รันได้ดี 48
ใส่ได้และยังเหลือที่สำหรับบริบท ได้ 10 โทเค็นต่อวินาทีขึ้นไป
| โมเดล | เวอร์ชัน | หน่วยความจำ | โทเค็น/วินาที |
|---|---|---|---|
| Qwen3.8 27B27B · ความฉลาด 33.7 | 4 บิต | 15.2 GB | 12–21 |
| Nemotron 3.5 Bolt 74B A9B74B · ใช้งาน 9B · ความฉลาด 21.4 | 6 บิต | 60.1 GB | 25–44 |
| Qwen3.6 35B A3B35B · ใช้งาน 3B · ความฉลาด 18.2 | 8 บิต | 37.2 GB | 56–100 |
| Muse Glimmer 30B29.6B · ความฉลาด 17.5 | 4 บิต | 16.7 GB | 11–19 |
| Gemma 4 31B30.7B · ความฉลาด 14.7 | 4 บิต | 17.3 GB | 10–18 |
| Nemotron 3.5 Lightning 30B A3B30B · ใช้งาน 3B · ความฉลาด 12.9 | 8 บิต | 31.9 GB | 56–100 |
| Granite 4.2 30B30B · ความฉลาด 12.7 | 4 บิต | 16.9 GB | 11–19 |
| MiniCPM5 2B2.52B · ความฉลาด 12.5 | 8 บิต | 2.7 GB | 67–119 |
| gpt-oss-120b117B · ใช้งาน 5.1B · ความฉลาด 11.6 | 4.25 บิตแบบเนทีฟ | 65.3 GB | 67–119 |
| Qwen3.5 9B9B · ความฉลาด 11.2 | 8 บิต | 9.6 GB | 19–33 |
| Granite 4.2 8B8B · ความฉลาด 11.1 | 8 บิต | 8.5 GB | 21–38 |
| Qwen3 Coder Next80B · ใช้งาน 3B · ความฉลาด 9.2 | 6 บิต | 65 GB | 75–133 |
| Granite 4.2 3B3B · ความฉลาด 9.1 | 8 บิต | 3.2 GB | 56–100 |
| gpt-oss-20b21B · ใช้งาน 3.6B · ความฉลาด 9 | 4.25 บิตแบบเนทีฟ | 13.8 GB | 95–168 |
| Nemotron 3 Nano 30B A3B30B · ใช้งาน 3.5B · ความฉลาด 8.9 | 8 บิต | 31.9 GB | 49–86 |
| Gemma 4 E4B8B · ความฉลาด 8.9 | 8 บิต | 8.5 GB | 38–67 |
| Llama 4 Scout 17B-16E Instruct109B · ใช้งาน 17B · ความฉลาด 6.5 | 4 บิต | 61.3 GB | 19–33 |
| Ministral 3 8B8.9B · ความฉลาด 5.5 | 8 บิต | 9.5 GB | 19–34 |
| Nemotron 3 Nano 4B3.97B · ความฉลาด 4.8 | 8 บิต | 4.2 GB | 43–76 |
| GLM-4.5 Air106B · ใช้งาน 12B | 4 บิต | 59.6 GB | 26–47 |
| Qwen3 Coder 30B A3B Instruct30.5B · ใช้งาน 3.3B | 8 บิต | 32.4 GB | 51–91 |
| GLM-4.7 Flash30B · ใช้งาน 3B | 8 บิต | 31.9 GB | 56–100 |
| Qwen3.6 27B27B | 4 บิต | 15.2 GB | 12–21 |
| Gemma 4 26B A4B25.2B · ใช้งาน 3.8B | 8 บิต | 26.8 GB | 45–80 |
| Devstral Small 2 (24B)24B | 4 บิต | 13.5 GB | 13–24 |
| Magistral Small 1.2 (2509)24B | 4 บิต | 13.5 GB | 13–24 |
| Mistral Small 3.2 (24B)24B | 4 บิต | 13.5 GB | 13–24 |
| LFM2.5 24B A2B24B · ใช้งาน 2B | 8 บิต | 25.5 GB | 86–152 |
| Phi-4 Reasoning Vision 15B15B | 8 บิต | 15.9 GB | 11–20 |
| Phi-4 (14B)14B | 8 บิต | 14.9 GB | 12–21 |
| Gemma 4 12B Unified12B | 8 บิต | 12.7 GB | 14–25 |
| Qwen3 8B8.2B | 8 บิต | 8.7 GB | 21–37 |
| Llama 3.1 8B Instruct8B | 8 บิต | 8.5 GB | 21–38 |
| Gemma 4 E2B5.1B | 8 บิต | 5.4 GB | 75–133 |
| Qwen3.5 4B4B | 8 บิต | 4.3 GB | 42–74 |
| Phi-4 mini instruct3.8B | 8 บิต | 4 GB | 45–80 |
| Llama 3.2 3B Instruct3.21B | 8 บิต | 3.4 GB | 53–94 |
| SmolLM3 3B3B | 8 บิต | 3.2 GB | 56–100 |
| LFM2.5 2.6B2.69B | 8 บิต | 2.9 GB | 62–110 |
| Qwen3.5 2B2B | 8 บิต | 2.1 GB | 86–152 |
| Llama 3.2 1B Instruct1.23B | 8 บิต | 1.3 GB | 138–246 |
| Qwen3.5 0.8B0.8B | 8 บิต | 0.9 GB | 200–356 |
| Qwen3 0.6B0.6B | 8 บิต | 0.6 GB | 300–533 |
| Qwen3.8 Flash Next180B · ใช้งาน 6B · ความฉลาด 39.8 | 2 บิต คุณภาพต่ำลง | 56.3 GB | 95–168 |
| Qwen3.5 122B A10B122B · ใช้งาน 10B · ความฉลาด 15.6 | 3 บิต คุณภาพต่ำลง | 53.4 GB | 41–73 |
| Mistral Small 4 (119B)119B · ใช้งาน 6.5B · ความฉลาด 11.3 | 3 บิต คุณภาพต่ำลง | 52.1 GB | 64–114 |
| Ornith 1.5 122B122B · ใช้งาน 10B | 3 บิต คุณภาพต่ำลง | 53.4 GB | 41–73 |
| Nemotron 3 Super 120B A12B120B · ใช้งาน 12B | 3 บิต คุณภาพต่ำลง | 52.5 GB | 34–60 |
รันได้ แต่ช้า 3
ใส่ได้ แต่ต่ำกว่า 10 โทเค็นต่อวินาที เหมาะกับงานแบบแบตช์ แต่ช้าสำหรับการแชต
| โมเดล | เวอร์ชัน | หน่วยความจำ | โทเค็น/วินาที |
|---|---|---|---|
| Llama 3.3 70B Instruct70B | 6 บิต | 56.9 GB | 3–6 |
| Mistral Medium 3.5 (128B)128B · ความฉลาด 14.2 | 3 บิต คุณภาพต่ำลง | 56 GB | 3–6 |
| Devstral 2 (123B)123B | 3 บิต คุณภาพต่ำลง | 53.8 GB | 3–6 |
พอใส่ได้พอดี 1
ต้องใช้หน่วยความจำเกือบทั้งหมด ให้เพิ่มขีดจำกัดหน่วยความจำของ GPU และใช้บริบทสั้นๆ
| โมเดล | เวอร์ชัน | หน่วยความจำ | โทเค็น/วินาที |
|---|---|---|---|
| MiniMax M2.7230B · ใช้งาน 10B | 2 บิต คุณภาพต่ำลง | 71.9 GB | 58–103 |
ใหญ่เกินไป 21
ต้องใช้หน่วยความจำมากกว่า 96 GB แม้ที่ 2 บิต
- MiMo V2.6 Pro1,020B
- Kimi K32,800B
- MiMo V2.6 Flash309B
- Kimi K2.7 Code1,000B
- Kimi K2.61,000B
- DeepSeek V4.1 Flash 1017552B
- GLM-5.3744B
- GLM-5.3 Flash320B
- Qwen3.8 2.4T A95B2,400B
- Muse Spark Open816B
- DeepSeek V4 Pro 08131,600B
- Beam 1.0501B
- MiniMax M3428B
- Inkling Small276B
- Hy3295B
- Inkling975B
- Nemotron 3 Ultra 550B A55B550B
- Qwen3.5 397B A17B397B
- Llama 4 Maverick 17B-128E Instruct400B
- Mistral Large 3 (675B)675B
- DeepSeek V4 Flash 0731284B
Mac รุ่นอื่น
Mac ทุกรุ่นที่มี 96 GB ไม่ว่าชิปไหน
M2 Max ที่มีหน่วยความจำมากหรือน้อยกว่านี้:
ชิปใกล้เคียง:
ตัวต่อตัว:
เปรียบเทียบกับ Mac หรือ GPU ใดก็ได้ · M2 Max สำหรับ AI บนเครื่อง · Mac ที่ดีที่สุดสำหรับรัน LLM บนเครื่อง · Mac ทุกรุ่น
คำถาม
- LLM ที่ดีที่สุดสำหรับ M2 Max ที่มี 96 GB คืออะไร
- ในบรรดาโมเดลที่มีคะแนน Intelligence Index เผยแพร่ Qwen3.8 27B ได้คะแนนสูงสุดในกลุ่มที่รันที่นี่ได้ดี: 4 บิต ราว 12–21 โทเค็นต่อวินาที โมเดลใหญ่ที่สุดที่รันได้ดีคือ gpt-oss-120b
- M2 Max ที่มี 96 GB รัน Llama 3.3 70B ได้ไหม
- ได้ แต่ช้า ที่ 6 บิต ราว 3–6 โทเค็นต่อวินาที
- gpt-oss-20b เร็วแค่ไหนบน M2 Max
- ราว 95–168 โทเค็นต่อวินาที (4.25 บิตแบบเนทีฟ) จากแบนด์วิดท์หน่วยความจำ 400 GB/s ของชิป
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