelligence Index publicado, Qwen3.8 27B tem a maior pontuação entre os que rodam bem aqui: 6 bits, cerca de 11–20 tokens por segundo. O maior que roda bem é Qwen3.5 122B A10B.
Um M4 Max com 128 GB roda Llama 3.3 70B?
Sim, mas devagar: 8 bits, a cerca de 3–6 tokens por segundo.
Qual é a velocidade do gpt-oss-20b em um M4 Max?
Cerca de 129–230 tokens por segundo (4,25 bits nativo), pelos 546 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 M4 Max com 128 GB roda? Modelos e velocidade