లాగిన్వాలెట్ సృష్టించండి

32 GB ఉన్న M5 ఏమేం నడపగలదు?

దీనిపై 73 ఓపెన్ మోడల్‌లలో 28 బాగా నడుస్తాయి. డిఫాల్ట్‌గా GPU దీని 32 GBలో సుమారు 24 GB వాడుకోగలదు, ఇది 153 GB/s వేగంతో మెమరీని చదువుతుంది, అదే ఇది ఎంత వేగంగా రాస్తుందో నిర్ణయిస్తుంది. వీటిలో ఉంటుంది: MacBook Pro (14-inch, M5), MacBook Air (13-inch, M5), MacBook Air (15-inch, M5).

బాగా నడిచేవాటిలో అత్యంత తెలివైనదిQwen3.6 35B A3B4-బిట్ · 19.7 GB · 41–72 tok/sబాగా నడిచేవాటిలో అతిపెద్దదిQwen3.6 35B A3B4-బిట్ · 19.7 GB · 41–72 tok/sకోడ్ కోసంQwen3 Coder 30B A3B Instruct4-బిట్ · 17.2 GB · 36–64 tok/s

బాగా నడిచేవి 28

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

మోడల్వెర్షన్మెమరీటోకెన్‌లు/సెకను
Qwen3.6 35B A3B35B · 3B యాక్టివ్ · ఇంటెలిజెన్స్ 18.24-బిట్19.7 GB41–72
Nemotron 3.5 Lightning 30B A3B30B · 3B యాక్టివ్ · ఇంటెలిజెన్స్ 12.94-బిట్16.9 GB41–72
MiniCPM5 2B2.52B · ఇంటెలిజెన్స్ 12.58-బిట్2.7 GB26–45
Qwen3.5 9B9B · ఇంటెలిజెన్స్ 11.24-బిట్5.1 GB14–24
Granite 4.2 8B8B · ఇంటెలిజెన్స్ 11.16-బిట్6.5 GB11–19
Granite 4.2 3B3B · ఇంటెలిజెన్స్ 9.18-బిట్3.2 GB22–38
gpt-oss-20b21B · 3.6B యాక్టివ్ · ఇంటెలిజెన్స్ 9నేటివ్ 4.25-బిట్13.8 GB36–64
Nemotron 3 Nano 30B A3B30B · 3.5B యాక్టివ్ · ఇంటెలిజెన్స్ 8.94-బిట్16.9 GB34–61
Gemma 4 E4B8B · ఇంటెలిజెన్స్ 8.98-బిట్8.5 GB14–26
Ministral 3 8B8.9B · ఇంటెలిజెన్స్ 5.56-బిట్7.2 GB10–17
Nemotron 3 Nano 4B3.97B · ఇంటెలిజెన్స్ 4.88-బిట్4.2 GB16–29
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B యాక్టివ్4-బిట్17.2 GB36–64
GLM-4.7 Flash30B · 3B యాక్టివ్4-బిట్16.9 GB41–72
Gemma 4 26B A4B25.2B · 3.8B యాక్టివ్6-బిట్20.5 GB22–39
LFM2.5 24B A2B24B · 2B యాక్టివ్6-బిట్19.5 GB43–77
Gemma 4 12B Unified12B4-బిట్6.7 GB10–18
Qwen3 8B8.2B6-బిట్6.7 GB10–18
Llama 3.1 8B Instruct8B6-బిట్6.5 GB11–19
Gemma 4 E2B5.1B8-బిట్5.4 GB29–51
Qwen3.5 4B4B8-బిట్4.3 GB16–28
Phi-4 mini instruct3.8B8-బిట్4 GB17–31
Llama 3.2 3B Instruct3.21B8-బిట్3.4 GB20–36
SmolLM3 3B3B8-బిట్3.2 GB22–38
LFM2.5 2.6B2.69B8-బిట్2.9 GB24–42
Qwen3.5 2B2B8-బిట్2.1 GB33–58
Llama 3.2 1B Instruct1.23B8-బిట్1.3 GB53–94
Qwen3.5 0.8B0.8B8-బిట్0.9 GB77–136
Qwen3 0.6B0.6B8-బిట్0.6 GB115–204

నడుస్తాయి, కానీ నెమ్మదిగా 11

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

మోడల్వెర్షన్మెమరీటోకెన్‌లు/సెకను
Qwen3.8 27B27B · ఇంటెలిజెన్స్ 33.76-బిట్21.9 GB3–6
Muse Glimmer 30B29.6B · ఇంటెలిజెన్స్ 17.54-బిట్16.7 GB4–7
Gemma 4 31B30.7B · ఇంటెలిజెన్స్ 14.74-బిట్17.3 GB4–7
Granite 4.2 30B30B · ఇంటెలిజెన్స్ 12.74-బిట్16.9 GB4–7
Qwen3.6 27B27B6-బిట్21.9 GB3–6
Devstral Small 2 (24B)24B6-బిట్19.5 GB4–6
Magistral Small 1.2 (2509)24B6-బిట్19.5 GB4–6
Mistral Small 3.2 (24B)24B6-బిట్19.5 GB4–6
Phi-4 Reasoning Vision 15B15B8-బిట్15.9 GB4–8
Phi-4 (14B)14B8-బిట్14.9 GB5–8
Llama 3.3 70B Instruct70B2-బిట్ తక్కువ నాణ్యత21.9 GB3–6

అతికష్టంగా సరిపోయేవి 2

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

మోడల్వెర్షన్మెమరీటోకెన్‌లు/సెకను
Nemotron 3.5 Bolt 74B A9B74B · 9B యాక్టివ్ · ఇంటెలిజెన్స్ 21.42-బిట్ తక్కువ నాణ్యత23.1 GB25–44
Qwen3 Coder Next80B · 3B యాక్టివ్ · ఇంటెలిజెన్స్ 9.22-బిట్ తక్కువ నాణ్యత25 GB77–136

చాలా పెద్దవి 32

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

ఇతర Macలు

32 GB ఉన్న అన్ని Macలు, ఏ చిప్ అయినా.

తక్కువ లేదా ఎక్కువ మెమరీతో M5:

దగ్గరి చిప్‌లు:

ముఖాముఖి:

ఏ Mac లేదా GPUతో అయినా పోల్చండి · లోకల్ AI కోసం M5 · లోకల్ LLMలకు ఉత్తమ Mac · అన్ని Macలు

ప్రశ్నలు

32 GB ఉన్న M5కు ఉత్తమ LLM ఏది?
Intelligence Index ప్రచురించిన మోడల్‌లలో, ఇక్కడ బాగా నడిచేవాటిలో Qwen3.6 35B A3Bకు అత్యధిక స్కోరు ఉంది: 4-బిట్, సెకనుకు సుమారు 41–72 టోకెన్‌లు.
32 GB ఉన్న M5 Llama 3.3 70Bను నడపగలదా?
అవును, కానీ నెమ్మదిగా: 2-బిట్ (తక్కువ నాణ్యత), సెకనుకు సుమారు 3–6 టోకెన్‌లు.
M5పై gpt-oss-20b ఎంత వేగంగా నడుస్తుంది?
సెకనుకు సుమారు 36–64 టోకెన్‌లు (నేటివ్ 4.25-బిట్), చిప్ యొక్క 153 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.

32 GB ఉన్న M5 ఏ LLMలను నడపగలదు? ప్రతి మోడల్, వేగంతో