ВойтиСоздать кошелек

Что запустит M5 Ultra с 96 ГБ?

На нем хорошо работают 44 из 73 открытых моделей. По умолчанию GPU может использовать около 72 ГБ из 96 ГБ, а память читается со скоростью 1 200 ГБ/с — от этого зависит скорость генерации. Встречается в: Mac Studio (M5 Max or M5 Ultra).

Самая умная из работающих хорошоQwen3.8 27B8 бит · 28,7 ГБ · 19–33 tok/sСамая большая из работающих хорошоgpt-oss-120bнативные 4,25 бит · 65,3 ГБ · 200–356 tok/sДля кодаQwen3 Coder Next6 бит · 65 ГБ · 225–400 tok/s

Работают хорошо 51

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

МодельВерсияПамятьТокенов/с
Qwen3.8 27B27B · Интеллект 33,78 бит28,7 ГБ19–33
Nemotron 3.5 Bolt 74B A9B74B · активных: 9B · Интеллект 21,46 бит60,1 ГБ74–132
Qwen3.6 35B A3B35B · активных: 3B · Интеллект 18,28 бит37,2 ГБ169–300
Muse Glimmer 30B29,6B · Интеллект 17,58 бит31,5 ГБ17–30
Gemma 4 31B30,7B · Интеллект 14,78 бит32,6 ГБ17–29
Nemotron 3.5 Lightning 30B A3B30B · активных: 3B · Интеллект 12,98 бит31,9 ГБ169–300
Granite 4.2 30B30B · Интеллект 12,78 бит31,9 ГБ17–30
MiniCPM5 2B2,52B · Интеллект 12,58 бит2,7 ГБ200–356
gpt-oss-120b117B · активных: 5,1B · Интеллект 11,6нативные 4,25 бит65,3 ГБ200–356
Qwen3.5 9B9B · Интеллект 11,28 бит9,6 ГБ56–100
Granite 4.2 8B8B · Интеллект 11,18 бит8,5 ГБ64–113
Qwen3 Coder Next80B · активных: 3B · Интеллект 9,26 бит65 ГБ225–400
Granite 4.2 3B3B · Интеллект 9,18 бит3,2 ГБ169–300
gpt-oss-20b21B · активных: 3,6B · Интеллект 9нативные 4,25 бит13,8 ГБ284–505
Nemotron 3 Nano 30B A3B30B · активных: 3,5B · Интеллект 8,98 бит31,9 ГБ146–259
Gemma 4 E4B8B · Интеллект 8,98 бит8,5 ГБ113–200
Llama 4 Scout 17B-16E Instruct109B · активных: 17B · Интеллект 6,54 бит61,3 ГБ56–100
Ministral 3 8B8,9B · Интеллект 5,58 бит9,5 ГБ57–101
Nemotron 3 Nano 4B3,97B · Интеллект 4,88 бит4,2 ГБ129–229
GLM-4.5 Air106B · активных: 12B4 бит59,6 ГБ79–141
Llama 3.3 70B Instruct70B4 бит39,4 ГБ14–24
Qwen3 Coder 30B A3B Instruct30,5B · активных: 3,3B8 бит32,4 ГБ154–274
GLM-4.7 Flash30B · активных: 3B8 бит31,9 ГБ169–300
Qwen3.6 27B27B8 бит28,7 ГБ19–33
Gemma 4 26B A4B25,2B · активных: 3,8B8 бит26,8 ГБ135–240
Devstral Small 2 (24B)24B8 бит25,5 ГБ21–38
Magistral Small 1.2 (2509)24B8 бит25,5 ГБ21–38
Mistral Small 3.2 (24B)24B8 бит25,5 ГБ21–38
LFM2.5 24B A2B24B · активных: 2B8 бит25,5 ГБ257–457
Phi-4 Reasoning Vision 15B15B8 бит15,9 ГБ34–60
Phi-4 (14B)14B8 бит14,9 ГБ36–64
Gemma 4 12B Unified12B8 бит12,7 ГБ43–76
Qwen3 8B8,2B8 бит8,7 ГБ62–110
Llama 3.1 8B Instruct8B8 бит8,5 ГБ64–113
Gemma 4 E2B5,1B8 бит5,4 ГБ225–400
Qwen3.5 4B4B8 бит4,3 ГБ126–223
Phi-4 mini instruct3,8B8 бит4 ГБ135–240
Llama 3.2 3B Instruct3,21B8 бит3,4 ГБ159–282
SmolLM3 3B3B8 бит3,2 ГБ169–300
LFM2.5 2.6B2,69B8 бит2,9 ГБ186–331
Qwen3.5 2B2B8 бит2,1 ГБ257–457
Llama 3.2 1B Instruct1,23B8 бит1,3 ГБ415–738
Qwen3.5 0.8B0,8B8 бит0,9 ГБ600–1067
Qwen3 0.6B0,6B8 бит0,6 ГБ900–1600
Qwen3.8 Flash Next180B · активных: 6B · Интеллект 39,82 бит ниже качество56,3 ГБ284–505
Qwen3.5 122B A10B122B · активных: 10B · Интеллект 15,63 бит ниже качество53,4 ГБ123–218
Mistral Medium 3.5 (128B)128B · Интеллект 14,23 бит ниже качество56 ГБ10–17
Mistral Small 4 (119B)119B · активных: 6,5B · Интеллект 11,33 бит ниже качество52,1 ГБ193–343
Devstral 2 (123B)123B3 бит ниже качество53,8 ГБ10–18
Ornith 1.5 122B122B · активных: 10B3 бит ниже качество53,4 ГБ123–218
Nemotron 3 Super 120B A12B120B · активных: 12B3 бит ниже качество52,5 ГБ102–181

Еле помещаются 1

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

МодельВерсияПамятьТокенов/с
MiniMax M2.7230B · активных: 10B2 бит ниже качество71,9 ГБ174–310

Слишком большие 21

Нужно больше 96 ГБ памяти, даже при 2 битах.

Другие Mac

Все Mac с 96 ГБ, на любом чипе.

M5 Ultra с другим объемом памяти:

Соседние чипы:

Один на один:

Против ПК и видеокарт:

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

Вопросы

Какая LLM лучше всего подходит для M5 Ultra с 96 ГБ?
Среди моделей с опубликованным Intelligence Index выше всех из тех, что здесь хорошо работают, оценена Qwen3.8 27B: 8 бит, около 19–33 токенов в секунду. Самая большая из хорошо работающих — gpt-oss-120b.
Запустит ли M5 Ultra с 96 ГБ Llama 3.3 70B?
Да: 4 бит, около 14–24 токенов в секунду.
Насколько быстро gpt-oss-20b работает на M5 Ultra?
Около 284–505 токенов в секунду (нативные 4,25 бит) при пропускной способности памяти чипа 1 200 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 Ultra с 96 ГБ? Все модели и скорость