లాగిన్వాలెట్ సృష్టించండి

96 GB Macకు ఉత్తమ LLMలు.

96 GBలో 73 ఓపెన్ మోడల్‌లలో 44 బాగా నడుస్తాయి. డిఫాల్ట్‌గా GPU దానిలో సుమారు 72 GB వాడుకోగలదు. వేగం చిప్‌పై ఆధారపడుతుంది: M3 Maxపై 300 GB/s నుండి M5 Ultraపై 1,200 GB/s వరకు.

బాగా నడిచేవాటిలో అత్యంత తెలివైనదిQwen3.8 27B8-బిట్ · 28.7 GB · 5–33 tok/sబాగా నడిచేవాటిలో అతిపెద్దదిgpt-oss-120bనేటివ్ 4.25-బిట్ · 65.3 GB · 50–356 tok/sకోడ్ కోసంQwen3 Coder Next6-బిట్ · 65 GB · 56–400 tok/s

96 GB ఉన్న Macలు

M2 నుండి M5 వరకు ఉన్న 4 చిప్‌లు 96 GBతో వస్తాయి. దాని సొంత జాబితా, వేగాల కోసం దేన్నైనా తెరవండి.

బాగా నడిచేవి 51

కాంటెక్స్ట్‌కు చోటుతో సరిపోతాయి, M5 Ultraపై సెకనుకు 10 లేదా అంతకంటే ఎక్కువ టోకెన్‌లతో.

మోడల్వెర్షన్మెమరీM3 MaxM5 Ultra
Qwen3.8 27B27B · ఇంటెలిజెన్స్ 33.78-బిట్28.7 GB5–819–33
Nemotron 3.5 Bolt 74B A9B74B · 9B యాక్టివ్ · ఇంటెలిజెన్స్ 21.46-బిట్60.1 GB18–3374–132
Qwen3.6 35B A3B35B · 3B యాక్టివ్ · ఇంటెలిజెన్స్ 18.28-బిట్37.2 GB42–75169–300
Muse Glimmer 30B29.6B · ఇంటెలిజెన్స్ 17.58-బిట్31.5 GB4–817–30
Gemma 4 31B30.7B · ఇంటెలిజెన్స్ 14.78-బిట్32.6 GB4–717–29
Nemotron 3.5 Lightning 30B A3B30B · 3B యాక్టివ్ · ఇంటెలిజెన్స్ 12.98-బిట్31.9 GB42–75169–300
Granite 4.2 30B30B · ఇంటెలిజెన్స్ 12.78-బిట్31.9 GB4–817–30
MiniCPM5 2B2.52B · ఇంటెలిజెన్స్ 12.58-బిట్2.7 GB50–89200–356
gpt-oss-120b117B · 5.1B యాక్టివ్ · ఇంటెలిజెన్స్ 11.6నేటివ్ 4.25-బిట్65.3 GB50–89200–356
Qwen3.5 9B9B · ఇంటెలిజెన్స్ 11.28-బిట్9.6 GB14–2556–100
Granite 4.2 8B8B · ఇంటెలిజెన్స్ 11.18-బిట్8.5 GB16–2864–113
Qwen3 Coder Next80B · 3B యాక్టివ్ · ఇంటెలిజెన్స్ 9.26-బిట్65 GB56–100225–400
Granite 4.2 3B3B · ఇంటెలిజెన్స్ 9.18-బిట్3.2 GB42–75169–300
gpt-oss-20b21B · 3.6B యాక్టివ్ · ఇంటెలిజెన్స్ 9నేటివ్ 4.25-బిట్13.8 GB71–126284–505
Nemotron 3 Nano 30B A3B30B · 3.5B యాక్టివ్ · ఇంటెలిజెన్స్ 8.98-బిట్31.9 GB36–65146–259
Gemma 4 E4B8B · ఇంటెలిజెన్స్ 8.98-బిట్8.5 GB28–50113–200
Llama 4 Scout 17B-16E Instruct109B · 17B యాక్టివ్ · ఇంటెలిజెన్స్ 6.54-బిట్61.3 GB14–2556–100
Ministral 3 8B8.9B · ఇంటెలిజెన్స్ 5.58-బిట్9.5 GB14–2557–101
Nemotron 3 Nano 4B3.97B · ఇంటెలిజెన్స్ 4.88-బిట్4.2 GB32–57129–229
GLM-4.5 Air106B · 12B యాక్టివ్4-బిట్59.6 GB20–3579–141
Llama 3.3 70B Instruct70B4-బిట్39.4 GB2–414–24
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B యాక్టివ్8-బిట్32.4 GB39–69154–274
GLM-4.7 Flash30B · 3B యాక్టివ్8-బిట్31.9 GB42–75169–300
Qwen3.6 27B27B8-బిట్28.7 GB5–819–33
Gemma 4 26B A4B25.2B · 3.8B యాక్టివ్8-బిట్26.8 GB34–60135–240
Devstral Small 2 (24B)24B8-బిట్25.5 GB10–1821–38
Magistral Small 1.2 (2509)24B8-బిట్25.5 GB10–1821–38
Mistral Small 3.2 (24B)24B8-బిట్25.5 GB10–1821–38
LFM2.5 24B A2B24B · 2B యాక్టివ్8-బిట్25.5 GB64–114257–457
Phi-4 Reasoning Vision 15B15B8-బిట్15.9 GB11–2034–60
Phi-4 (14B)14B8-బిట్14.9 GB12–2136–64
Gemma 4 12B Unified12B8-బిట్12.7 GB11–1943–76
Qwen3 8B8.2B8-బిట్8.7 GB16–2862–110
Llama 3.1 8B Instruct8B8-బిట్8.5 GB16–2864–113
Gemma 4 E2B5.1B8-బిట్5.4 GB56–100225–400
Qwen3.5 4B4B8-బిట్4.3 GB31–56126–223
Phi-4 mini instruct3.8B8-బిట్4 GB34–60135–240
Llama 3.2 3B Instruct3.21B8-బిట్3.4 GB40–71159–282
SmolLM3 3B3B8-బిట్3.2 GB42–75169–300
LFM2.5 2.6B2.69B8-బిట్2.9 GB47–83186–331
Qwen3.5 2B2B8-బిట్2.1 GB64–114257–457
Llama 3.2 1B Instruct1.23B8-బిట్1.3 GB104–185415–738
Qwen3.5 0.8B0.8B8-బిట్0.9 GB150–267600–1067
Qwen3 0.6B0.6B8-బిట్0.6 GB225–400900–1600
Qwen3.8 Flash Next180B · 6B యాక్టివ్ · ఇంటెలిజెన్స్ 39.82-బిట్ తక్కువ నాణ్యత56.3 GB71–126284–505
Qwen3.5 122B A10B122B · 10B యాక్టివ్ · ఇంటెలిజెన్స్ 15.63-బిట్ తక్కువ నాణ్యత53.4 GB31–55123–218
Mistral Medium 3.5 (128B)128B · ఇంటెలిజెన్స్ 14.23-బిట్ తక్కువ నాణ్యత56 GB2–410–17
Mistral Small 4 (119B)119B · 6.5B యాక్టివ్ · ఇంటెలిజెన్స్ 11.33-బిట్ తక్కువ నాణ్యత52.1 GB48–86193–343
Devstral 2 (123B)123B3-బిట్ తక్కువ నాణ్యత53.8 GB3–410–18
Ornith 1.5 122B122B · 10B యాక్టివ్3-బిట్ తక్కువ నాణ్యత53.4 GB31–55123–218
Nemotron 3 Super 120B A12B120B · 12B యాక్టివ్3-బిట్ తక్కువ నాణ్యత52.5 GB25–45102–181

అతికష్టంగా సరిపోయేవి 1

దాదాపు మొత్తం మెమరీ కావాలి: GPU మెమరీ పరిమితిని పెంచి, కాంటెక్స్ట్‌ను చిన్నగా ఉంచండి.

మోడల్వెర్షన్మెమరీM3 MaxM5 Ultra
MiniMax M2.7230B · 10B యాక్టివ్2-బిట్ తక్కువ నాణ్యత71.9 GB44–77174–310

చాలా పెద్దవి 21

96 GB కంటే ఎక్కువ మెమరీ కావాలి, 2 బిట్‌ల వద్ద కూడా.

ప్రశ్నలు

96 GB ఉన్న Macకు ఉత్తమ LLM ఏది?
Intelligence Index ప్రచురించిన మోడల్‌లలో, 96 GBలో బాగా నడిచేవాటిలో Qwen3.8 27Bకు అత్యధిక స్కోరు ఉంది (8-బిట్). బాగా నడిచేవాటిలో అతిపెద్దది gpt-oss-120b. కోడ్ కోసం: Qwen3 Coder Next.
Macలో లోకల్ AIకి 96 GB సరిపోతుందా?
ఇక్కడి 73 ఓపెన్ మోడల్‌లలో 44, 4 బిట్‌లు లేదా అంతకంటే మెరుగైన ప్రెసిషన్ వద్ద దీనిలో బాగా నడుస్తాయి. డిఫాల్ట్‌గా macOS దీనిలో సుమారు 72 GBను GPU వాడుకోనిస్తుంది; మోడల్, దాని కాంటెక్స్ట్ అందులోనే సరిపోవాలి.
96 GB Mac gpt-oss-20bను నడపగలదా?
అవును, నేటివ్ 4.25-బిట్, M3 Maxపై సెకనుకు సుమారు 71–126 టోకెన్‌లు, M5 Ultraపై 284–505.

ఇతర సైజులు: 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

వీటిని MLX Harnessతో (ఉచితం, ఓపెన్ సోర్స్) లేదా Terminalలో Apple mlx-lmతో నడపండి: దశలవారీగా.

ఎలా లెక్కించాం

మెమరీ: మోడల్ పారామీటర్‌లు వెయిట్‌కు 8, 6, 4, 3 లేదా 2 బిట్‌ల వద్ద, దానితో పాటు MLX గ్రూప్ స్కేల్‌లు (వెయిట్‌కు అర బిట్), లేదా దాని నేటివ్ ఫార్మాట్, పైన కాంటెక్స్ట్‌కు చోటు. డిఫాల్ట్‌గా macOS యూనిఫైడ్ మెమరీలో సుమారు 75%ను GPU వాడుకోనిస్తుంది. వేగం: మెమరీ బ్యాండ్‌విడ్త్‌ను ప్రతి టోకెన్‌కు చదివే బైట్‌లతో భాగిస్తే ఒక సంభాషణకు గరిష్ఠ పరిమితి వస్తుంది; llama.cpp పబ్లిక్ Apple Silicon బెంచ్‌మార్క్‌లలో నిజమైన రన్‌లు దానిలో సుమారు 45% నుండి 80% వరకు చేరుతాయి, ఆ పరిధినే చూపిస్తున్నాం. ఇవి అంచనాలు, కొలతలు కావు: మీ సొంత Macను MLX Benchలో కొలవండి. మోడల్ వివరాలు ప్రతి అధికారిక మోడల్ కార్డ్ నుండి, చిప్ వివరాలు Apple Tech Specs నుండి. 2026-10-19న తనిఖీ చేశాం. mlx.app/compareలో ఉన్న అదే డేటా.

96 GB Macకు ఉత్తమ లోకల్ LLMలు (M2 నుండి M5): ఏవి నడుస్తాయి