ВойтиСоздать кошелек

Лучшие LLM для Mac с 32 ГБ.

В 32 ГБ хорошо работают 38 из 73 открытых моделей. По умолчанию GPU может использовать около 24 ГБ. Скорость зависит от чипа: от 120 ГБ/с у M4 до 400 ГБ/с у M1 Max.

Самая умная из работающих хорошоQwen3.8 27B4 бит · 15,2 ГБ · 2–21 tok/sСамая большая из работающих хорошоQwen3.6 35B A3B4 бит · 19,7 ГБ · 32–188 tok/sДля кодаQwen3 Coder 30B A3B Instruct4 бит · 17,2 ГБ · 28–168 tok/s

Mac с 32 ГБ

Чипов M1–M6 с 32 ГБ: 7. Откройте любой, чтобы увидеть его список и скорость.

Работают хорошо 38

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

МодельВерсияПамятьM4M1 Max
Qwen3.8 27B27B · Интеллект 33,74 бит15,2 ГБ2–412–21
Qwen3.6 35B A3B35B · активных: 3B · Интеллект 18,24 бит19,7 ГБ32–56106–188
Muse Glimmer 30B29,6B · Интеллект 17,54 бит16,7 ГБ3–611–19
Gemma 4 31B30,7B · Интеллект 14,74 бит17,3 ГБ3–610–18
Nemotron 3.5 Lightning 30B A3B30B · активных: 3B · Интеллект 12,94 бит16,9 ГБ32–56106–188
Granite 4.2 30B30B · Интеллект 12,74 бит16,9 ГБ3–611–19
MiniCPM5 2B2,52B · Интеллект 12,58 бит2,7 ГБ20–3667–119
Qwen3.5 9B9B · Интеллект 11,28 бит9,6 ГБ11–1919–33
Granite 4.2 8B8B · Интеллект 11,18 бит8,5 ГБ12–2121–38
Granite 4.2 3B3B · Интеллект 9,18 бит3,2 ГБ17–3056–100
gpt-oss-20b21B · активных: 3,6B · Интеллект 9нативные 4,25 бит13,8 ГБ28–5195–168
Nemotron 3 Nano 30B A3B30B · активных: 3,5B · Интеллект 8,94 бит16,9 ГБ27–4890–160
Gemma 4 E4B8B · Интеллект 8,98 бит8,5 ГБ11–2038–67
Ministral 3 8B8,9B · Интеллект 5,58 бит9,5 ГБ11–1919–34
Nemotron 3 Nano 4B3,97B · Интеллект 4,88 бит4,2 ГБ13–2343–76
Qwen3 Coder 30B A3B Instruct30,5B · активных: 3,3B4 бит17,2 ГБ28–5195–168
GLM-4.7 Flash30B · активных: 3B4 бит16,9 ГБ32–56106–188
Qwen3.6 27B27B4 бит15,2 ГБ2–412–21
Gemma 4 26B A4B25,2B · активных: 3,8B6 бит20,5 ГБ17–3158–103
Devstral Small 2 (24B)24B4 бит13,5 ГБ3–513–24
Magistral Small 1.2 (2509)24B4 бит13,5 ГБ3–513–24
Mistral Small 3.2 (24B)24B4 бит13,5 ГБ3–513–24
LFM2.5 24B A2B24B · активных: 2B6 бит19,5 ГБ34–60113–200
Phi-4 Reasoning Vision 15B15B8 бит15,9 ГБ3–611–20
Phi-4 (14B)14B8 бит14,9 ГБ4–612–21
Gemma 4 12B Unified12B8 бит12,7 ГБ4–814–25
Qwen3 8B8,2B8 бит8,7 ГБ12–2121–37
Llama 3.1 8B Instruct8B8 бит8,5 ГБ12–2121–38
Gemma 4 E2B5,1B8 бит5,4 ГБ23–4075–133
Qwen3.5 4B4B8 бит4,3 ГБ13–2242–74
Phi-4 mini instruct3,8B8 бит4 ГБ14–2445–80
Llama 3.2 3B Instruct3,21B8 бит3,4 ГБ16–2853–94
SmolLM3 3B3B8 бит3,2 ГБ17–3056–100
LFM2.5 2.6B2,69B8 бит2,9 ГБ19–3362–110
Qwen3.5 2B2B8 бит2,1 ГБ26–4686–152
Llama 3.2 1B Instruct1,23B8 бит1,3 ГБ42–74138–246
Qwen3.5 0.8B0,8B8 бит0,9 ГБ60–107200–356
Qwen3 0.6B0,6B8 бит0,6 ГБ90–160300–533

Работают, но медленно 1

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

МодельВерсияПамятьM4M1 Max
Llama 3.3 70B Instruct70B2 бит ниже качество21,9 ГБ2–48–15

Еле помещаются 2

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

МодельВерсияПамятьM4M1 Max
Nemotron 3.5 Bolt 74B A9B74B · активных: 9B · Интеллект 21,42 бит ниже качество23,1 ГБ19–3464–114
Qwen3 Coder Next80B · активных: 3B · Интеллект 9,22 бит ниже качество25 ГБ60–107200–356

Слишком большие 32

Нужно больше 32 ГБ памяти, даже при 2 битах.

Вопросы

Какая LLM лучше всего подходит для Mac с 32 ГБ?
Среди моделей с опубликованным Intelligence Index выше всех из тех, что хорошо работают в 32 ГБ, оценена Qwen3.8 27B (4 бит). Самая большая из хорошо работающих — Qwen3.6 35B A3B. Для кода: Qwen3 Coder 30B A3B Instruct.
Хватит ли 32 ГБ для локального ИИ на Mac?
Из 73 открытых моделей здесь 38 хорошо работают в таком объеме при 4 битах или лучше. По умолчанию macOS отдает GPU около 24 ГБ; модель и ее контекст должны поместиться в этот объем.
Запустит ли Mac с 32 ГБ gpt-oss-20b?
Да, нативные 4,25 бит: около 28–51 токенов в секунду на M4 и 95–168 на M1 Max.

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 32 ГБ (M1–M6): что работает