ВойтиСоздать кошелек

Что запустит M5 с 16 ГБ?

На нем хорошо работают 20 из 73 открытых моделей. По умолчанию GPU может использовать около 12 ГБ из 16 ГБ, а память читается со скоростью 153 ГБ/с — от этого зависит скорость генерации. Встречается в: MacBook Pro (14-inch, M5), MacBook Air (13-inch, M5), MacBook Air (15-inch, M5).

Самая умная из работающих хорошоMiniCPM5 2B8 бит · 2,7 ГБ · 26–45 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 ГБ26–45
Qwen3.5 9B9B · Интеллект 11,24 бит5,1 ГБ14–24
Granite 4.2 8B8B · Интеллект 11,16 бит6,5 ГБ11–19
Granite 4.2 3B3B · Интеллект 9,18 бит3,2 ГБ22–38
Gemma 4 E4B8B · Интеллект 8,98 бит8,5 ГБ14–26
Ministral 3 8B8,9B · Интеллект 5,56 бит7,2 ГБ10–17
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 ГБ11–19
Gemma 4 E2B5,1B8 бит5,4 ГБ29–51
Qwen3.5 4B4B8 бит4,3 ГБ16–28
Phi-4 mini instruct3,8B8 бит4 ГБ17–31
Llama 3.2 3B Instruct3,21B8 бит3,4 ГБ20–36
SmolLM3 3B3B8 бит3,2 ГБ22–38
LFM2.5 2.6B2,69B8 бит2,9 ГБ24–42
Qwen3.5 2B2B8 бит2,1 ГБ33–58
Llama 3.2 1B Instruct1,23B8 бит1,3 ГБ53–94
Qwen3.5 0.8B0,8B8 бит0,9 ГБ77–136
Qwen3 0.6B0,6B8 бит0,6 ГБ115–204
Nemotron 3.5 Lightning 30B A3B30B · активных: 3B · Интеллект 12,92 бит ниже качество9,4 ГБ77–136
gpt-oss-20b21B · активных: 3,6B · Интеллект 93 бит ниже качество9,2 ГБ43–77
Nemotron 3 Nano 30B A3B30B · активных: 3,5B · Интеллект 8,92 бит ниже качество9,4 ГБ63–111
Qwen3 Coder 30B A3B Instruct30,5B · активных: 3,3B2 бит ниже качество9,5 ГБ69–122
GLM-4.7 Flash30B · активных: 3B2 бит ниже качество9,4 ГБ77–136
Gemma 4 26B A4B25,2B · активных: 3,8B2 бит ниже качество7,9 ГБ57–102
LFM2.5 24B A2B24B · активных: 2B3 бит ниже качество10,5 ГБ77–136

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 ГБ8–15
Phi-4 (14B)14B4 бит7,9 ГБ9–15
Qwen3.8 27B27B · Интеллект 33,72 бит ниже качество8,4 ГБ8–15
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 27B27B2 бит ниже качество8,4 ГБ8–15
Devstral Small 2 (24B)24B3 бит ниже качество10,5 ГБ7–12
Magistral Small 1.2 (2509)24B3 бит ниже качество10,5 ГБ7–12
Mistral Small 3.2 (24B)24B3 бит ниже качество10,5 ГБ7–12

Еле помещаются 1

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

МодельВерсияПамятьТокенов/с
Qwen3.6 35B A3B35B · активных: 3B · Интеллект 18,22 бит ниже качество10,9 ГБ77–136

Слишком большие 35

Нужно больше 16 ГБ памяти, даже при 2 битах.

Другие Mac

Все Mac с 16 ГБ, на любом чипе.

M5 с другим объемом памяти:

Соседние чипы:

Один на один:

Сравнить с любым Mac или GPU · M5 для локального ИИ · Лучший Mac для локальных LLM · Все Mac

Вопросы

Какая LLM лучше всего подходит для M5 с 16 ГБ?
Среди моделей с опубликованным Intelligence Index выше всех из тех, что здесь хорошо работают, оценена MiniCPM5 2B: 8 бит, около 26–45 токенов в секунду. Самая большая из хорошо работающих — Gemma 4 12B Unified.
Запустит ли M5 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 M5?
Около 43–77 токенов в секунду (3 бит) при пропускной способности памяти чипа 153 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 M5 с 16 ГБ? Все модели и скорость