32 GB கொண்ட Mac-க்குச் சிறந்த LLM எது?

Intelligence Index வெளியிடப்பட்ட மாடல்களில், 32 GB-இல் நன்றாக இயங்குபவற்றில் Qwen3.8 27B அதிக மதிப்பெண் பெறுகிறது (4-பிட்). நன்றாக இயங்குவதில் மிகப் பெரியது Qwen3.6 35B A3B. கோடிங்குக்கு: Qwen3 Coder 30B A3B Instruct.

Mac-இல் லோக்கல் AI-க்கு 32 GB போதுமா?

இங்குள்ள 73 ஓப்பன் மாடல்களில் 38, 4 பிட் அல்லது அதைவிடச் சிறந்த பிரிசிஷனில் இதில் நன்றாக இயங்கும். இயல்பாக macOS இதில் சுமார் 24 GB-ஐ GPU பயன்படுத்த அனுமதிக்கிறது; மாடலும் அதன் கான்டெக்ஸ்ட்டும் அதற்குள் பொருந்த வேண்டும்.

32 GB Mac-இல் gpt-oss-20b இயங்குமா?

ஆம், நேட்டிவ் 4.25-பிட், M4-இல் வினாடிக்கு சுமார் 28–51 டோக்கன்கள், M1 Max-இல் 95–168.

32 GB Mac-க்குச் சிறந்த லோக்கல் LLM-கள் (M1 முதல் M6)

32 GB கொண்ட Mac-கள்

M1 முதல் M6 வரையிலான 7 சிப்கள் 32 GB-உடன் வருகின்றன. அதன் சொந்தப் பட்டியலையும் வேகத்தையும் பார்க்க எதையும் திறங்கள்.

நன்றாக இயங்குபவை 38

கான்டெக்ஸ்ட்டுக்கு இடம் விட்டுப் பொருந்துகின்றன, M1 Max-இல் வினாடிக்கு 10 அல்லது அதற்கு மேல் டோக்கன்களில்.

மாடல்	பதிப்பு	மெமரி	M4	M1 Max
Qwen3.8 27B27B · இன்டெலிஜென்ஸ் 33.7	4-பிட்	15.2 GB	2–4	12–21
Qwen3.6 35B A3B35B · 3B செயலில் · இன்டெலிஜென்ஸ் 18.2	4-பிட்	19.7 GB	32–56	106–188
Muse Glimmer 30B29.6B · இன்டெலிஜென்ஸ் 17.5	4-பிட்	16.7 GB	3–6	11–19
Gemma 4 31B30.7B · இன்டெலிஜென்ஸ் 14.7	4-பிட்	17.3 GB	3–6	10–18
Nemotron 3.5 Lightning 30B A3B30B · 3B செயலில் · இன்டெலிஜென்ஸ் 12.9	4-பிட்	16.9 GB	32–56	106–188
Granite 4.2 30B30B · இன்டெலிஜென்ஸ் 12.7	4-பிட்	16.9 GB	3–6	11–19
MiniCPM5 2B2.52B · இன்டெலிஜென்ஸ் 12.5	8-பிட்	2.7 GB	20–36	67–119
Qwen3.5 9B9B · இன்டெலிஜென்ஸ் 11.2	8-பிட்	9.6 GB	11–19	19–33
Granite 4.2 8B8B · இன்டெலிஜென்ஸ் 11.1	8-பிட்	8.5 GB	12–21	21–38
Granite 4.2 3B3B · இன்டெலிஜென்ஸ் 9.1	8-பிட்	3.2 GB	17–30	56–100
gpt-oss-20b21B · 3.6B செயலில் · இன்டெலிஜென்ஸ் 9	நேட்டிவ் 4.25-பிட்	13.8 GB	28–51	95–168
Nemotron 3 Nano 30B A3B30B · 3.5B செயலில் · இன்டெலிஜென்ஸ் 8.9	4-பிட்	16.9 GB	27–48	90–160
Gemma 4 E4B8B · இன்டெலிஜென்ஸ் 8.9	8-பிட்	8.5 GB	11–20	38–67
Ministral 3 8B8.9B · இன்டெலிஜென்ஸ் 5.5	8-பிட்	9.5 GB	11–19	19–34
Nemotron 3 Nano 4B3.97B · இன்டெலிஜென்ஸ் 4.8	8-பிட்	4.2 GB	13–23	43–76
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B செயலில்	4-பிட்	17.2 GB	28–51	95–168
GLM-4.7 Flash30B · 3B செயலில்	4-பிட்	16.9 GB	32–56	106–188
Qwen3.6 27B27B	4-பிட்	15.2 GB	2–4	12–21
Gemma 4 26B A4B25.2B · 3.8B செயலில்	6-பிட்	20.5 GB	17–31	58–103
Devstral Small 2 (24B)24B	4-பிட்	13.5 GB	3–5	13–24
Magistral Small 1.2 (2509)24B	4-பிட்	13.5 GB	3–5	13–24
Mistral Small 3.2 (24B)24B	4-பிட்	13.5 GB	3–5	13–24
LFM2.5 24B A2B24B · 2B செயலில்	6-பிட்	19.5 GB	34–60	113–200
Phi-4 Reasoning Vision 15B15B	8-பிட்	15.9 GB	3–6	11–20
Phi-4 (14B)14B	8-பிட்	14.9 GB	4–6	12–21
Gemma 4 12B Unified12B	8-பிட்	12.7 GB	4–8	14–25
Qwen3 8B8.2B	8-பிட்	8.7 GB	12–21	21–37
Llama 3.1 8B Instruct8B	8-பிட்	8.5 GB	12–21	21–38
Gemma 4 E2B5.1B	8-பிட்	5.4 GB	23–40	75–133
Qwen3.5 4B4B	8-பிட்	4.3 GB	13–22	42–74
Phi-4 mini instruct3.8B	8-பிட்	4 GB	14–24	45–80
Llama 3.2 3B Instruct3.21B	8-பிட்	3.4 GB	16–28	53–94
SmolLM3 3B3B	8-பிட்	3.2 GB	17–30	56–100
LFM2.5 2.6B2.69B	8-பிட்	2.9 GB	19–33	62–110
Qwen3.5 2B2B	8-பிட்	2.1 GB	26–46	86–152
Llama 3.2 1B Instruct1.23B	8-பிட்	1.3 GB	42–74	138–246
Qwen3.5 0.8B0.8B	8-பிட்	0.9 GB	60–107	200–356
Qwen3 0.6B0.6B	8-பிட்	0.6 GB	90–160	300–533

இயங்கும், ஆனால் மெதுவாக 1

பொருந்துகின்றன, ஆனால் வினாடிக்கு 10 டோக்கன்களுக்குக் குறைவு: பேட்ச் வேலைக்குச் சரி, சாட்டுக்கு மெதுவானவை.

மாடல்	பதிப்பு	மெமரி	M4	M1 Max
Llama 3.3 70B Instruct70B	2-பிட் குறைந்த தரம்	21.9 GB	2–4	8–15

விளிம்பில் பொருந்துபவை 2

கிட்டத்தட்ட முழு மெமரியும் தேவை: GPU மெமரி வரம்பை உயர்த்தி, கான்டெக்ஸ்ட்டைச் சுருக்கமாக வையுங்கள்.

மாடல்	பதிப்பு	மெமரி	M4	M1 Max
Nemotron 3.5 Bolt 74B A9B74B · 9B செயலில் · இன்டெலிஜென்ஸ் 21.4	2-பிட் குறைந்த தரம்	23.1 GB	19–34	64–114
Qwen3 Coder Next80B · 3B செயலில் · இன்டெலிஜென்ஸ் 9.2	2-பிட் குறைந்த தரம்	25 GB	60–107	200–356

கேள்விகள்

32 GB கொண்ட Mac-க்குச் சிறந்த LLM எது?: Intelligence Index வெளியிடப்பட்ட மாடல்களில், 32 GB-இல் நன்றாக இயங்குபவற்றில் Qwen3.8 27B அதிக மதிப்பெண் பெறுகிறது (4-பிட்). நன்றாக இயங்குவதில் மிகப் பெரியது Qwen3.6 35B A3B. கோடிங்குக்கு: Qwen3 Coder 30B A3B Instruct.
Mac-இல் லோக்கல் AI-க்கு 32 GB போதுமா?: இங்குள்ள 73 ஓப்பன் மாடல்களில் 38, 4 பிட் அல்லது அதைவிடச் சிறந்த பிரிசிஷனில் இதில் நன்றாக இயங்கும். இயல்பாக macOS இதில் சுமார் 24 GB-ஐ GPU பயன்படுத்த அனுமதிக்கிறது; மாடலும் அதன் கான்டெக்ஸ்ட்டும் அதற்குள் பொருந்த வேண்டும்.
32 GB Mac-இல் gpt-oss-20b இயங்குமா?: ஆம், நேட்டிவ் 4.25-பிட், M4-இல் வினாடிக்கு சுமார் 28–51 டோக்கன்கள், M1 Max-இல் 95–168.

மற்ற அளவுகள்: 8 GB · 16 GB · 18 GB · 24 GB · 32 GB · 36 GB · 48 GB · 64 GB · 96 GB · 128 GB · 192 GB · 256 GB · 512 GB

இவற்றை MLX Harness (இலவசம், ஓப்பன் சோர்ஸ்) மூலமோ, Terminal-இல் Apple-இன் mlx-lm மூலமோ இயக்குங்கள்: படிப்படியாக.

எப்படிக் கணக்கிடப்பட்டது

மெமரி: மாடலின் பாராமீட்டர்கள் ஒரு வெயிட்டுக்கு 8, 6, 4, 3 அல்லது 2 பிட்களில், கூடவே MLX-இன் குரூப் ஸ்கேல்கள் (ஒரு வெயிட்டுக்கு அரை பிட்), அல்லது அதன் நேட்டிவ் வடிவம், அதற்கு மேல் கான்டெக்ஸ்ட்டுக்கு இடம். இயல்பாக macOS, யூனிஃபைடு மெமரியில் சுமார் 75%-ஐ GPU பயன்படுத்த அனுமதிக்கிறது. வேகம்: மெமரி பேண்ட்வித்தை ஒவ்வொரு டோக்கனுக்கும் படிக்கப்படும் பைட்டுகளால் வகுத்தால், ஒரு உரையாடலுக்கான உச்சவரம்பு கிடைக்கும்; llama.cpp-இன் பொது Apple Silicon பெஞ்ச்மார்க்குகளில் உண்மையான ரன்கள் அதில் சுமார் 45% முதல் 80% வரை எட்டுகின்றன, அந்த வரம்பே காட்டப்படுகிறது. இவை மதிப்பீடுகள், அளவீடுகள் அல்ல: உங்கள் சொந்த Mac-ஐ MLX Bench-இல் அளந்து பாருங்கள். மாடல் விவரங்கள் ஒவ்வொரு அதிகாரப்பூர்வ மாடல் கார்டிலிருந்தும், சிப் விவரங்கள் Apple-இன் Tech Specs-இலிருந்தும். சரிபார்த்தது 2026-10-19. mlx.app/compare-இல் உள்ள அதே தரவு.

32 GB Mac-க்குச் சிறந்த LLM-கள்.