ВойтиСоздать кошелек

Что запустит M4 с 32 ГБ?

На нем хорошо работают 27 из 73 открытых моделей. По умолчанию GPU может использовать около 24 ГБ из 32 ГБ, а память читается со скоростью 120 ГБ/с — от этого зависит скорость генерации. Встречается в: MacBook Pro (14-inch, M4, 2024), iMac (24-inch, 2024, Two ports), iMac (24-inch, 2024, Four ports), Mac mini (2024) ….

Самая умная из работающих хорошоQwen3.6 35B A3B4 бит · 19,7 ГБ · 32–56 tok/sСамая большая из работающих хорошоQwen3.6 35B A3B4 бит · 19,7 ГБ · 32–56 tok/sДля кодаQwen3 Coder 30B A3B Instruct4 бит · 17,2 ГБ · 28–51 tok/s

Работают хорошо 27

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

МодельВерсияПамятьТокенов/с
Qwen3.6 35B A3B35B · активных: 3B · Интеллект 18,24 бит19,7 ГБ32–56
Nemotron 3.5 Lightning 30B A3B30B · активных: 3B · Интеллект 12,94 бит16,9 ГБ32–56
MiniCPM5 2B2,52B · Интеллект 12,58 бит2,7 ГБ20–36
Qwen3.5 9B9B · Интеллект 11,24 бит5,1 ГБ11–19
Granite 4.2 8B8B · Интеллект 11,14 бит4,5 ГБ12–21
Granite 4.2 3B3B · Интеллект 9,18 бит3,2 ГБ17–30
gpt-oss-20b21B · активных: 3,6B · Интеллект 9нативные 4,25 бит13,8 ГБ28–51
Nemotron 3 Nano 30B A3B30B · активных: 3,5B · Интеллект 8,94 бит16,9 ГБ27–48
Gemma 4 E4B8B · Интеллект 8,98 бит8,5 ГБ11–20
Ministral 3 8B8,9B · Интеллект 5,54 бит5 ГБ11–19
Nemotron 3 Nano 4B3,97B · Интеллект 4,88 бит4,2 ГБ13–23
Qwen3 Coder 30B A3B Instruct30,5B · активных: 3,3B4 бит17,2 ГБ28–51
GLM-4.7 Flash30B · активных: 3B4 бит16,9 ГБ32–56
Gemma 4 26B A4B25,2B · активных: 3,8B6 бит20,5 ГБ17–31
LFM2.5 24B A2B24B · активных: 2B6 бит19,5 ГБ34–60
Qwen3 8B8,2B4 бит4,6 ГБ12–21
Llama 3.1 8B Instruct8B4 бит4,5 ГБ12–21
Gemma 4 E2B5,1B8 бит5,4 ГБ23–40
Qwen3.5 4B4B8 бит4,3 ГБ13–22
Phi-4 mini instruct3,8B8 бит4 ГБ14–24
Llama 3.2 3B Instruct3,21B8 бит3,4 ГБ16–28
SmolLM3 3B3B8 бит3,2 ГБ17–30
LFM2.5 2.6B2,69B8 бит2,9 ГБ19–33
Qwen3.5 2B2B8 бит2,1 ГБ26–46
Llama 3.2 1B Instruct1,23B8 бит1,3 ГБ42–74
Qwen3.5 0.8B0,8B8 бит0,9 ГБ60–107
Qwen3 0.6B0,6B8 бит0,6 ГБ90–160

Работают, но медленно 12

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

МодельВерсияПамятьТокенов/с
Qwen3.8 27B27B · Интеллект 33,76 бит21,9 ГБ2–4
Muse Glimmer 30B29,6B · Интеллект 17,54 бит16,7 ГБ3–6
Gemma 4 31B30,7B · Интеллект 14,74 бит17,3 ГБ3–6
Granite 4.2 30B30B · Интеллект 12,74 бит16,9 ГБ3–6
Qwen3.6 27B27B6 бит21,9 ГБ2–4
Devstral Small 2 (24B)24B6 бит19,5 ГБ3–5
Magistral Small 1.2 (2509)24B6 бит19,5 ГБ3–5
Mistral Small 3.2 (24B)24B6 бит19,5 ГБ3–5
Phi-4 Reasoning Vision 15B15B8 бит15,9 ГБ3–6
Phi-4 (14B)14B8 бит14,9 ГБ4–6
Gemma 4 12B Unified12B8 бит12,7 ГБ4–8
Llama 3.3 70B Instruct70B2 бит ниже качество21,9 ГБ2–4

Еле помещаются 2

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

МодельВерсияПамятьТокенов/с
Nemotron 3.5 Bolt 74B A9B74B · активных: 9B · Интеллект 21,42 бит ниже качество23,1 ГБ19–34
Qwen3 Coder Next80B · активных: 3B · Интеллект 9,22 бит ниже качество25 ГБ60–107

Слишком большие 32

Нужно больше 32 ГБ памяти, даже при 2 битах.

Другие Mac

Все Mac с 32 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 32 ГБ?
Среди моделей с опубликованным Intelligence Index выше всех из тех, что здесь хорошо работают, оценена Qwen3.6 35B A3B: 4 бит, около 32–56 токенов в секунду.
Запустит ли M4 с 32 ГБ Llama 3.3 70B?
Да, но медленно: 2 бит (ниже качество), около 2–4 токенов в секунду.
Насколько быстро gpt-oss-20b работает на M4?
Около 28–51 токенов в секунду (нативные 4,25 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.

Какие LLM запустит M4 с 32 ГБ? Все модели и скорость