เข้าสู่ระบบสร้างวอลเล็ต

M2 Ultra ที่มี 128 GB รันอะไรได้บ้าง

โมเดลแบบเปิด 47 จาก 73 โมเดลรันบนเครื่องนี้ได้ดี โดยค่าเริ่มต้น GPU ใช้ได้ราว 96 GB จาก 128 GB และอ่านหน่วยความจำที่ 800 GB/s ซึ่งกำหนดความเร็วในการเขียน มีใน: Mac Studio (2023), Mac Pro (2023), Mac Pro (Rack, 2023)

ฉลาดที่สุดที่รันได้ดีQwen3.8 27B8 บิต · 28.7 GB · 13–22 tok/sใหญ่ที่สุดที่รันได้ดีQwen3.5 122B A10B4 บิต · 68.6 GB · 64–114 tok/sสำหรับเขียนโค้ดQwen3 Coder Next8 บิต · 85 GB · 113–200 tok/s

รันได้ดี 51

ใส่ได้และยังเหลือที่สำหรับบริบท ได้ 10 โทเค็นต่อวินาทีขึ้นไป

โมเดลเวอร์ชันหน่วยความจำโทเค็น/วินาที
Qwen3.8 27B27B · ความฉลาด 33.78 บิต28.7 GB13–22
Nemotron 3.5 Bolt 74B A9B74B · ใช้งาน 9B · ความฉลาด 21.48 บิต78.6 GB38–67
Qwen3.6 35B A3B35B · ใช้งาน 3B · ความฉลาด 18.28 บิต37.2 GB113–200
Muse Glimmer 30B29.6B · ความฉลาด 17.58 บิต31.5 GB11–20
Qwen3.5 122B A10B122B · ใช้งาน 10B · ความฉลาด 15.64 บิต68.6 GB64–114
Gemma 4 31B30.7B · ความฉลาด 14.78 บิต32.6 GB11–20
Nemotron 3.5 Lightning 30B A3B30B · ใช้งาน 3B · ความฉลาด 12.98 บิต31.9 GB113–200
Granite 4.2 30B30B · ความฉลาด 12.78 บิต31.9 GB11–20
MiniCPM5 2B2.52B · ความฉลาด 12.58 บิต2.7 GB133–237
gpt-oss-120b117B · ใช้งาน 5.1B · ความฉลาด 11.64.25 บิตแบบเนทีฟ65.3 GB133–237
Mistral Small 4 (119B)119B · ใช้งาน 6.5B · ความฉลาด 11.34 บิต66.9 GB97–173
Qwen3.5 9B9B · ความฉลาด 11.28 บิต9.6 GB38–67
Granite 4.2 8B8B · ความฉลาด 11.18 บิต8.5 GB42–75
Qwen3 Coder Next80B · ใช้งาน 3B · ความฉลาด 9.28 บิต85 GB113–200
Granite 4.2 3B3B · ความฉลาด 9.18 บิต3.2 GB113–200
gpt-oss-20b21B · ใช้งาน 3.6B · ความฉลาด 94.25 บิตแบบเนทีฟ13.8 GB189–337
Nemotron 3 Nano 30B A3B30B · ใช้งาน 3.5B · ความฉลาด 8.98 บิต31.9 GB97–173
Gemma 4 E4B8B · ความฉลาด 8.98 บิต8.5 GB75–133
Llama 4 Scout 17B-16E Instruct109B · ใช้งาน 17B · ความฉลาด 6.56 บิต88.6 GB26–46
Ministral 3 8B8.9B · ความฉลาด 5.58 บิต9.5 GB38–67
Nemotron 3 Nano 4B3.97B · ความฉลาด 4.88 บิต4.2 GB86–152
Ornith 1.5 122B122B · ใช้งาน 10B4 บิต68.6 GB64–114
Nemotron 3 Super 120B A12B120B · ใช้งาน 12B4 บิต67.5 GB53–94
GLM-4.5 Air106B · ใช้งาน 12B6 บิต86.1 GB37–65
Qwen3 Coder 30B A3B Instruct30.5B · ใช้งาน 3.3B8 บิต32.4 GB103–183
GLM-4.7 Flash30B · ใช้งาน 3B8 บิต31.9 GB113–200
Qwen3.6 27B27B8 บิต28.7 GB13–22
Gemma 4 26B A4B25.2B · ใช้งาน 3.8B8 บิต26.8 GB90–160
Devstral Small 2 (24B)24B8 บิต25.5 GB14–25
Magistral Small 1.2 (2509)24B8 บิต25.5 GB14–25
Mistral Small 3.2 (24B)24B8 บิต25.5 GB14–25
LFM2.5 24B A2B24B · ใช้งาน 2B8 บิต25.5 GB171–305
Phi-4 Reasoning Vision 15B15B8 บิต15.9 GB23–40
Phi-4 (14B)14B8 บิต14.9 GB24–43
Gemma 4 12B Unified12B8 บิต12.7 GB28–50
Qwen3 8B8.2B8 บิต8.7 GB41–74
Llama 3.1 8B Instruct8B8 บิต8.5 GB42–75
Gemma 4 E2B5.1B8 บิต5.4 GB150–267
Qwen3.5 4B4B8 บิต4.3 GB84–149
Phi-4 mini instruct3.8B8 บิต4 GB90–160
Llama 3.2 3B Instruct3.21B8 บิต3.4 GB106–188
SmolLM3 3B3B8 บิต3.2 GB113–200
LFM2.5 2.6B2.69B8 บิต2.9 GB124–221
Qwen3.5 2B2B8 บิต2.1 GB171–305
Llama 3.2 1B Instruct1.23B8 บิต1.3 GB277–492
Qwen3.5 0.8B0.8B8 บิต0.9 GB400–711
Qwen3 0.6B0.6B8 บิต0.6 GB600–1067
Qwen3.8 Flash Next180B · ใช้งาน 6B · ความฉลาด 39.83 บิต คุณภาพต่ำลง78.8 GB138–246
Inkling Small276B · ใช้งาน 12B · ความฉลาด 25.72 บิต คุณภาพต่ำลง86.3 GB95–168
DeepSeek V4 Flash 0731284B · ใช้งาน 13B2 บิต คุณภาพต่ำลง88.8 GB88–156
MiniMax M2.7230B · ใช้งาน 10B2 บิต คุณภาพต่ำลง71.9 GB116–206

รันได้ แต่ช้า 3

ใส่ได้ แต่ต่ำกว่า 10 โทเค็นต่อวินาที เหมาะกับงานแบบแบตช์ แต่ช้าสำหรับการแชต

โมเดลเวอร์ชันหน่วยความจำโทเค็น/วินาที
Mistral Medium 3.5 (128B)128B · ความฉลาด 14.24 บิต72 GB5–9
Devstral 2 (123B)123B4 บิต69.2 GB5–9
Llama 3.3 70B Instruct70B8 บิต74.4 GB5–9

พอใส่ได้พอดี 3

ต้องใช้หน่วยความจำเกือบทั้งหมด ให้เพิ่มขีดจำกัดหน่วยความจำของ GPU และใช้บริบทสั้นๆ

โมเดลเวอร์ชันหน่วยความจำโทเค็น/วินาที
GLM-5.3 Flash320B · ใช้งาน 18B · ความฉลาด 41.82 บิต คุณภาพต่ำลง100 GB64–114
MiMo V2.6 Flash309B · ใช้งาน 15B · ความฉลาด 37.92 บิต คุณภาพต่ำลง96.6 GB77–136
Hy3295B · ใช้งาน 21B · ความฉลาด 25.32 บิต คุณภาพต่ำลง92.2 GB55–97

ใหญ่เกินไป 16

ต้องใช้หน่วยความจำมากกว่า 128 GB แม้ที่ 2 บิต

Mac รุ่นอื่น

Mac ทุกรุ่นที่มี 128 GB ไม่ว่าชิปไหน

M2 Ultra ที่มีหน่วยความจำมากหรือน้อยกว่านี้:

ชิปใกล้เคียง:

ตัวต่อตัว:

เปรียบเทียบกับ Mac หรือ GPU ใดก็ได้ · M2 Ultra สำหรับ AI บนเครื่อง · Mac ที่ดีที่สุดสำหรับรัน LLM บนเครื่อง · Mac ทุกรุ่น

คำถาม

LLM ที่ดีที่สุดสำหรับ M2 Ultra ที่มี 128 GB คืออะไร
ในบรรดาโมเดลที่มีคะแนน Intelligence Index เผยแพร่ Qwen3.8 27B ได้คะแนนสูงสุดในกลุ่มที่รันที่นี่ได้ดี: 8 บิต ราว 13–22 โทเค็นต่อวินาที โมเดลใหญ่ที่สุดที่รันได้ดีคือ Qwen3.5 122B A10B
M2 Ultra ที่มี 128 GB รัน Llama 3.3 70B ได้ไหม
ได้ แต่ช้า ที่ 8 บิต ราว 5–9 โทเค็นต่อวินาที
gpt-oss-20b เร็วแค่ไหนบน M2 Ultra
ราว 189–337 โทเค็นต่อวินาที (4.25 บิตแบบเนทีฟ) จากแบนด์วิดท์หน่วยความจำ 800 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

M2 Ultra 128 GB รัน LLM อะไรได้บ้าง ทุกโมเดลพร้อมความเร็ว