Какая LLM лучше всего подходит для M4 с 16 ГБ?

Среди моделей с опубликованным Intelligence Index выше всех из тех, что здесь хорошо работают, оценена MiniCPM5 2B: 8 бит, около 20–36 токенов в секунду. Самая большая из хорошо работающих — Qwen3.5 9B.

Запустит ли M4 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 M4?

Около 34–60 токенов в секунду (3 бит) при пропускной способности памяти чипа 120 ГБ/с.

Какие LLM запустит M4 с 16 ГБ? Все модели и скорость

Работают хорошо 26

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

Модель	Версия	Память	Токенов/с
MiniCPM5 2B2,52B · Интеллект 12,5	8 бит	2,7 ГБ	20–36
Qwen3.5 9B9B · Интеллект 11,2	4 бит	5,1 ГБ	11–19
Granite 4.2 8B8B · Интеллект 11,1	4 бит	4,5 ГБ	12–21
Granite 4.2 3B3B · Интеллект 9,1	8 бит	3,2 ГБ	17–30
Gemma 4 E4B8B · Интеллект 8,9	8 бит	8,5 ГБ	11–20
Ministral 3 8B8,9B · Интеллект 5,5	4 бит	5 ГБ	11–19
Nemotron 3 Nano 4B3,97B · Интеллект 4,8	8 бит	4,2 ГБ	13–23
Qwen3 8B8,2B	4 бит	4,6 ГБ	12–21
Llama 3.1 8B Instruct8B	4 бит	4,5 ГБ	12–21
Gemma 4 E2B5,1B	8 бит	5,4 ГБ	23–40
Qwen3.5 4B4B	8 бит	4,3 ГБ	13–22
Phi-4 mini instruct3,8B	8 бит	4 ГБ	14–24
Llama 3.2 3B Instruct3,21B	8 бит	3,4 ГБ	16–28
SmolLM3 3B3B	8 бит	3,2 ГБ	17–30
LFM2.5 2.6B2,69B	8 бит	2,9 ГБ	19–33
Qwen3.5 2B2B	8 бит	2,1 ГБ	26–46
Llama 3.2 1B Instruct1,23B	8 бит	1,3 ГБ	42–74
Qwen3.5 0.8B0,8B	8 бит	0,9 ГБ	60–107
Qwen3 0.6B0,6B	8 бит	0,6 ГБ	90–160
Nemotron 3.5 Lightning 30B A3B30B · активных: 3B · Интеллект 12,9	2 бит ниже качество	9,4 ГБ	60–107
gpt-oss-20b21B · активных: 3,6B · Интеллект 9	3 бит ниже качество	9,2 ГБ	34–60
Nemotron 3 Nano 30B A3B30B · активных: 3,5B · Интеллект 8,9	2 бит ниже качество	9,4 ГБ	49–87
Qwen3 Coder 30B A3B Instruct30,5B · активных: 3,3B	2 бит ниже качество	9,5 ГБ	54–96
GLM-4.7 Flash30B · активных: 3B	2 бит ниже качество	9,4 ГБ	60–107
Gemma 4 26B A4B25,2B · активных: 3,8B	2 бит ниже качество	7,9 ГБ	45–80
LFM2.5 24B A2B24B · активных: 2B	3 бит ниже качество	10,5 ГБ	60–107

Работают, но медленно 11

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

Модель	Версия	Память	Токенов/с
Phi-4 Reasoning Vision 15B15B	4 бит	8,4 ГБ	6–11
Phi-4 (14B)14B	4 бит	7,9 ГБ	7–12
Gemma 4 12B Unified12B	6 бит	9,7 ГБ	6–10
Qwen3.8 27B27B · Интеллект 33,7	2 бит ниже качество	8,4 ГБ	6–11
Muse Glimmer 30B29,6B · Интеллект 17,5	2 бит ниже качество	9,3 ГБ	6–10
Gemma 4 31B30,7B · Интеллект 14,7	2 бит ниже качество	9,6 ГБ	6–10
Granite 4.2 30B30B · Интеллект 12,7	2 бит ниже качество	9,4 ГБ	6–10
Qwen3.6 27B27B	2 бит ниже качество	8,4 ГБ	6–11
Devstral Small 2 (24B)24B	3 бит ниже качество	10,5 ГБ	5–9
Magistral Small 1.2 (2509)24B	3 бит ниже качество	10,5 ГБ	5–9
Mistral Small 3.2 (24B)24B	3 бит ниже качество	10,5 ГБ	5–9

Еле помещаются 1

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

Модель	Версия	Память	Токенов/с
Qwen3.6 35B A3B35B · активных: 3B · Интеллект 18,2	2 бит ниже качество	10,9 ГБ	60–107

Слишком большие 35

Нужно больше 16 ГБ памяти, даже при 2 битах.

Другие Mac

Все Mac с 16 ГБ, на любом чипе.

M4 с другим объемом памяти:

Соседние чипы:

Один на один:

Сравнить с любым Mac или GPU · M4 для локального ИИ · Лучший Mac для локальных LLM · Все Mac

Вопросы

Какая LLM лучше всего подходит для M4 с 16 ГБ?: Среди моделей с опубликованным Intelligence Index выше всех из тех, что здесь хорошо работают, оценена MiniCPM5 2B: 8 бит, около 20–36 токенов в секунду. Самая большая из хорошо работающих — Qwen3.5 9B.
Запустит ли M4 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 M4?: Около 34–60 токенов в секунду (3 бит) при пропускной способности памяти чипа 120 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.