ВойтиСоздать кошелек

Что запустит M3 Pro с 18 ГБ?

На нем хорошо работают 20 из 73 открытых моделей. По умолчанию GPU может использовать около 14 ГБ из 18 ГБ, а память читается со скоростью 150 ГБ/с — от этого зависит скорость генерации. Встречается в: MacBook Pro (14-inch, M3 Pro or M3 Max, Nov 2023), MacBook Pro (16-inch, Nov 2023).

Самая умная из работающих хорошоMiniCPM5 2B8 бит · 2,7 ГБ · 25–44 tok/sСамая большая из работающих хорошоGemma 4 12B Unified4 бит · 6,7 ГБ · 10–18 tok/s

Работают хорошо 27

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

МодельВерсияПамятьТокенов/с
MiniCPM5 2B2,52B · Интеллект 12,58 бит2,7 ГБ25–44
Qwen3.5 9B9B · Интеллект 11,24 бит5,1 ГБ13–24
Granite 4.2 8B8B · Интеллект 11,16 бит6,5 ГБ10–18
Granite 4.2 3B3B · Интеллект 9,18 бит3,2 ГБ21–38
Gemma 4 E4B8B · Интеллект 8,98 бит8,5 ГБ14–25
Ministral 3 8B8,9B · Интеллект 5,54 бит5 ГБ14–24
Nemotron 3 Nano 4B3,97B · Интеллект 4,88 бит4,2 ГБ16–29
Gemma 4 12B Unified12B4 бит6,7 ГБ10–18
Qwen3 8B8,2B6 бит6,7 ГБ10–18
Llama 3.1 8B Instruct8B6 бит6,5 ГБ10–18
Gemma 4 E2B5,1B8 бит5,4 ГБ28–50
Qwen3.5 4B4B8 бит4,3 ГБ16–28
Phi-4 mini instruct3,8B8 бит4 ГБ17–30
Llama 3.2 3B Instruct3,21B8 бит3,4 ГБ20–35
SmolLM3 3B3B8 бит3,2 ГБ21–38
LFM2.5 2.6B2,69B8 бит2,9 ГБ23–41
Qwen3.5 2B2B8 бит2,1 ГБ32–57
Llama 3.2 1B Instruct1,23B8 бит1,3 ГБ52–92
Qwen3.5 0.8B0,8B8 бит0,9 ГБ75–133
Qwen3 0.6B0,6B8 бит0,6 ГБ113–200
Qwen3.6 35B A3B35B · активных: 3B · Интеллект 18,22 бит ниже качество10,9 ГБ75–133
Nemotron 3.5 Lightning 30B A3B30B · активных: 3B · Интеллект 12,92 бит ниже качество9,4 ГБ75–133
Nemotron 3 Nano 30B A3B30B · активных: 3,5B · Интеллект 8,92 бит ниже качество9,4 ГБ61–109
Qwen3 Coder 30B A3B Instruct30,5B · активных: 3,3B2 бит ниже качество9,5 ГБ68–120
GLM-4.7 Flash30B · активных: 3B2 бит ниже качество9,4 ГБ75–133
Gemma 4 26B A4B25,2B · активных: 3,8B3 бит ниже качество11 ГБ40–71
LFM2.5 24B A2B24B · активных: 2B3 бит ниже качество10,5 ГБ75–133

Работают, но медленно 10

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

МодельВерсияПамятьТокенов/с
Phi-4 Reasoning Vision 15B15B4 бит8,4 ГБ8–14
Phi-4 (14B)14B6 бит11,4 ГБ6–11
Qwen3.8 27B27B · Интеллект 33,73 бит ниже качество11,8 ГБ6–10
Muse Glimmer 30B29,6B · Интеллект 17,52 бит ниже качество9,3 ГБ7–13
Gemma 4 31B30,7B · Интеллект 14,72 бит ниже качество9,6 ГБ7–13
Granite 4.2 30B30B · Интеллект 12,72 бит ниже качество9,4 ГБ7–13
Qwen3.6 27B27B3 бит ниже качество11,8 ГБ6–10
Devstral Small 2 (24B)24B3 бит ниже качество10,5 ГБ6–11
Magistral Small 1.2 (2509)24B3 бит ниже качество10,5 ГБ6–11
Mistral Small 3.2 (24B)24B3 бит ниже качество10,5 ГБ6–11

Еле помещаются 1

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

МодельВерсияПамятьТокенов/с
gpt-oss-20b21B · активных: 3,6B · Интеллект 9нативные 4,25 бит13,8 ГБ36–63

Слишком большие 35

Нужно больше 18 ГБ памяти, даже при 2 битах.

Другие Mac

Все Mac с 18 ГБ, на любом чипе.

M3 Pro с другим объемом памяти:

Соседние чипы:

Один на один:

Сравнить с любым Mac или GPU · M3 Pro для локального ИИ · Лучший Mac для локальных LLM · Все Mac

Вопросы

Какая LLM лучше всего подходит для M3 Pro с 18 ГБ?
Среди моделей с опубликованным Intelligence Index выше всех из тех, что здесь хорошо работают, оценена MiniCPM5 2B: 8 бит, около 25–44 токенов в секунду. Самая большая из хорошо работающих — Gemma 4 12B Unified.
Запустит ли M3 Pro с 18 ГБ Llama 3.3 70B?
Нет: даже при 2 битах ей нужно больше 14 ГБ, которые GPU может использовать по умолчанию.
Насколько быстро gpt-oss-20b работает на M3 Pro?
Около 36–63 токенов в секунду (нативные 4,25 бит) при пропускной способности памяти чипа 150 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 M3 Pro с 18 ГБ? Все модели и скорость