బాగా నడిచేవి 21
కాంటెక్స్ట్‌కు చోటుతో సరిపోతాయి, సెకనుకు 10 లేదా అంతకంటే ఎక్కువ టోకెన్‌ల వేగంతో.
| మోడల్ | వెర్షన్ | మెమరీ | టోకెన్లు/సెకను |
|---|---|---|---|
| MiniCPM5 2B2.52B · ఇంటెలిజెన్స్ 12.5 | 8-బిట్ | 2.7 GB | 11–20 |
| Granite 4.2 3B3B · ఇంటెలిజెన్స్ 9.1 | 8-బిట్ | 3.2 GB | 10–17 |
| Gemma 4 E4B8B · ఇంటెలిజెన్స్ 8.9 | 4-బిట్ | 4.5 GB | 12–22 |
| Nemotron 3 Nano 4B3.97B · ఇంటెలిజెన్స్ 4.8 | 6-బిట్ | 3.2 GB | 10–17 |
| Gemma 4 E2B5.1B | 8-బిట్ | 5.4 GB | 13–23 |
| Qwen3.5 4B4B | 4-బిట్ | 2.3 GB | 13–24 |
| Phi-4 mini instruct3.8B | 6-బిట్ | 3.1 GB | 10–18 |
| Llama 3.2 3B Instruct3.21B | 6-బిట్ | 2.6 GB | 12–21 |
| SmolLM3 3B3B | 8-బిట్ | 3.2 GB | 10–17 |
| LFM2.5 2.6B2.69B | 8-బిట్ | 2.9 GB | 11–19 |
| Qwen3.5 2B2B | 8-బిట్ | 2.1 GB | 15–26 |
| Llama 3.2 1B Instruct1.23B | 8-బిట్ | 1.3 GB | 24–42 |
| Qwen3.5 0.8B0.8B | 8-బిట్ | 0.9 GB | 34–60 |
| Qwen3 0.6B0.6B | 8-బిట్ | 0.6 GB | 51–91 |
| Nemotron 3.5 Lightning 30B A3B30B · 3B యాక్టివ్ · ఇంటెలిజెన్స్ 12.9 | 2-బిట్ తక్కువ నాణ్యత | 9.4 GB | 34–60 |
| gpt-oss-20b21B · 3.6B యాక్టివ్ · ఇంటెలిజెన్స్ 9 | 3-బిట్ తక్కువ నాణ్యత | 9.2 GB | 19–34 |
| Nemotron 3 Nano 30B A3B30B · 3.5B యాక్టివ్ · ఇంటెలిజెన్స్ 8.9 | 2-బిట్ తక్కువ నాణ్యత | 9.4 GB | 28–49 |
| Qwen3 Coder 30B A3B Instruct30.5B · 3.3B యాక్టివ్ | 2-బిట్ తక్కువ నాణ్యత | 9.5 GB | 31–54 |
| GLM-4.7 Flash30B · 3B యాక్టివ్ | 2-బిట్ తక్కువ నాణ్యత | 9.4 GB | 34–60 |
| Gemma 4 26B A4B25.2B · 3.8B యాక్టివ్ | 2-బిట్ తక్కువ నాణ్యత | 7.9 GB | 26–45 |
| LFM2.5 24B A2B24B · 2B యాక్టివ్ | 3-బిట్ తక్కువ నాణ్యత | 10.5 GB | 34–60 |
నడుస్తాయి, కానీ నెమ్మదిగా 16
సరిపోతాయి, కానీ సెకనుకు 10 టోకెన్‌ల కంటే తక్కువ: బ్యాచ్ పనులకు సరే, చాట్‌కు నెమ్మది.
| మోడల్ | వెర్షన్ | మెమరీ | టోకెన్లు/సెకను |
|---|---|---|---|
| Qwen3.5 9B9B · ఇంటెలిజెన్స్ 11.2 | 8-బిట్ | 9.6 GB | 3–6 |
| Granite 4.2 8B8B · ఇంటెలిజెన్స్ 11.1 | 8-బిట్ | 8.5 GB | 4–6 |
| Ministral 3 8B8.9B · ఇంటెలిజెన్స్ 5.5 | 8-బిట్ | 9.5 GB | 3–6 |
| Phi-4 Reasoning Vision 15B15B | 4-బిట్ | 8.4 GB | 4–6 |
| Phi-4 (14B)14B | 4-బిట్ | 7.9 GB | 4–7 |
| Gemma 4 12B Unified12B | 6-బిట్ | 9.7 GB | 3–6 |
| Qwen3 8B8.2B | 8-బిట్ | 8.7 GB | 4–6 |
| Llama 3.1 8B Instruct8B | 8-బిట్ | 8.5 GB | 4–6 |
| Qwen3.8 27B27B · ఇంటెలిజెన్స్ 33.7 | 2-బిట్ తక్కువ నాణ్యత | 8.4 GB | 4–6 |
| Muse Glimmer 30B29.6B · ఇంటెలిజెన్స్ 17.5 | 2-బిట్ తక్కువ నాణ్యత | 9.3 GB | 3–6 |
| Gemma 4 31B30.7B · ఇంటెలిజెన్స్ 14.7 | 2-బిట్ తక్కువ నాణ్యత | 9.6 GB | 3–6 |
| Granite 4.2 30B30B · ఇంటెలిజెన్స్ 12.7 | 2-బిట్ తక్కువ నాణ్యత | 9.4 GB | 3–6 |
| Qwen3.6 27B27B | 2-బిట్ తక్కువ నాణ్యత | 8.4 GB | 4–6 |
| Devstral Small 2 (24B)24B | 3-బిట్ తక్కువ నాణ్యత | 10.5 GB | 3–5 |
| Magistral Small 1.2 (2509)24B | 3-బిట్ తక్కువ నాణ్యత | 10.5 GB | 3–5 |
| Mistral Small 3.2 (24B)24B | 3-బిట్ తక్కువ నాణ్యత | 10.5 GB | 3–5 |
అతికష్టంగా సరిపోయేవి 1
దాదాపు మొత్తం మెమరీ కావాలి: GPU మెమరీ పరిమితిని పెంచి, కాంటెక్స్ట్‌ను చిన్నగా ఉంచండి.
| మోడల్ | వెర్షన్ | మెమరీ | టోకెన్లు/సెకను |
|---|---|---|---|
| Qwen3.6 35B A3B35B · 3B యాక్టివ్ · ఇంటెలిజెన్స్ 18.2 | 2-బిట్ తక్కువ నాణ్యత | 10.9 GB | 34–60 |
చాలా పెద్దవి 35
16 GB కంటే ఎక్కువ మెమరీ కావాలి, 2 బిట్ల వద్ద కూడా.
- MiMo V2.6 Pro1,020B
- Kimi K32,800B
- MiMo V2.6 Flash309B
- Kimi K2.7 Code1,000B
- gpt-oss-120b117B
- Kimi K2.61,000B
- DeepSeek V4.1 Flash 1017552B
- GLM-5.3744B
- GLM-5.3 Flash320B
- Qwen3.8 2.4T A95B2,400B
- Qwen3.8 Flash Next180B
- Muse Spark Open816B
- DeepSeek V4 Pro 08131,600B
- Beam 1.0501B
- MiniMax M3428B
- Inkling Small276B
- Hy3295B
- Inkling975B
- Nemotron 3 Ultra 550B A55B550B
- Nemotron 3.5 Bolt 74B A9B74B
- Qwen3.5 397B A17B397B
- Qwen3.5 122B A10B122B
- Mistral Medium 3.5 (128B)128B
- Mistral Small 4 (119B)119B
- Llama 4 Maverick 17B-128E Instruct400B
- Qwen3 Coder Next80B
- Llama 4 Scout 17B-16E Instruct109B
- Mistral Large 3 (675B)675B
- DeepSeek V4 Flash 0731284B
- MiniMax M2.7230B
- Devstral 2 (123B)123B
- Ornith 1.5 122B122B
- Nemotron 3 Super 120B A12B120B
- GLM-4.5 Air106B
- Llama 3.3 70B Instruct70B
ఇతర Macలు
16 GB ఉన్న అన్ని Macలు, ఏ చిప్ అయినా.
తక్కువ లేదా ఎక్కువ మెమరీతో M1:
దగ్గరి చిప్‌లు:
ముఖాముఖి:
ఏ Mac లేదా GPUతో అయినా పోల్చండి · లోకల్ AI కోసం M1 · లోకల్ LLMలకు ఉత్తమ Mac · అన్ని Macలు
ప్రశ్నలు
- 16 GB ఉన్న M1కు ఉత్తమ LLM ఏది?
- Intelligence Index ప్రచురించిన మోడల్లలో, ఇక్కడ బాగా నడిచేవాటిలో MiniCPM5 2Bకు అత్యధిక స్కోరు ఉంది: 8-బిట్, సెకనుకు సుమారు 11–20 టోకెన్లు. బాగా నడిచేవాటిలో అతిపెద్దది Gemma 4 E4B.
- 16 GB ఉన్న M1 Llama 3.3 70Bను నడపగలదా?
- లేదు: 2 బిట్ల వద్ద కూడా దీనికి GPU డిఫాల్ట్గా వాడుకోగల 12 GB కంటే ఎక్కువ కావాలి.
- M1పై gpt-oss-20b ఎంత వేగంగా నడుస్తుంది?
- సెకనుకు సుమారు 19–34 టోకెన్లు (3-బిట్), చిప్ యొక్క 68 GB/s మెమరీ బ్యాండ్విడ్త్ నుండి లెక్కించినది.
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.