EntrarCriar carteira

O que um M5 Ultra com 512 GB roda?

61 de 73 modelos abertos rodam bem nele. Por padrão, a GPU pode usar cerca de 384 GB dos seus 512 GB, e o chip lê a memória a 1.200 GB/s, o que define a velocidade de escrita. Presente em: Mac Studio (M5 Max or M5 Ultra).

O mais inteligente que roda bemDeepSeek V4.1 Flash 10174 bits · 311 GB · 60–107 tok/sO maior que roda bemDeepSeek V4.1 Flash 10174 bits · 311 GB · 60–107 tok/sPara códigoQwen3 Coder Next8 bits · 85 GB · 169–300 tok/s

Roda bem 68

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

ModeloVersãoMemóriaTokens/s
DeepSeek V4.1 Flash 1017552B · 16B ativos · Inteligência 45,14 bits311 GB60–107
GLM-5.3 Flash320B · 18B ativos · Inteligência 41,88 bits340 GB28–50
Qwen3.8 Flash Next180B · 6B ativos · Inteligência 39,88 bits191 GB84–150
MiMo V2.6 Flash309B · 15B ativos · Inteligência 37,94,48 bits nativo173 GB64–114
Qwen3.8 27B27B · Inteligência 33,78 bits28,7 GB19–33
Beam 1.0501B · 23B ativos · Inteligência 30,34 bits282 GB42–74
MiniMax M3428B · 23B ativos · Inteligência 29,26 bits348 GB29–51
Inkling Small276B · 12B ativos · Inteligência 25,78 bits293 GB42–75
Hy3295B · 21B ativos · Inteligência 25,38 bits313 GB24–43
Nemotron 3 Ultra 550B A55B550B · 55B ativos · Inteligência 22,94 bits309 GB17–31
Nemotron 3.5 Bolt 74B A9B74B · 9B ativos · Inteligência 21,48 bits78,6 GB56–100
Qwen3.5 397B A17B397B · 17B ativos · Inteligência 18,46 bits323 GB39–70
Qwen3.6 35B A3B35B · 3B ativos · Inteligência 18,28 bits37,2 GB169–300
Muse Glimmer 30B29,6B · Inteligência 17,58 bits31,5 GB17–30
Qwen3.5 122B A10B122B · 10B ativos · Inteligência 15,68 bits130 GB51–91
Gemma 4 31B30,7B · Inteligência 14,78 bits32,6 GB17–29
Nemotron 3.5 Lightning 30B A3B30B · 3B ativos · Inteligência 12,98 bits31,9 GB169–300
Granite 4.2 30B30B · Inteligência 12,78 bits31,9 GB17–30
MiniCPM5 2B2,52B · Inteligência 12,58 bits2,7 GB200–356
gpt-oss-120b117B · 5,1B ativos · Inteligência 11,64,25 bits nativo65,3 GB200–356
Mistral Small 4 (119B)119B · 6,5B ativos · Inteligência 11,38 bits126 GB78–139
Qwen3.5 9B9B · Inteligência 11,28 bits9,6 GB56–100
Granite 4.2 8B8B · Inteligência 11,18 bits8,5 GB64–113
Llama 4 Maverick 17B-128E Instruct400B · 17B ativos · Inteligência 9,36 bits325 GB39–70
Qwen3 Coder Next80B · 3B ativos · Inteligência 9,28 bits85 GB169–300
Granite 4.2 3B3B · Inteligência 9,18 bits3,2 GB169–300
gpt-oss-20b21B · 3,6B ativos · Inteligência 94,25 bits nativo13,8 GB284–505
Nemotron 3 Nano 30B A3B30B · 3,5B ativos · Inteligência 8,98 bits31,9 GB146–259
Gemma 4 E4B8B · Inteligência 8,98 bits8,5 GB113–200
Llama 4 Scout 17B-16E Instruct109B · 17B ativos · Inteligência 6,58 bits116 GB30–53
Ministral 3 8B8,9B · Inteligência 5,58 bits9,5 GB57–101
Nemotron 3 Nano 4B3,97B · Inteligência 4,88 bits4,2 GB129–229
DeepSeek V4 Flash 0731284B · 13B ativos8 bits302 GB39–70
MiniMax M2.7230B · 10B ativos8 bits244 GB51–91
Ornith 1.5 122B122B · 10B ativos8 bits130 GB51–91
Nemotron 3 Super 120B A12B120B · 12B ativos8 bits128 GB42–75
GLM-4.5 Air106B · 12B ativos8 bits113 GB42–75
Llama 3.3 70B Instruct70B4 bits39,4 GB14–24
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B ativos8 bits32,4 GB154–274
GLM-4.7 Flash30B · 3B ativos8 bits31,9 GB169–300
Qwen3.6 27B27B8 bits28,7 GB19–33
Gemma 4 26B A4B25,2B · 3,8B ativos8 bits26,8 GB135–240
Devstral Small 2 (24B)24B8 bits25,5 GB21–38
Magistral Small 1.2 (2509)24B8 bits25,5 GB21–38
Mistral Small 3.2 (24B)24B8 bits25,5 GB21–38
LFM2.5 24B A2B24B · 2B ativos8 bits25,5 GB257–457
Phi-4 Reasoning Vision 15B15B8 bits15,9 GB34–60
Phi-4 (14B)14B8 bits14,9 GB36–64
Gemma 4 12B Unified12B8 bits12,7 GB43–76
Qwen3 8B8,2B8 bits8,7 GB62–110
Llama 3.1 8B Instruct8B8 bits8,5 GB64–113
Gemma 4 E2B5,1B8 bits5,4 GB225–400
Qwen3.5 4B4B8 bits4,3 GB126–223
Phi-4 mini instruct3,8B8 bits4 GB135–240
Llama 3.2 3B Instruct3,21B8 bits3,4 GB159–282
SmolLM3 3B3B8 bits3,2 GB169–300
LFM2.5 2.6B2,69B8 bits2,9 GB186–331
Qwen3.5 2B2B8 bits2,1 GB257–457
Llama 3.2 1B Instruct1,23B8 bits1,3 GB415–738
Qwen3.5 0.8B0,8B8 bits0,9 GB600–1067
Qwen3 0.6B0,6B8 bits0,6 GB900–1600
MiMo V2.6 Pro1.020B · 42B ativos · Inteligência 46,32 bits qualidade menor319 GB41–73
GLM-5.3744B · 40B ativos · Inteligência 44,83 bits qualidade menor326 GB31–55
Muse Spark Open816B · 42B ativos · Inteligência 38,92 bits qualidade menor255 GB41–73
Kimi K2.7 Code1.000B · 32B ativos · Inteligência 25,82 bits qualidade menor313 GB54–96
Inkling975B · 41B ativos · Inteligência 252 bits qualidade menor305 GB42–75
Kimi K2.61.000B · 32B ativos2 bits qualidade menor313 GB54–96
Mistral Large 3 (675B)675B · 41B ativos3 bits qualidade menor295 GB30–54

Roda, mas devagar 2

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 14,28 bits136 GB4–7
Devstral 2 (123B)123B8 bits131 GB4–7

Grande demais 3

Precisa de mais de 512 GB de memória, mesmo com 2 bits.

Outros Macs

Todos os Macs com 512 GB, de qualquer chip.

O M5 Ultra com mais ou menos memória:

Chips vizinhos:

Frente a frente:

Contra PCs e placas de vídeo:

Compare com qualquer Mac ou GPU · O M5 Ultra para IA local · O melhor Mac para LLMs locais · Todos os Macs

Perguntas

Qual é o melhor LLM para um M5 Ultra com 512 GB?
Entre os modelos com Intelligence Index publicado, DeepSeek V4.1 Flash 1017 tem a maior pontuação entre os que rodam bem aqui: 4 bits, cerca de 60–107 tokens por segundo.
Um M5 Ultra com 512 GB roda Llama 3.3 70B?
Sim: 4 bits, a cerca de 14–24 tokens por segundo.
Qual é a velocidade do gpt-oss-20b em um M5 Ultra?
Cerca de 284–505 tokens por segundo (4,25 bits nativo), pelos 1.200 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 M5 Ultra com 512 GB roda? Modelos e velocidade