เข้าสู่ระบบสร้างวอลเล็ต

LLM ที่ดีที่สุดสำหรับ Mac 512 GB

โมเดลแบบเปิด 61 จาก 73 โมเดลรันได้ดีใน 512 GB โดยค่าเริ่มต้น GPU ใช้ได้ราว 384 GB ความเร็วขึ้นอยู่กับชิป ตั้งแต่ 819 GB/s บน M3 Ultra ถึง 1,200 GB/s บน M5 Ultra

ฉลาดที่สุดที่รันได้ดีDeepSeek V4.1 Flash 10174 บิต · 311 GB · 41–107 tok/sใหญ่ที่สุดที่รันได้ดีDeepSeek V4.1 Flash 10174 บิต · 311 GB · 41–107 tok/sสำหรับเขียนโค้ดQwen3 Coder Next8 บิต · 85 GB · 115–300 tok/s

Mac ที่มี 512 GB

มีชิป 2 รุ่นจาก M3 ถึง M5 ที่มาพร้อม 512 GB เปิดแต่ละรุ่นเพื่อดูรายการและความเร็วของรุ่นนั้น

รันได้ดี 68

ใส่ได้และยังเหลือที่สำหรับบริบท ได้ 10 โทเค็นต่อวินาทีขึ้นไปบน M5 Ultra

โมเดลเวอร์ชันหน่วยความจำM3 UltraM5 Ultra
DeepSeek V4.1 Flash 1017552B · ใช้งาน 16B · ความฉลาด 45.14 บิต311 GB41–7360–107
GLM-5.3 Flash320B · ใช้งาน 18B · ความฉลาด 41.88 บิต340 GB19–3428–50
Qwen3.8 Flash Next180B · ใช้งาน 6B · ความฉลาด 39.88 บิต191 GB58–10284–150
MiMo V2.6 Flash309B · ใช้งาน 15B · ความฉลาด 37.94.48 บิตแบบเนทีฟ173 GB44–7864–114
Qwen3.8 27B27B · ความฉลาด 33.78 บิต28.7 GB13–2319–33
Beam 1.0501B · ใช้งาน 23B · ความฉลาด 30.34 บิต282 GB29–5142–74
MiniMax M3428B · ใช้งาน 23B · ความฉลาด 29.26 บิต348 GB20–3529–51
Inkling Small276B · ใช้งาน 12B · ความฉลาด 25.78 บิต293 GB29–5142–75
Hy3295B · ใช้งาน 21B · ความฉลาด 25.38 บิต313 GB17–2924–43
Nemotron 3 Ultra 550B A55B550B · ใช้งาน 55B · ความฉลาด 22.94 บิต309 GB12–2117–31
Nemotron 3.5 Bolt 74B A9B74B · ใช้งาน 9B · ความฉลาด 21.48 บิต78.6 GB38–6856–100
Qwen3.5 397B A17B397B · ใช้งาน 17B · ความฉลาด 18.46 บิต323 GB27–4739–70
Qwen3.6 35B A3B35B · ใช้งาน 3B · ความฉลาด 18.28 บิต37.2 GB115–205169–300
Muse Glimmer 30B29.6B · ความฉลาด 17.58 บิต31.5 GB12–2117–30
Qwen3.5 122B A10B122B · ใช้งาน 10B · ความฉลาด 15.68 บิต130 GB35–6251–91
Gemma 4 31B30.7B · ความฉลาด 14.78 บิต32.6 GB11–2017–29
Nemotron 3.5 Lightning 30B A3B30B · ใช้งาน 3B · ความฉลาด 12.98 บิต31.9 GB115–205169–300
Granite 4.2 30B30B · ความฉลาด 12.78 บิต31.9 GB12–2117–30
MiniCPM5 2B2.52B · ความฉลาด 12.58 บิต2.7 GB137–243200–356
gpt-oss-120b117B · ใช้งาน 5.1B · ความฉลาด 11.64.25 บิตแบบเนทีฟ65.3 GB137–243200–356
Mistral Small 4 (119B)119B · ใช้งาน 6.5B · ความฉลาด 11.38 บิต126 GB53–9578–139
Qwen3.5 9B9B · ความฉลาด 11.28 บิต9.6 GB38–6856–100
Granite 4.2 8B8B · ความฉลาด 11.18 บิต8.5 GB43–7764–113
Llama 4 Maverick 17B-128E Instruct400B · ใช้งาน 17B · ความฉลาด 9.36 บิต325 GB27–4739–70
Qwen3 Coder Next80B · ใช้งาน 3B · ความฉลาด 9.28 บิต85 GB115–205169–300
Granite 4.2 3B3B · ความฉลาด 9.18 บิต3.2 GB115–205169–300
gpt-oss-20b21B · ใช้งาน 3.6B · ความฉลาด 94.25 บิตแบบเนทีฟ13.8 GB194–345284–505
Nemotron 3 Nano 30B A3B30B · ใช้งาน 3.5B · ความฉลาด 8.98 บิต31.9 GB100–177146–259
Gemma 4 E4B8B · ความฉลาด 8.98 บิต8.5 GB77–137113–200
Llama 4 Scout 17B-16E Instruct109B · ใช้งาน 17B · ความฉลาด 6.58 บิต116 GB20–3630–53
Ministral 3 8B8.9B · ความฉลาด 5.58 บิต9.5 GB39–6957–101
Nemotron 3 Nano 4B3.97B · ความฉลาด 4.88 บิต4.2 GB88–156129–229
DeepSeek V4 Flash 0731284B · ใช้งาน 13B8 บิต302 GB27–4739–70
MiniMax M2.7230B · ใช้งาน 10B8 บิต244 GB35–6251–91
Ornith 1.5 122B122B · ใช้งาน 10B8 บิต130 GB35–6251–91
Nemotron 3 Super 120B A12B120B · ใช้งาน 12B8 บิต128 GB29–5142–75
GLM-4.5 Air106B · ใช้งาน 12B8 บิต113 GB29–5142–75
Llama 3.3 70B Instruct70B4 บิต39.4 GB5–914–24
Qwen3 Coder 30B A3B Instruct30.5B · ใช้งาน 3.3B8 บิต32.4 GB105–187154–274
GLM-4.7 Flash30B · ใช้งาน 3B8 บิต31.9 GB115–205169–300
Qwen3.6 27B27B8 บิต28.7 GB13–2319–33
Gemma 4 26B A4B25.2B · ใช้งาน 3.8B8 บิต26.8 GB92–164135–240
Devstral Small 2 (24B)24B8 บิต25.5 GB14–2621–38
Magistral Small 1.2 (2509)24B8 บิต25.5 GB14–2621–38
Mistral Small 3.2 (24B)24B8 บิต25.5 GB14–2621–38
LFM2.5 24B A2B24B · ใช้งาน 2B8 บิต25.5 GB176–312257–457
Phi-4 Reasoning Vision 15B15B8 บิต15.9 GB23–4134–60
Phi-4 (14B)14B8 บิต14.9 GB25–4436–64
Gemma 4 12B Unified12B8 บิต12.7 GB29–5243–76
Qwen3 8B8.2B8 บิต8.7 GB42–7562–110
Llama 3.1 8B Instruct8B8 บิต8.5 GB43–7764–113
Gemma 4 E2B5.1B8 บิต5.4 GB154–273225–400
Qwen3.5 4B4B8 บิต4.3 GB86–152126–223
Phi-4 mini instruct3.8B8 บิต4 GB92–164135–240
Llama 3.2 3B Instruct3.21B8 บิต3.4 GB108–193159–282
SmolLM3 3B3B8 บิต3.2 GB115–205169–300
LFM2.5 2.6B2.69B8 บิต2.9 GB127–226186–331
Qwen3.5 2B2B8 บิต2.1 GB176–312257–457
Llama 3.2 1B Instruct1.23B8 บิต1.3 GB284–504415–738
Qwen3.5 0.8B0.8B8 บิต0.9 GB410–728600–1067
Qwen3 0.6B0.6B8 บิต0.6 GB614–1092900–1600
MiMo V2.6 Pro1,020B · ใช้งาน 42B · ความฉลาด 46.32 บิต คุณภาพต่ำลง319 GB28–5041–73
GLM-5.3744B · ใช้งาน 40B · ความฉลาด 44.83 บิต คุณภาพต่ำลง326 GB21–3731–55
Muse Spark Open816B · ใช้งาน 42B · ความฉลาด 38.92 บิต คุณภาพต่ำลง255 GB28–5041–73
Kimi K2.7 Code1,000B · ใช้งาน 32B · ความฉลาด 25.82 บิต คุณภาพต่ำลง313 GB37–6654–96
Inkling975B · ใช้งาน 41B · ความฉลาด 252 บิต คุณภาพต่ำลง305 GB29–5142–75
Kimi K2.61,000B · ใช้งาน 32B2 บิต คุณภาพต่ำลง313 GB37–6654–96
Mistral Large 3 (675B)675B · ใช้งาน 41B3 บิต คุณภาพต่ำลง295 GB21–3730–54

รันได้ แต่ช้า 2

ใส่ได้ แต่ต่ำกว่า 10 โทเค็นต่อวินาที เหมาะกับงานแบบแบตช์ แต่ช้าสำหรับการแชต

โมเดลเวอร์ชันหน่วยความจำM3 UltraM5 Ultra
Mistral Medium 3.5 (128B)128B · ความฉลาด 14.28 บิต136 GB3–54–7
Devstral 2 (123B)123B8 บิต131 GB3–54–7

ใหญ่เกินไป 3

ต้องใช้หน่วยความจำมากกว่า 512 GB แม้ที่ 2 บิต

คำถาม

LLM ที่ดีที่สุดสำหรับ Mac ที่มี 512 GB คืออะไร
ในบรรดาโมเดลที่มีคะแนน Intelligence Index เผยแพร่ DeepSeek V4.1 Flash 1017 ได้คะแนนสูงสุดในกลุ่มที่รันได้ดีใน 512 GB (4 บิต) สำหรับเขียนโค้ด: Qwen3 Coder Next
512 GB พอสำหรับ AI บนเครื่องบน Mac ไหม
โมเดลแบบเปิด 61 จาก 73 โมเดลที่นี่รันได้ดีในขนาดนี้ที่ 4 บิตหรือดีกว่า โดยค่าเริ่มต้น macOS ให้ GPU ใช้ได้ราว 384 GB และโมเดลกับบริบทต้องใส่ได้ในส่วนนั้น
Mac 512 GB รัน gpt-oss-20b ได้ไหม
ได้ ที่ 4.25 บิตแบบเนทีฟ ราว 194–345 โทเค็นต่อวินาทีบน M3 Ultra และ 284–505 บน M5 Ultra

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 512 GB (M3 ถึง M5): รันอะไรได้