ВойтиСоздать кошелек

Что запустит M4 Max 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 546 ГБ/с — от этого зависит скорость генерации. Встречается в: MacBook Pro (14-inch, M4 Pro or M4 Max, 2024), MacBook Pro (16-inch, 2024), Mac Studio (2025).

Самая умная из работающих хорошоQwen3.8 27B6 бит · 21,9 ГБ · 11–20 tok/sСамая большая из работающих хорошоQwen3.5 122B A10B4 бит · 68,6 ГБ · 44–78 tok/sДля кодаQwen3 Coder Next8 бит · 85 ГБ · 77–137 tok/s

Работают хорошо 51

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

МодельВерсияПамятьТокенов/с
Qwen3.8 27B27B · Интеллект 33,76 бит21,9 ГБ11–20
Nemotron 3.5 Bolt 74B A9B74B · активных: 9B · Интеллект 21,48 бит78,6 ГБ26–46
Qwen3.6 35B A3B35B · активных: 3B · Интеллект 18,28 бит37,2 ГБ77–137
Muse Glimmer 30B29,6B · Интеллект 17,56 бит24,1 ГБ10–18
Qwen3.5 122B A10B122B · активных: 10B · Интеллект 15,64 бит68,6 ГБ44–78
Gemma 4 31B30,7B · Интеллект 14,76 бит24,9 ГБ10–18
Nemotron 3.5 Lightning 30B A3B30B · активных: 3B · Интеллект 12,98 бит31,9 ГБ77–137
Granite 4.2 30B30B · Интеллект 12,76 бит24,4 ГБ10–18
MiniCPM5 2B2,52B · Интеллект 12,58 бит2,7 ГБ91–162
gpt-oss-120b117B · активных: 5,1B · Интеллект 11,6нативные 4,25 бит65,3 ГБ91–162
Mistral Small 4 (119B)119B · активных: 6,5B · Интеллект 11,34 бит66,9 ГБ66–118
Qwen3.5 9B9B · Интеллект 11,28 бит9,6 ГБ26–46
Granite 4.2 8B8B · Интеллект 11,18 бит8,5 ГБ29–51
Qwen3 Coder Next80B · активных: 3B · Интеллект 9,28 бит85 ГБ77–137
Granite 4.2 3B3B · Интеллект 9,18 бит3,2 ГБ77–137
gpt-oss-20b21B · активных: 3,6B · Интеллект 9нативные 4,25 бит13,8 ГБ129–230
Nemotron 3 Nano 30B A3B30B · активных: 3,5B · Интеллект 8,98 бит31,9 ГБ66–118
Gemma 4 E4B8B · Интеллект 8,98 бит8,5 ГБ51–91
Llama 4 Scout 17B-16E Instruct109B · активных: 17B · Интеллект 6,56 бит88,6 ГБ18–32
Ministral 3 8B8,9B · Интеллект 5,58 бит9,5 ГБ26–46
Nemotron 3 Nano 4B3,97B · Интеллект 4,88 бит4,2 ГБ59–104
Ornith 1.5 122B122B · активных: 10B4 бит68,6 ГБ44–78
Nemotron 3 Super 120B A12B120B · активных: 12B4 бит67,5 ГБ36–64
GLM-4.5 Air106B · активных: 12B6 бит86,1 ГБ25–45
Qwen3 Coder 30B A3B Instruct30,5B · активных: 3,3B8 бит32,4 ГБ70–125
GLM-4.7 Flash30B · активных: 3B8 бит31,9 ГБ77–137
Qwen3.6 27B27B6 бит21,9 ГБ11–20
Gemma 4 26B A4B25,2B · активных: 3,8B8 бит26,8 ГБ61–109
Devstral Small 2 (24B)24B8 бит25,5 ГБ10–17
Magistral Small 1.2 (2509)24B8 бит25,5 ГБ10–17
Mistral Small 3.2 (24B)24B8 бит25,5 ГБ10–17
LFM2.5 24B A2B24B · активных: 2B8 бит25,5 ГБ117–208
Phi-4 Reasoning Vision 15B15B8 бит15,9 ГБ15–27
Phi-4 (14B)14B8 бит14,9 ГБ16–29
Gemma 4 12B Unified12B8 бит12,7 ГБ19–34
Qwen3 8B8,2B8 бит8,7 ГБ28–50
Llama 3.1 8B Instruct8B8 бит8,5 ГБ29–51
Gemma 4 E2B5,1B8 бит5,4 ГБ102–182
Qwen3.5 4B4B8 бит4,3 ГБ57–102
Phi-4 mini instruct3,8B8 бит4 ГБ61–109
Llama 3.2 3B Instruct3,21B8 бит3,4 ГБ72–128
SmolLM3 3B3B8 бит3,2 ГБ77–137
LFM2.5 2.6B2,69B8 бит2,9 ГБ85–151
Qwen3.5 2B2B8 бит2,1 ГБ117–208
Llama 3.2 1B Instruct1,23B8 бит1,3 ГБ189–336
Qwen3.5 0.8B0,8B8 бит0,9 ГБ273–485
Qwen3 0.6B0,6B8 бит0,6 ГБ410–728
Qwen3.8 Flash Next180B · активных: 6B · Интеллект 39,83 бит ниже качество78,8 ГБ95–168
Inkling Small276B · активных: 12B · Интеллект 25,72 бит ниже качество86,3 ГБ65–115
DeepSeek V4 Flash 0731284B · активных: 13B2 бит ниже качество88,8 ГБ60–107
MiniMax M2.7230B · активных: 10B2 бит ниже качество71,9 ГБ79–141

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 ГБ3–6
Devstral 2 (123B)123B4 бит69,2 ГБ4–6
Llama 3.3 70B Instruct70B8 бит74,4 ГБ3–6

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 ГБ44–78
MiMo V2.6 Flash309B · активных: 15B · Интеллект 37,92 бит ниже качество96,6 ГБ52–93
Hy3295B · активных: 21B · Интеллект 25,32 бит ниже качество92,2 ГБ37–66

Слишком большие 16

Нужно больше 128 ГБ памяти, даже при 2 битах.

Другие Mac

Все Mac с 128 ГБ, на любом чипе.

M4 Max с другим объемом памяти:

Соседние чипы:

Один на один:

Против ПК и видеокарт:

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

Вопросы

Какая LLM лучше всего подходит для M4 Max с 128 ГБ?
Среди моделей с опубликованным Intelligence Index выше всех из тех, что здесь хорошо работают, оценена Qwen3.8 27B: 6 бит, около 11–20 токенов в секунду. Самая большая из хорошо работающих — Qwen3.5 122B A10B.
Запустит ли M4 Max с 128 ГБ Llama 3.3 70B?
Да, но медленно: 8 бит, около 3–6 токенов в секунду.
Насколько быстро gpt-oss-20b работает на M4 Max?
Около 129–230 токенов в секунду (нативные 4,25 бит) при пропускной способности памяти чипа 546 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 Max с 128 ГБ? Все модели и скорость