ВойтиСоздать кошелек

Что запустит M1 Pro с 16 ГБ?

На нем хорошо работают 22 из 73 открытых моделей. По умолчанию GPU может использовать около 12 ГБ из 16 ГБ, а память читается со скоростью 200 ГБ/с — от этого зависит скорость генерации. Встречается в: MacBook Pro (14-inch, 2021), MacBook Pro (16-inch, 2021).

Самая умная из работающих хорошоMiniCPM5 2B8 бит · 2,7 ГБ · 33–59 tok/sСамая большая из работающих хорошоPhi-4 Reasoning Vision 15B4 бит · 8,4 ГБ · 11–19 tok/s

Работают хорошо 33

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

МодельВерсияПамятьТокенов/с
MiniCPM5 2B2,52B · Интеллект 12,58 бит2,7 ГБ33–59
Qwen3.5 9B9B · Интеллект 11,26 бит7,3 ГБ12–22
Granite 4.2 8B8B · Интеллект 11,18 бит8,5 ГБ11–19
Granite 4.2 3B3B · Интеллект 9,18 бит3,2 ГБ28–50
Gemma 4 E4B8B · Интеллект 8,98 бит8,5 ГБ19–33
Ministral 3 8B8,9B · Интеллект 5,56 бит7,2 ГБ13–22
Nemotron 3 Nano 4B3,97B · Интеллект 4,88 бит4,2 ГБ21–38
Phi-4 Reasoning Vision 15B15B4 бит8,4 ГБ11–19
Phi-4 (14B)14B4 бит7,9 ГБ11–20
Gemma 4 12B Unified12B4 бит6,7 ГБ13–24
Qwen3 8B8,2B8 бит8,7 ГБ10–18
Llama 3.1 8B Instruct8B8 бит8,5 ГБ11–19
Gemma 4 E2B5,1B8 бит5,4 ГБ38–67
Qwen3.5 4B4B8 бит4,3 ГБ21–37
Phi-4 mini instruct3,8B8 бит4 ГБ23–40
Llama 3.2 3B Instruct3,21B8 бит3,4 ГБ26–47
SmolLM3 3B3B8 бит3,2 ГБ28–50
LFM2.5 2.6B2,69B8 бит2,9 ГБ31–55
Qwen3.5 2B2B8 бит2,1 ГБ43–76
Llama 3.2 1B Instruct1,23B8 бит1,3 ГБ69–123
Qwen3.5 0.8B0,8B8 бит0,9 ГБ100–178
Qwen3 0.6B0,6B8 бит0,6 ГБ150–267
Qwen3.8 27B27B · Интеллект 33,72 бит ниже качество8,4 ГБ11–19
Muse Glimmer 30B29,6B · Интеллект 17,52 бит ниже качество9,3 ГБ10–17
Nemotron 3.5 Lightning 30B A3B30B · активных: 3B · Интеллект 12,92 бит ниже качество9,4 ГБ100–178
Granite 4.2 30B30B · Интеллект 12,72 бит ниже качество9,4 ГБ10–17
gpt-oss-20b21B · активных: 3,6B · Интеллект 93 бит ниже качество9,2 ГБ56–100
Nemotron 3 Nano 30B A3B30B · активных: 3,5B · Интеллект 8,92 бит ниже качество9,4 ГБ82–145
Qwen3 Coder 30B A3B Instruct30,5B · активных: 3,3B2 бит ниже качество9,5 ГБ90–160
GLM-4.7 Flash30B · активных: 3B2 бит ниже качество9,4 ГБ100–178
Qwen3.6 27B27B2 бит ниже качество8,4 ГБ11–19
Gemma 4 26B A4B25,2B · активных: 3,8B2 бит ниже качество7,9 ГБ75–133
LFM2.5 24B A2B24B · активных: 2B3 бит ниже качество10,5 ГБ100–178

Работают, но медленно 4

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

МодельВерсияПамятьТокенов/с
Gemma 4 31B30,7B · Интеллект 14,72 бит ниже качество9,6 ГБ9–17
Devstral Small 2 (24B)24B3 бит ниже качество10,5 ГБ9–15
Magistral Small 1.2 (2509)24B3 бит ниже качество10,5 ГБ9–15
Mistral Small 3.2 (24B)24B3 бит ниже качество10,5 ГБ9–15

Еле помещаются 1

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

МодельВерсияПамятьТокенов/с
Qwen3.6 35B A3B35B · активных: 3B · Интеллект 18,22 бит ниже качество10,9 ГБ100–178

Слишком большие 35

Нужно больше 16 ГБ памяти, даже при 2 битах.

Другие Mac

Все Mac с 16 ГБ, на любом чипе.

M1 Pro с другим объемом памяти:

Соседние чипы:

Один на один:

Сравнить с любым Mac или GPU · M1 Pro для локального ИИ · Лучший Mac для локальных LLM · Все Mac

Вопросы

Какая LLM лучше всего подходит для M1 Pro с 16 ГБ?
Среди моделей с опубликованным Intelligence Index выше всех из тех, что здесь хорошо работают, оценена MiniCPM5 2B: 8 бит, около 33–59 токенов в секунду. Самая большая из хорошо работающих — Phi-4 Reasoning Vision 15B.
Запустит ли M1 Pro с 16 ГБ Llama 3.3 70B?
Нет: даже при 2 битах ей нужно больше 12 ГБ, которые GPU может использовать по умолчанию.
Насколько быстро gpt-oss-20b работает на M1 Pro?
Около 56–100 токенов в секунду (3 бит) при пропускной способности памяти чипа 200 ГБ/с.

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.

Какие LLM запустит M1 Pro с 16 ГБ? Все модели и скорость