ВойтиСоздать кошелек

Лучшие LLM для Mac с 16 ГБ.

В 16 ГБ хорошо работают 22 из 73 открытых моделей. По умолчанию GPU может использовать около 12 ГБ. Скорость зависит от чипа: от 68 ГБ/с у M1 до 200 ГБ/с у M1 Pro.

Самая умная из работающих хорошоMiniCPM5 2B8 бит · 2,7 ГБ · 11–59 tok/sСамая большая из работающих хорошоPhi-4 Reasoning Vision 15B4 бит · 8,4 ГБ · 4–19 tok/s

Mac с 16 ГБ

Чипов M1–M6 с 16 ГБ: 8. Откройте любой, чтобы увидеть его список и скорость.

Работают хорошо 33

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

МодельВерсияПамятьM1M1 Pro
MiniCPM5 2B2,52B · Интеллект 12,58 бит2,7 ГБ11–2033–59
Qwen3.5 9B9B · Интеллект 11,26 бит7,3 ГБ3–612–22
Granite 4.2 8B8B · Интеллект 11,18 бит8,5 ГБ4–611–19
Granite 4.2 3B3B · Интеллект 9,18 бит3,2 ГБ10–1728–50
Gemma 4 E4B8B · Интеллект 8,98 бит8,5 ГБ12–2219–33
Ministral 3 8B8,9B · Интеллект 5,56 бит7,2 ГБ3–613–22
Nemotron 3 Nano 4B3,97B · Интеллект 4,88 бит4,2 ГБ10–1721–38
Phi-4 Reasoning Vision 15B15B4 бит8,4 ГБ4–611–19
Phi-4 (14B)14B4 бит7,9 ГБ4–711–20
Gemma 4 12B Unified12B4 бит6,7 ГБ3–613–24
Qwen3 8B8,2B8 бит8,7 ГБ4–610–18
Llama 3.1 8B Instruct8B8 бит8,5 ГБ4–611–19
Gemma 4 E2B5,1B8 бит5,4 ГБ13–2338–67
Qwen3.5 4B4B8 бит4,3 ГБ13–2421–37
Phi-4 mini instruct3,8B8 бит4 ГБ10–1823–40
Llama 3.2 3B Instruct3,21B8 бит3,4 ГБ12–2126–47
SmolLM3 3B3B8 бит3,2 ГБ10–1728–50
LFM2.5 2.6B2,69B8 бит2,9 ГБ11–1931–55
Qwen3.5 2B2B8 бит2,1 ГБ15–2643–76
Llama 3.2 1B Instruct1,23B8 бит1,3 ГБ24–4269–123
Qwen3.5 0.8B0,8B8 бит0,9 ГБ34–60100–178
Qwen3 0.6B0,6B8 бит0,6 ГБ51–91150–267
Qwen3.8 27B27B · Интеллект 33,72 бит ниже качество8,4 ГБ4–611–19
Muse Glimmer 30B29,6B · Интеллект 17,52 бит ниже качество9,3 ГБ3–610–17
Nemotron 3.5 Lightning 30B A3B30B · активных: 3B · Интеллект 12,92 бит ниже качество9,4 ГБ34–60100–178
Granite 4.2 30B30B · Интеллект 12,72 бит ниже качество9,4 ГБ3–610–17
gpt-oss-20b21B · активных: 3,6B · Интеллект 93 бит ниже качество9,2 ГБ19–3456–100
Nemotron 3 Nano 30B A3B30B · активных: 3,5B · Интеллект 8,92 бит ниже качество9,4 ГБ28–4982–145
Qwen3 Coder 30B A3B Instruct30,5B · активных: 3,3B2 бит ниже качество9,5 ГБ31–5490–160
GLM-4.7 Flash30B · активных: 3B2 бит ниже качество9,4 ГБ34–60100–178
Qwen3.6 27B27B2 бит ниже качество8,4 ГБ4–611–19
Gemma 4 26B A4B25,2B · активных: 3,8B2 бит ниже качество7,9 ГБ26–4575–133
LFM2.5 24B A2B24B · активных: 2B3 бит ниже качество10,5 ГБ34–60100–178

Работают, но медленно 4

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

МодельВерсияПамятьM1M1 Pro
Gemma 4 31B30,7B · Интеллект 14,72 бит ниже качество9,6 ГБ3–69–17
Devstral Small 2 (24B)24B3 бит ниже качество10,5 ГБ3–59–15
Magistral Small 1.2 (2509)24B3 бит ниже качество10,5 ГБ3–59–15
Mistral Small 3.2 (24B)24B3 бит ниже качество10,5 ГБ3–59–15

Еле помещаются 1

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

МодельВерсияПамятьM1M1 Pro
Qwen3.6 35B A3B35B · активных: 3B · Интеллект 18,22 бит ниже качество10,9 ГБ34–60100–178

Слишком большие 35

Нужно больше 16 ГБ памяти, даже при 2 битах.

Вопросы

Какая LLM лучше всего подходит для Mac с 16 ГБ?
Среди моделей с опубликованным Intelligence Index выше всех из тех, что хорошо работают в 16 ГБ, оценена MiniCPM5 2B (8 бит). Самая большая из хорошо работающих — Phi-4 Reasoning Vision 15B.
Хватит ли 16 ГБ для локального ИИ на Mac?
Из 73 открытых моделей здесь 22 хорошо работают в таком объеме при 4 битах или лучше. По умолчанию macOS отдает GPU около 12 ГБ; модель и ее контекст должны поместиться в этот объем.
Запустит ли Mac с 16 ГБ gpt-oss-20b?
Да, 3 бит: около 19–34 токенов в секунду на M1 и 56–100 на M1 Pro.

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 16 ГБ (M1–M6): что работает