EntrarCriar carteira

O que um M5 Ultra com 96 GB roda?

44 de 73 modelos abertos rodam bem nele. Por padrão, a GPU pode usar cerca de 72 GB dos seus 96 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 bemQwen3.8 27B8 bits · 28,7 GB · 19–33 tok/sO maior que roda bemgpt-oss-120b4,25 bits nativo · 65,3 GB · 200–356 tok/sPara códigoQwen3 Coder Next6 bits · 65 GB · 225–400 tok/s

Roda bem 51

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

ModeloVersãoMemóriaTokens/s
Qwen3.8 27B27B · Inteligência 33,78 bits28,7 GB19–33
Nemotron 3.5 Bolt 74B A9B74B · 9B ativos · Inteligência 21,46 bits60,1 GB74–132
Qwen3.6 35B A3B35B · 3B ativos · Inteligência 18,28 bits37,2 GB169–300
Muse Glimmer 30B29,6B · Inteligência 17,58 bits31,5 GB17–30
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
Qwen3.5 9B9B · Inteligência 11,28 bits9,6 GB56–100
Granite 4.2 8B8B · Inteligência 11,18 bits8,5 GB64–113
Qwen3 Coder Next80B · 3B ativos · Inteligência 9,26 bits65 GB225–400
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 6,54 bits61,3 GB56–100
Ministral 3 8B8,9B · Inteligência 5,58 bits9,5 GB57–101
Nemotron 3 Nano 4B3,97B · Inteligência 4,88 bits4,2 GB129–229
GLM-4.5 Air106B · 12B ativos4 bits59,6 GB79–141
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
Qwen3.8 Flash Next180B · 6B ativos · Inteligência 39,82 bits qualidade menor56,3 GB284–505
Qwen3.5 122B A10B122B · 10B ativos · Inteligência 15,63 bits qualidade menor53,4 GB123–218
Mistral Medium 3.5 (128B)128B · Inteligência 14,23 bits qualidade menor56 GB10–17
Mistral Small 4 (119B)119B · 6,5B ativos · Inteligência 11,33 bits qualidade menor52,1 GB193–343
Devstral 2 (123B)123B3 bits qualidade menor53,8 GB10–18
Ornith 1.5 122B122B · 10B ativos3 bits qualidade menor53,4 GB123–218
Nemotron 3 Super 120B A12B120B · 12B ativos3 bits qualidade menor52,5 GB102–181

Cabe no limite 1

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

ModeloVersãoMemóriaTokens/s
MiniMax M2.7230B · 10B ativos2 bits qualidade menor71,9 GB174–310

Grande demais 21

Precisa de mais de 96 GB de memória, mesmo com 2 bits.

Outros Macs

Todos os Macs com 96 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 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 19–33 tokens por segundo. O maior que roda bem é gpt-oss-120b.
Um M5 Ultra com 96 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 96 GB roda? Modelos e velocidade