По объему памяти
| Память | Работают хорошо | Самая большая из работающих хорошо | gpt-oss-20b |
|---|---|---|---|
| 8 ГБ100 ГБ/с | 16 | Granite 4.2 8B | слишком большая |
| 16 ГБ100 ГБ/с | 17 | Qwen3 8B | 28–50 tok/s |
| 24 ГБ100 ГБ/с | 20 | Gemma 4 26B A4B | 24–42 tok/s |
Модели: MacBook Air (13-inch, M3, 2024), MacBook Air (15-inch, M3, 2024). Не каждый объем памяти доступен в каждой модели; что предлагается для каждой, указано в технических характеристиках Apple.
Вопросы
- Подходит ли MacBook Air с чипом M3 для локальных LLM?
- С 24 ГБ он хорошо запускает 20 из 73 открытых моделей, вплоть до Gemma 4 26B A4B, и генерирует около 24–42 токенов в секунду с gpt-oss-20b. M3 читает память со скоростью 100 ГБ/с — от этого зависит скорость генерации.
- MacBook Air с чипом M3: сколько памяти нужно для ИИ?
- Открытых моделей, работающих хорошо: 16 при 8 ГБ и 20 при 24 ГБ, вплоть до Gemma 4 26B A4B. Объем памяти определяет, какие модели поместятся, и увеличить его потом нельзя.
Другие Mac
MacBook Air с другими чипами:
Другие Mac с чипом M3:
Один на один:
M3 для локального ИИ · Лучший Mac для локальных LLM · Все Mac
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.