ВойтиСоздать кошелек

Лучшие LLM для Mac с 128 ГБ.

В 128 ГБ хорошо работают 47 из 73 открытых моделей. По умолчанию GPU может использовать около 96 ГБ. Скорость зависит от чипа: от 400 ГБ/с у M3 Max до 800 ГБ/с у M1 Ultra.

Самая умная из работающих хорошоQwen3.8 27B8 бит · 28,7 ГБ · 12–22 tok/sСамая большая из работающих хорошоQwen3.5 122B A10B4 бит · 68,6 ГБ · 32–114 tok/sДля кодаQwen3 Coder Next8 бит · 85 ГБ · 56–200 tok/s

Mac с 128 ГБ

Чипов M1–M5 с 128 ГБ: 5. Откройте любой, чтобы увидеть его список и скорость.

Работают хорошо 51

Помещается с запасом для контекста, 10 и более токенов в секунду на M1 Ultra.

МодельВерсияПамятьM3 MaxM1 Ultra
Qwen3.8 27B27B · Интеллект 33,78 бит28,7 ГБ12–2113–22
Nemotron 3.5 Bolt 74B A9B74B · активных: 9B · Интеллект 21,48 бит78,6 ГБ19–3338–67
Qwen3.6 35B A3B35B · активных: 3B · Интеллект 18,28 бит37,2 ГБ56–100113–200
Muse Glimmer 30B29,6B · Интеллект 17,58 бит31,5 ГБ11–1911–20
Qwen3.5 122B A10B122B · активных: 10B · Интеллект 15,64 бит68,6 ГБ32–5764–114
Gemma 4 31B30,7B · Интеллект 14,78 бит32,6 ГБ10–1811–20
Nemotron 3.5 Lightning 30B A3B30B · активных: 3B · Интеллект 12,98 бит31,9 ГБ56–100113–200
Granite 4.2 30B30B · Интеллект 12,78 бит31,9 ГБ11–1911–20
MiniCPM5 2B2,52B · Интеллект 12,58 бит2,7 ГБ67–119133–237
gpt-oss-120b117B · активных: 5,1B · Интеллект 11,6нативные 4,25 бит65,3 ГБ67–119133–237
Mistral Small 4 (119B)119B · активных: 6,5B · Интеллект 11,34 бит66,9 ГБ49–8697–173
Qwen3.5 9B9B · Интеллект 11,28 бит9,6 ГБ19–3338–67
Granite 4.2 8B8B · Интеллект 11,18 бит8,5 ГБ21–3842–75
Qwen3 Coder Next80B · активных: 3B · Интеллект 9,28 бит85 ГБ56–100113–200
Granite 4.2 3B3B · Интеллект 9,18 бит3,2 ГБ56–100113–200
gpt-oss-20b21B · активных: 3,6B · Интеллект 9нативные 4,25 бит13,8 ГБ95–168189–337
Nemotron 3 Nano 30B A3B30B · активных: 3,5B · Интеллект 8,98 бит31,9 ГБ49–8697–173
Gemma 4 E4B8B · Интеллект 8,98 бит8,5 ГБ38–6775–133
Llama 4 Scout 17B-16E Instruct109B · активных: 17B · Интеллект 6,56 бит88,6 ГБ13–2326–46
Ministral 3 8B8,9B · Интеллект 5,58 бит9,5 ГБ19–3438–67
Nemotron 3 Nano 4B3,97B · Интеллект 4,88 бит4,2 ГБ43–7686–152
Ornith 1.5 122B122B · активных: 10B4 бит68,6 ГБ32–5764–114
Nemotron 3 Super 120B A12B120B · активных: 12B4 бит67,5 ГБ26–4753–94
GLM-4.5 Air106B · активных: 12B6 бит86,1 ГБ18–3337–65
Qwen3 Coder 30B A3B Instruct30,5B · активных: 3,3B8 бит32,4 ГБ51–91103–183
GLM-4.7 Flash30B · активных: 3B8 бит31,9 ГБ56–100113–200
Qwen3.6 27B27B8 бит28,7 ГБ12–2113–22
Gemma 4 26B A4B25,2B · активных: 3,8B8 бит26,8 ГБ45–8090–160
Devstral Small 2 (24B)24B8 бит25,5 ГБ13–2414–25
Magistral Small 1.2 (2509)24B8 бит25,5 ГБ13–2414–25
Mistral Small 3.2 (24B)24B8 бит25,5 ГБ13–2414–25
LFM2.5 24B A2B24B · активных: 2B8 бит25,5 ГБ86–152171–305
Phi-4 Reasoning Vision 15B15B8 бит15,9 ГБ11–2023–40
Phi-4 (14B)14B8 бит14,9 ГБ12–2124–43
Gemma 4 12B Unified12B8 бит12,7 ГБ14–2528–50
Qwen3 8B8,2B8 бит8,7 ГБ21–3741–74
Llama 3.1 8B Instruct8B8 бит8,5 ГБ21–3842–75
Gemma 4 E2B5,1B8 бит5,4 ГБ75–133150–267
Qwen3.5 4B4B8 бит4,3 ГБ42–7484–149
Phi-4 mini instruct3,8B8 бит4 ГБ45–8090–160
Llama 3.2 3B Instruct3,21B8 бит3,4 ГБ53–94106–188
SmolLM3 3B3B8 бит3,2 ГБ56–100113–200
LFM2.5 2.6B2,69B8 бит2,9 ГБ62–110124–221
Qwen3.5 2B2B8 бит2,1 ГБ86–152171–305
Llama 3.2 1B Instruct1,23B8 бит1,3 ГБ138–246277–492
Qwen3.5 0.8B0,8B8 бит0,9 ГБ200–356400–711
Qwen3 0.6B0,6B8 бит0,6 ГБ300–533600–1067
Qwen3.8 Flash Next180B · активных: 6B · Интеллект 39,83 бит ниже качество78,8 ГБ69–123138–246
Inkling Small276B · активных: 12B · Интеллект 25,72 бит ниже качество86,3 ГБ47–8495–168
DeepSeek V4 Flash 0731284B · активных: 13B2 бит ниже качество88,8 ГБ44–7888–156
MiniMax M2.7230B · активных: 10B2 бит ниже качество71,9 ГБ58–103116–206

Работают, но медленно 3

Помещается, но меньше 10 токенов в секунду: подойдет для пакетных задач, для чата медленно.

МодельВерсияПамятьM3 MaxM1 Ultra
Mistral Medium 3.5 (128B)128B · Интеллект 14,24 бит72 ГБ3–45–9
Devstral 2 (123B)123B4 бит69,2 ГБ3–55–9
Llama 3.3 70B Instruct70B8 бит74,4 ГБ2–45–9

Еле помещаются 3

Занимает почти всю память: поднимите лимит памяти GPU и держите контекст коротким.

МодельВерсияПамятьM3 MaxM1 Ultra
GLM-5.3 Flash320B · активных: 18B · Интеллект 41,82 бит ниже качество100 ГБ32–5764–114
MiMo V2.6 Flash309B · активных: 15B · Интеллект 37,92 бит ниже качество96,6 ГБ38–6877–136
Hy3295B · активных: 21B · Интеллект 25,32 бит ниже качество92,2 ГБ27–4855–97

Слишком большие 16

Нужно больше 128 ГБ памяти, даже при 2 битах.

Вопросы

Какая LLM лучше всего подходит для Mac с 128 ГБ?
Среди моделей с опубликованным Intelligence Index выше всех из тех, что хорошо работают в 128 ГБ, оценена Qwen3.8 27B (8 бит). Самая большая из хорошо работающих — Qwen3.5 122B A10B. Для кода: Qwen3 Coder Next.
Хватит ли 128 ГБ для локального ИИ на Mac?
Из 73 открытых моделей здесь 47 хорошо работают в таком объеме при 4 битах или лучше. По умолчанию macOS отдает GPU около 96 ГБ; модель и ее контекст должны поместиться в этот объем.
Запустит ли Mac с 128 ГБ gpt-oss-20b?
Да, нативные 4,25 бит: около 95–168 токенов в секунду на M3 Max и 189–337 на M1 Ultra.

Другие объемы: 8 ГБ · 16 ГБ · 18 ГБ · 24 ГБ · 32 ГБ · 36 ГБ · 48 ГБ · 64 ГБ · 96 ГБ · 128 ГБ · 192 ГБ · 256 ГБ · 512 ГБ

Запускайте их в MLX Harness (бесплатно, открытый код) или через mlx-lm от Apple в Терминале: пошагово.

Как это рассчитано

Память: параметры модели при 8, 6, 4, 3 или 2 битах на вес плюс групповые масштабы MLX (полбита на вес) или ее нативный формат, а сверху — место для контекста. По умолчанию macOS отдает GPU около 75% объединенной памяти. Скорость: пропускная способность памяти, деленная на число байтов, читаемых на каждый токен, — это потолок для одного диалога; в публичных тестах llama.cpp на Apple Silicon реальные запуски достигают примерно 45–80% от него, и показан именно этот диапазон. Это оценки, а не измерения: измерьте свой Mac в MLX Bench. Данные моделей — из официальных карточек моделей, данные чипов — из технических характеристик Apple. Проверено 2026-10-19. Те же данные, что и на mlx.app/compare.

Лучшие локальные LLM для Mac с 128 ГБ (M1–M5): что работает