ВойтиСоздать кошелек

Что запустит M2 Ultra с 128 ГБ?

На нем хорошо работают 47 из 73 открытых моделей. По умолчанию GPU может использовать около 96 ГБ из 128 ГБ, а память читается со скоростью 800 ГБ/с — от этого зависит скорость генерации. Встречается в: Mac Studio (2023), Mac Pro (2023), Mac Pro (Rack, 2023).

Самая умная из работающих хорошоQwen3.8 27B8 бит · 28,7 ГБ · 13–22 tok/sСамая большая из работающих хорошоQwen3.5 122B A10B4 бит · 68,6 ГБ · 64–114 tok/sДля кодаQwen3 Coder Next8 бит · 85 ГБ · 113–200 tok/s

Работают хорошо 51

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

МодельВерсияПамятьТокенов/с
Qwen3.8 27B27B · Интеллект 33,78 бит28,7 ГБ13–22
Nemotron 3.5 Bolt 74B A9B74B · активных: 9B · Интеллект 21,48 бит78,6 ГБ38–67
Qwen3.6 35B A3B35B · активных: 3B · Интеллект 18,28 бит37,2 ГБ113–200
Muse Glimmer 30B29,6B · Интеллект 17,58 бит31,5 ГБ11–20
Qwen3.5 122B A10B122B · активных: 10B · Интеллект 15,64 бит68,6 ГБ64–114
Gemma 4 31B30,7B · Интеллект 14,78 бит32,6 ГБ11–20
Nemotron 3.5 Lightning 30B A3B30B · активных: 3B · Интеллект 12,98 бит31,9 ГБ113–200
Granite 4.2 30B30B · Интеллект 12,78 бит31,9 ГБ11–20
MiniCPM5 2B2,52B · Интеллект 12,58 бит2,7 ГБ133–237
gpt-oss-120b117B · активных: 5,1B · Интеллект 11,6нативные 4,25 бит65,3 ГБ133–237
Mistral Small 4 (119B)119B · активных: 6,5B · Интеллект 11,34 бит66,9 ГБ97–173
Qwen3.5 9B9B · Интеллект 11,28 бит9,6 ГБ38–67
Granite 4.2 8B8B · Интеллект 11,18 бит8,5 ГБ42–75
Qwen3 Coder Next80B · активных: 3B · Интеллект 9,28 бит85 ГБ113–200
Granite 4.2 3B3B · Интеллект 9,18 бит3,2 ГБ113–200
gpt-oss-20b21B · активных: 3,6B · Интеллект 9нативные 4,25 бит13,8 ГБ189–337
Nemotron 3 Nano 30B A3B30B · активных: 3,5B · Интеллект 8,98 бит31,9 ГБ97–173
Gemma 4 E4B8B · Интеллект 8,98 бит8,5 ГБ75–133
Llama 4 Scout 17B-16E Instruct109B · активных: 17B · Интеллект 6,56 бит88,6 ГБ26–46
Ministral 3 8B8,9B · Интеллект 5,58 бит9,5 ГБ38–67
Nemotron 3 Nano 4B3,97B · Интеллект 4,88 бит4,2 ГБ86–152
Ornith 1.5 122B122B · активных: 10B4 бит68,6 ГБ64–114
Nemotron 3 Super 120B A12B120B · активных: 12B4 бит67,5 ГБ53–94
GLM-4.5 Air106B · активных: 12B6 бит86,1 ГБ37–65
Qwen3 Coder 30B A3B Instruct30,5B · активных: 3,3B8 бит32,4 ГБ103–183
GLM-4.7 Flash30B · активных: 3B8 бит31,9 ГБ113–200
Qwen3.6 27B27B8 бит28,7 ГБ13–22
Gemma 4 26B A4B25,2B · активных: 3,8B8 бит26,8 ГБ90–160
Devstral Small 2 (24B)24B8 бит25,5 ГБ14–25
Magistral Small 1.2 (2509)24B8 бит25,5 ГБ14–25
Mistral Small 3.2 (24B)24B8 бит25,5 ГБ14–25
LFM2.5 24B A2B24B · активных: 2B8 бит25,5 ГБ171–305
Phi-4 Reasoning Vision 15B15B8 бит15,9 ГБ23–40
Phi-4 (14B)14B8 бит14,9 ГБ24–43
Gemma 4 12B Unified12B8 бит12,7 ГБ28–50
Qwen3 8B8,2B8 бит8,7 ГБ41–74
Llama 3.1 8B Instruct8B8 бит8,5 ГБ42–75
Gemma 4 E2B5,1B8 бит5,4 ГБ150–267
Qwen3.5 4B4B8 бит4,3 ГБ84–149
Phi-4 mini instruct3,8B8 бит4 ГБ90–160
Llama 3.2 3B Instruct3,21B8 бит3,4 ГБ106–188
SmolLM3 3B3B8 бит3,2 ГБ113–200
LFM2.5 2.6B2,69B8 бит2,9 ГБ124–221
Qwen3.5 2B2B8 бит2,1 ГБ171–305
Llama 3.2 1B Instruct1,23B8 бит1,3 ГБ277–492
Qwen3.5 0.8B0,8B8 бит0,9 ГБ400–711
Qwen3 0.6B0,6B8 бит0,6 ГБ600–1067
Qwen3.8 Flash Next180B · активных: 6B · Интеллект 39,83 бит ниже качество78,8 ГБ138–246
Inkling Small276B · активных: 12B · Интеллект 25,72 бит ниже качество86,3 ГБ95–168
DeepSeek V4 Flash 0731284B · активных: 13B2 бит ниже качество88,8 ГБ88–156
MiniMax M2.7230B · активных: 10B2 бит ниже качество71,9 ГБ116–206

Работают, но медленно 3

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

МодельВерсияПамятьТокенов/с
Mistral Medium 3.5 (128B)128B · Интеллект 14,24 бит72 ГБ5–9
Devstral 2 (123B)123B4 бит69,2 ГБ5–9
Llama 3.3 70B Instruct70B8 бит74,4 ГБ5–9

Еле помещаются 3

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

МодельВерсияПамятьТокенов/с
GLM-5.3 Flash320B · активных: 18B · Интеллект 41,82 бит ниже качество100 ГБ64–114
MiMo V2.6 Flash309B · активных: 15B · Интеллект 37,92 бит ниже качество96,6 ГБ77–136
Hy3295B · активных: 21B · Интеллект 25,32 бит ниже качество92,2 ГБ55–97

Слишком большие 16

Нужно больше 128 ГБ памяти, даже при 2 битах.

Другие Mac

Все Mac с 128 ГБ, на любом чипе.

M2 Ultra с другим объемом памяти:

Соседние чипы:

Один на один:

Сравнить с любым Mac или GPU · M2 Ultra для локального ИИ · Лучший Mac для локальных LLM · Все Mac

Вопросы

Какая LLM лучше всего подходит для M2 Ultra с 128 ГБ?
Среди моделей с опубликованным Intelligence Index выше всех из тех, что здесь хорошо работают, оценена Qwen3.8 27B: 8 бит, около 13–22 токенов в секунду. Самая большая из хорошо работающих — Qwen3.5 122B A10B.
Запустит ли M2 Ultra с 128 ГБ Llama 3.3 70B?
Да, но медленно: 8 бит, около 5–9 токенов в секунду.
Насколько быстро gpt-oss-20b работает на M2 Ultra?
Около 189–337 токенов в секунду (нативные 4,25 бит) при пропускной способности памяти чипа 800 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 M2 Ultra с 128 ГБ? Все модели и скорость