లాగిన్వాలెట్ సృష్టించండి

128 GB ఉన్న M3 Max ఏమేం నడపగలదు?

దీనిపై 73 ఓపెన్ మోడల్‌లలో 47 బాగా నడుస్తాయి. డిఫాల్ట్‌గా GPU దీని 128 GBలో సుమారు 96 GB వాడుకోగలదు, ఇది 400 GB/s వేగంతో మెమరీని చదువుతుంది, అదే ఇది ఎంత వేగంగా రాస్తుందో నిర్ణయిస్తుంది. వీటిలో ఉంటుంది: MacBook Pro (14-inch, M3 Pro or M3 Max, Nov 2023), MacBook Pro (16-inch, Nov 2023).

బాగా నడిచేవాటిలో అత్యంత తెలివైనదిQwen3.8 27B4-బిట్ · 15.2 GB · 12–21 tok/sబాగా నడిచేవాటిలో అతిపెద్దదిQwen3.5 122B A10B4-బిట్ · 68.6 GB · 32–57 tok/sకోడ్ కోసంQwen3 Coder Next8-బిట్ · 85 GB · 56–100 tok/s

బాగా నడిచేవి 51

కాంటెక్స్ట్‌కు చోటుతో సరిపోతాయి, సెకనుకు 10 లేదా అంతకంటే ఎక్కువ టోకెన్‌ల వేగంతో.

మోడల్వెర్షన్మెమరీటోకెన్‌లు/సెకను
Qwen3.8 27B27B · ఇంటెలిజెన్స్ 33.74-బిట్15.2 GB12–21
Nemotron 3.5 Bolt 74B A9B74B · 9B యాక్టివ్ · ఇంటెలిజెన్స్ 21.48-బిట్78.6 GB19–33
Qwen3.6 35B A3B35B · 3B యాక్టివ్ · ఇంటెలిజెన్స్ 18.28-బిట్37.2 GB56–100
Muse Glimmer 30B29.6B · ఇంటెలిజెన్స్ 17.54-బిట్16.7 GB11–19
Qwen3.5 122B A10B122B · 10B యాక్టివ్ · ఇంటెలిజెన్స్ 15.64-బిట్68.6 GB32–57
Gemma 4 31B30.7B · ఇంటెలిజెన్స్ 14.74-బిట్17.3 GB10–18
Nemotron 3.5 Lightning 30B A3B30B · 3B యాక్టివ్ · ఇంటెలిజెన్స్ 12.98-బిట్31.9 GB56–100
Granite 4.2 30B30B · ఇంటెలిజెన్స్ 12.74-బిట్16.9 GB11–19
MiniCPM5 2B2.52B · ఇంటెలిజెన్స్ 12.58-బిట్2.7 GB67–119
gpt-oss-120b117B · 5.1B యాక్టివ్ · ఇంటెలిజెన్స్ 11.6నేటివ్ 4.25-బిట్65.3 GB67–119
Mistral Small 4 (119B)119B · 6.5B యాక్టివ్ · ఇంటెలిజెన్స్ 11.34-బిట్66.9 GB49–86
Qwen3.5 9B9B · ఇంటెలిజెన్స్ 11.28-బిట్9.6 GB19–33
Granite 4.2 8B8B · ఇంటెలిజెన్స్ 11.18-బిట్8.5 GB21–38
Qwen3 Coder Next80B · 3B యాక్టివ్ · ఇంటెలిజెన్స్ 9.28-బిట్85 GB56–100
Granite 4.2 3B3B · ఇంటెలిజెన్స్ 9.18-బిట్3.2 GB56–100
gpt-oss-20b21B · 3.6B యాక్టివ్ · ఇంటెలిజెన్స్ 9నేటివ్ 4.25-బిట్13.8 GB95–168
Nemotron 3 Nano 30B A3B30B · 3.5B యాక్టివ్ · ఇంటెలిజెన్స్ 8.98-బిట్31.9 GB49–86
Gemma 4 E4B8B · ఇంటెలిజెన్స్ 8.98-బిట్8.5 GB38–67
Llama 4 Scout 17B-16E Instruct109B · 17B యాక్టివ్ · ఇంటెలిజెన్స్ 6.56-బిట్88.6 GB13–23
Ministral 3 8B8.9B · ఇంటెలిజెన్స్ 5.58-బిట్9.5 GB19–34
Nemotron 3 Nano 4B3.97B · ఇంటెలిజెన్స్ 4.88-బిట్4.2 GB43–76
Ornith 1.5 122B122B · 10B యాక్టివ్4-బిట్68.6 GB32–57
Nemotron 3 Super 120B A12B120B · 12B యాక్టివ్4-బిట్67.5 GB26–47
GLM-4.5 Air106B · 12B యాక్టివ్6-బిట్86.1 GB18–33
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B యాక్టివ్8-బిట్32.4 GB51–91
GLM-4.7 Flash30B · 3B యాక్టివ్8-బిట్31.9 GB56–100
Qwen3.6 27B27B4-బిట్15.2 GB12–21
Gemma 4 26B A4B25.2B · 3.8B యాక్టివ్8-బిట్26.8 GB45–80
Devstral Small 2 (24B)24B4-బిట్13.5 GB13–24
Magistral Small 1.2 (2509)24B4-బిట్13.5 GB13–24
Mistral Small 3.2 (24B)24B4-బిట్13.5 GB13–24
LFM2.5 24B A2B24B · 2B యాక్టివ్8-బిట్25.5 GB86–152
Phi-4 Reasoning Vision 15B15B8-బిట్15.9 GB11–20
Phi-4 (14B)14B8-బిట్14.9 GB12–21
Gemma 4 12B Unified12B8-బిట్12.7 GB14–25
Qwen3 8B8.2B8-బిట్8.7 GB21–37
Llama 3.1 8B Instruct8B8-బిట్8.5 GB21–38
Gemma 4 E2B5.1B8-బిట్5.4 GB75–133
Qwen3.5 4B4B8-బిట్4.3 GB42–74
Phi-4 mini instruct3.8B8-బిట్4 GB45–80
Llama 3.2 3B Instruct3.21B8-బిట్3.4 GB53–94
SmolLM3 3B3B8-బిట్3.2 GB56–100
LFM2.5 2.6B2.69B8-బిట్2.9 GB62–110
Qwen3.5 2B2B8-బిట్2.1 GB86–152
Llama 3.2 1B Instruct1.23B8-బిట్1.3 GB138–246
Qwen3.5 0.8B0.8B8-బిట్0.9 GB200–356
Qwen3 0.6B0.6B8-బిట్0.6 GB300–533
Qwen3.8 Flash Next180B · 6B యాక్టివ్ · ఇంటెలిజెన్స్ 39.83-బిట్ తక్కువ నాణ్యత78.8 GB69–123
Inkling Small276B · 12B యాక్టివ్ · ఇంటెలిజెన్స్ 25.72-బిట్ తక్కువ నాణ్యత86.3 GB47–84
DeepSeek V4 Flash 0731284B · 13B యాక్టివ్2-బిట్ తక్కువ నాణ్యత88.8 GB44–78
MiniMax M2.7230B · 10B యాక్టివ్2-బిట్ తక్కువ నాణ్యత71.9 GB58–103

నడుస్తాయి, కానీ నెమ్మదిగా 3

సరిపోతాయి, కానీ సెకనుకు 10 టోకెన్‌ల కంటే తక్కువ: బ్యాచ్ పనులకు సరే, చాట్‌కు నెమ్మది.

మోడల్వెర్షన్మెమరీటోకెన్‌లు/సెకను
Mistral Medium 3.5 (128B)128B · ఇంటెలిజెన్స్ 14.24-బిట్72 GB3–4
Devstral 2 (123B)123B4-బిట్69.2 GB3–5
Llama 3.3 70B Instruct70B8-బిట్74.4 GB2–4

అతికష్టంగా సరిపోయేవి 3

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

మోడల్వెర్షన్మెమరీటోకెన్‌లు/సెకను
GLM-5.3 Flash320B · 18B యాక్టివ్ · ఇంటెలిజెన్స్ 41.82-బిట్ తక్కువ నాణ్యత100 GB32–57
MiMo V2.6 Flash309B · 15B యాక్టివ్ · ఇంటెలిజెన్స్ 37.92-బిట్ తక్కువ నాణ్యత96.6 GB38–68
Hy3295B · 21B యాక్టివ్ · ఇంటెలిజెన్స్ 25.32-బిట్ తక్కువ నాణ్యత92.2 GB27–48

చాలా పెద్దవి 16

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

ఇతర Macలు

128 GB ఉన్న అన్ని Macలు, ఏ చిప్ అయినా.

తక్కువ లేదా ఎక్కువ మెమరీతో M3 Max:

దగ్గరి చిప్‌లు:

ముఖాముఖి:

ఏ Mac లేదా GPUతో అయినా పోల్చండి · లోకల్ AI కోసం M3 Max · లోకల్ LLMలకు ఉత్తమ Mac · అన్ని Macలు

ప్రశ్నలు

128 GB ఉన్న M3 Maxకు ఉత్తమ LLM ఏది?
Intelligence Index ప్రచురించిన మోడల్‌లలో, ఇక్కడ బాగా నడిచేవాటిలో Qwen3.8 27Bకు అత్యధిక స్కోరు ఉంది: 4-బిట్, సెకనుకు సుమారు 12–21 టోకెన్‌లు. బాగా నడిచేవాటిలో అతిపెద్దది Qwen3.5 122B A10B.
128 GB ఉన్న M3 Max Llama 3.3 70Bను నడపగలదా?
అవును, కానీ నెమ్మదిగా: 8-బిట్, సెకనుకు సుమారు 2–4 టోకెన్‌లు.
M3 Maxపై gpt-oss-20b ఎంత వేగంగా నడుస్తుంది?
సెకనుకు సుమారు 95–168 టోకెన్‌లు (నేటివ్ 4.25-బిట్), చిప్ యొక్క 400 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.

128 GB ఉన్న M3 Max ఏ LLMలను నడపగలదు? ప్రతి మోడల్, వేగంతో