เข้าสู่ระบบสร้างวอลเล็ต

LLM ที่ดีที่สุดสำหรับ Mac 36 GB

โมเดลแบบเปิด 38 จาก 73 โมเดลรันได้ดีใน 36 GB โดยค่าเริ่มต้น GPU ใช้ได้ราว 27 GB ความเร็วขึ้นอยู่กับชิป ตั้งแต่ 150 GB/s บน M3 Pro ถึง 460 GB/s บน M5 Max

ฉลาดที่สุดที่รันได้ดีQwen3.8 27B4 บิต · 15.2 GB · 3–24 tok/sใหญ่ที่สุดที่รันได้ดีQwen3.6 35B A3B4 บิต · 19.7 GB · 40–216 tok/sสำหรับเขียนโค้ดQwen3 Coder 30B A3B Instruct6 บิต · 24.8 GB · 25–136 tok/s

Mac ที่มี 36 GB

มีชิป 4 รุ่นจาก M3 ถึง M5 ที่มาพร้อม 36 GB เปิดแต่ละรุ่นเพื่อดูรายการและความเร็วของรุ่นนั้น

รันได้ดี 40

ใส่ได้และยังเหลือที่สำหรับบริบท ได้ 10 โทเค็นต่อวินาทีขึ้นไปบน M5 Max

โมเดลเวอร์ชันหน่วยความจำM3 ProM5 Max
Qwen3.8 27B27B · ความฉลาด 33.74 บิต15.2 GB3–514–24
Qwen3.6 35B A3B35B · ใช้งาน 3B · ความฉลาด 18.24 บิต19.7 GB40–71122–216
Muse Glimmer 30B29.6B · ความฉลาด 17.54 บิต16.7 GB3–512–22
Gemma 4 31B30.7B · ความฉลาด 14.74 บิต17.3 GB3–512–21
Nemotron 3.5 Lightning 30B A3B30B · ใช้งาน 3B · ความฉลาด 12.96 บิต24.4 GB28–5086–153
Granite 4.2 30B30B · ความฉลาด 12.74 บิต16.9 GB3–512–22
MiniCPM5 2B2.52B · ความฉลาด 12.58 บิต2.7 GB25–4477–136
Qwen3.5 9B9B · ความฉลาด 11.28 บิต9.6 GB13–2422–38
Granite 4.2 8B8B · ความฉลาด 11.18 บิต8.5 GB10–1824–43
Granite 4.2 3B3B · ความฉลาด 9.18 บิต3.2 GB21–3865–115
gpt-oss-20b21B · ใช้งาน 3.6B · ความฉลาด 94.25 บิตแบบเนทีฟ13.8 GB36–63109–194
Nemotron 3 Nano 30B A3B30B · ใช้งาน 3.5B · ความฉลาด 8.96 บิต24.4 GB24–4374–131
Gemma 4 E4B8B · ความฉลาด 8.98 บิต8.5 GB14–2543–77
Ministral 3 8B8.9B · ความฉลาด 5.58 บิต9.5 GB14–2422–39
Nemotron 3 Nano 4B3.97B · ความฉลาด 4.88 บิต4.2 GB16–2949–88
Qwen3 Coder 30B A3B Instruct30.5B · ใช้งาน 3.3B6 บิต24.8 GB25–4477–136
GLM-4.7 Flash30B · ใช้งาน 3B6 บิต24.4 GB28–5086–153
Qwen3.6 27B27B4 บิต15.2 GB3–514–24
Gemma 4 26B A4B25.2B · ใช้งาน 3.8B6 บิต20.5 GB22–3967–119
Devstral Small 2 (24B)24B6 บิต19.5 GB3–611–19
Magistral Small 1.2 (2509)24B6 บิต19.5 GB3–611–19
Mistral Small 3.2 (24B)24B6 บิต19.5 GB3–611–19
LFM2.5 24B A2B24B · ใช้งาน 2B6 บิต19.5 GB42–75129–230
Phi-4 Reasoning Vision 15B15B8 บิต15.9 GB4–813–23
Phi-4 (14B)14B8 บิต14.9 GB5–814–25
Gemma 4 12B Unified12B8 บิต12.7 GB10–1816–29
Qwen3 8B8.2B8 บิต8.7 GB10–1824–42
Llama 3.1 8B Instruct8B8 บิต8.5 GB10–1824–43
Gemma 4 E2B5.1B8 บิต5.4 GB28–5086–153
Qwen3.5 4B4B8 บิต4.3 GB16–2848–86
Phi-4 mini instruct3.8B8 บิต4 GB17–3052–92
Llama 3.2 3B Instruct3.21B8 บิต3.4 GB20–3561–108
SmolLM3 3B3B8 บิต3.2 GB21–3865–115
LFM2.5 2.6B2.69B8 บิต2.9 GB23–4171–127
Qwen3.5 2B2B8 บิต2.1 GB32–5799–175
Llama 3.2 1B Instruct1.23B8 บิต1.3 GB52–92159–283
Qwen3.5 0.8B0.8B8 บิต0.9 GB75–133230–409
Qwen3 0.6B0.6B8 บิต0.6 GB113–200345–613
Nemotron 3.5 Bolt 74B A9B74B · ใช้งาน 9B · ความฉลาด 21.42 บิต คุณภาพต่ำลง23.1 GB24–4374–131
Qwen3 Coder Next80B · ใช้งาน 3B · ความฉลาด 9.22 บิต คุณภาพต่ำลง25 GB75–133230–409

รันได้ แต่ช้า 1

ใส่ได้ แต่ต่ำกว่า 10 โทเค็นต่อวินาที เหมาะกับงานแบบแบตช์ แต่ช้าสำหรับการแชต

โมเดลเวอร์ชันหน่วยความจำM3 ProM5 Max
Llama 3.3 70B Instruct70B2 บิต คุณภาพต่ำลง21.9 GB3–59–17

ใหญ่เกินไป 32

ต้องใช้หน่วยความจำมากกว่า 36 GB แม้ที่ 2 บิต

คำถาม

LLM ที่ดีที่สุดสำหรับ Mac ที่มี 36 GB คืออะไร
ในบรรดาโมเดลที่มีคะแนน Intelligence Index เผยแพร่ Qwen3.8 27B ได้คะแนนสูงสุดในกลุ่มที่รันได้ดีใน 36 GB (4 บิต) โมเดลใหญ่ที่สุดที่รันได้ดีคือ Qwen3.6 35B A3B สำหรับเขียนโค้ด: Qwen3 Coder 30B A3B Instruct
36 GB พอสำหรับ AI บนเครื่องบน Mac ไหม
โมเดลแบบเปิด 38 จาก 73 โมเดลที่นี่รันได้ดีในขนาดนี้ที่ 4 บิตหรือดีกว่า โดยค่าเริ่มต้น macOS ให้ GPU ใช้ได้ราว 27 GB และโมเดลกับบริบทต้องใส่ได้ในส่วนนั้น
Mac 36 GB รัน gpt-oss-20b ได้ไหม
ได้ ที่ 4.25 บิตแบบเนทีฟ ราว 36–63 โทเค็นต่อวินาทีบน M3 Pro และ 109–194 บน M5 Max

ขนาดอื่น: 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

รันด้วย MLX Harness (ฟรี โอเพนซอร์ส) หรือ mlx-lm ของ Apple ในเทอร์มินัล: ทีละขั้นตอน

วิธีคำนวณ

หน่วยความจำ: พารามิเตอร์ของโมเดลที่ 8, 6, 4, 3 หรือ 2 บิตต่อค่าน้ำหนัก บวกสเกลแบบกลุ่มของ MLX (ครึ่งบิตต่อค่าน้ำหนัก) หรือตามรูปแบบเนทีฟของโมเดล แล้วเผื่อที่สำหรับบริบท โดยค่าเริ่มต้น macOS ให้ GPU ใช้หน่วยความจำแบบรวมได้ราว 75% ความเร็ว: แบนด์วิดท์หน่วยความจำหารด้วยจำนวนไบต์ที่อ่านต่อโทเค็น คือเพดานสำหรับหนึ่งบทสนทนา ในผลทดสอบ Apple Silicon แบบสาธารณะของ llama.cpp การรันจริงทำได้ราว 45% ถึง 80% ของเพดานนี้ ซึ่งเป็นช่วงที่แสดงไว้ ตัวเลขเหล่านี้เป็นค่าประมาณ ไม่ใช่ค่าที่วัดจริง วัด Mac ของคุณเองได้ที่ MLX Bench ตัวเลขโมเดลมาจากการ์ดโมเดลทางการของแต่ละโมเดล ตัวเลขชิปมาจากข้อมูลจำเพาะทางเทคนิคของ Apple ตรวจสอบเมื่อ 2026-10-19 ใช้ข้อมูลเดียวกับ mlx.app/compare

LLM บนเครื่องที่ดีที่สุดสำหรับ Mac 36 GB (M3 ถึง M5): รันอะไรได้