เข้าสู่ระบบสร้างวอลเล็ต

M3 Ultra ที่มี 96 GB รันอะไรได้บ้าง

โมเดลแบบเปิด 43 จาก 73 โมเดลรันบนเครื่องนี้ได้ดี โดยค่าเริ่มต้น GPU ใช้ได้ราว 72 GB จาก 96 GB และอ่านหน่วยความจำที่ 819 GB/s ซึ่งกำหนดความเร็วในการเขียน มีใน: Mac Studio (2025)

ฉลาดที่สุดที่รันได้ดีQwen3.8 27B8 บิต · 28.7 GB · 13–23 tok/sใหญ่ที่สุดที่รันได้ดีgpt-oss-120b4.25 บิตแบบเนทีฟ · 65.3 GB · 137–243 tok/sสำหรับเขียนโค้ดQwen3 Coder Next6 บิต · 65 GB · 154–273 tok/s

รันได้ดี 48

ใส่ได้และยังเหลือที่สำหรับบริบท ได้ 10 โทเค็นต่อวินาทีขึ้นไป

โมเดลเวอร์ชันหน่วยความจำโทเค็น/วินาที
Qwen3.8 27B27B · ความฉลาด 33.78 บิต28.7 GB13–23
Nemotron 3.5 Bolt 74B A9B74B · ใช้งาน 9B · ความฉลาด 21.46 บิต60.1 GB50–90
Qwen3.6 35B A3B35B · ใช้งาน 3B · ความฉลาด 18.28 บิต37.2 GB115–205
Muse Glimmer 30B29.6B · ความฉลาด 17.58 บิต31.5 GB12–21
Gemma 4 31B30.7B · ความฉลาด 14.78 บิต32.6 GB11–20
Nemotron 3.5 Lightning 30B A3B30B · ใช้งาน 3B · ความฉลาด 12.98 บิต31.9 GB115–205
Granite 4.2 30B30B · ความฉลาด 12.78 บิต31.9 GB12–21
MiniCPM5 2B2.52B · ความฉลาด 12.58 บิต2.7 GB137–243
gpt-oss-120b117B · ใช้งาน 5.1B · ความฉลาด 11.64.25 บิตแบบเนทีฟ65.3 GB137–243
Qwen3.5 9B9B · ความฉลาด 11.28 บิต9.6 GB38–68
Granite 4.2 8B8B · ความฉลาด 11.18 บิต8.5 GB43–77
Qwen3 Coder Next80B · ใช้งาน 3B · ความฉลาด 9.26 บิต65 GB154–273
Granite 4.2 3B3B · ความฉลาด 9.18 บิต3.2 GB115–205
gpt-oss-20b21B · ใช้งาน 3.6B · ความฉลาด 94.25 บิตแบบเนทีฟ13.8 GB194–345
Nemotron 3 Nano 30B A3B30B · ใช้งาน 3.5B · ความฉลาด 8.98 บิต31.9 GB100–177
Gemma 4 E4B8B · ความฉลาด 8.98 บิต8.5 GB77–137
Llama 4 Scout 17B-16E Instruct109B · ใช้งาน 17B · ความฉลาด 6.54 บิต61.3 GB38–68
Ministral 3 8B8.9B · ความฉลาด 5.58 บิต9.5 GB39–69
Nemotron 3 Nano 4B3.97B · ความฉลาด 4.88 บิต4.2 GB88–156
GLM-4.5 Air106B · ใช้งาน 12B4 บิต59.6 GB54–96
Qwen3 Coder 30B A3B Instruct30.5B · ใช้งาน 3.3B8 บิต32.4 GB105–187
GLM-4.7 Flash30B · ใช้งาน 3B8 บิต31.9 GB115–205
Qwen3.6 27B27B8 บิต28.7 GB13–23
Gemma 4 26B A4B25.2B · ใช้งาน 3.8B8 บิต26.8 GB92–164
Devstral Small 2 (24B)24B8 บิต25.5 GB14–26
Magistral Small 1.2 (2509)24B8 บิต25.5 GB14–26
Mistral Small 3.2 (24B)24B8 บิต25.5 GB14–26
LFM2.5 24B A2B24B · ใช้งาน 2B8 บิต25.5 GB176–312
Phi-4 Reasoning Vision 15B15B8 บิต15.9 GB23–41
Phi-4 (14B)14B8 บิต14.9 GB25–44
Gemma 4 12B Unified12B8 บิต12.7 GB29–52
Qwen3 8B8.2B8 บิต8.7 GB42–75
Llama 3.1 8B Instruct8B8 บิต8.5 GB43–77
Gemma 4 E2B5.1B8 บิต5.4 GB154–273
Qwen3.5 4B4B8 บิต4.3 GB86–152
Phi-4 mini instruct3.8B8 บิต4 GB92–164
Llama 3.2 3B Instruct3.21B8 บิต3.4 GB108–193
SmolLM3 3B3B8 บิต3.2 GB115–205
LFM2.5 2.6B2.69B8 บิต2.9 GB127–226
Qwen3.5 2B2B8 บิต2.1 GB176–312
Llama 3.2 1B Instruct1.23B8 บิต1.3 GB284–504
Qwen3.5 0.8B0.8B8 บิต0.9 GB410–728
Qwen3 0.6B0.6B8 บิต0.6 GB614–1092
Qwen3.8 Flash Next180B · ใช้งาน 6B · ความฉลาด 39.82 บิต คุณภาพต่ำลง56.3 GB194–345
Qwen3.5 122B A10B122B · ใช้งาน 10B · ความฉลาด 15.63 บิต คุณภาพต่ำลง53.4 GB84–149
Mistral Small 4 (119B)119B · ใช้งาน 6.5B · ความฉลาด 11.33 บิต คุณภาพต่ำลง52.1 GB132–234
Ornith 1.5 122B122B · ใช้งาน 10B3 บิต คุณภาพต่ำลง53.4 GB84–149
Nemotron 3 Super 120B A12B120B · ใช้งาน 12B3 บิต คุณภาพต่ำลง52.5 GB70–124

รันได้ แต่ช้า 3

ใส่ได้ แต่ต่ำกว่า 10 โทเค็นต่อวินาที เหมาะกับงานแบบแบตช์ แต่ช้าสำหรับการแชต

โมเดลเวอร์ชันหน่วยความจำโทเค็น/วินาที
Llama 3.3 70B Instruct70B6 บิต56.9 GB6–12
Mistral Medium 3.5 (128B)128B · ความฉลาด 14.23 บิต คุณภาพต่ำลง56 GB7–12
Devstral 2 (123B)123B3 บิต คุณภาพต่ำลง53.8 GB7–12

พอใส่ได้พอดี 1

ต้องใช้หน่วยความจำเกือบทั้งหมด ให้เพิ่มขีดจำกัดหน่วยความจำของ GPU และใช้บริบทสั้นๆ

โมเดลเวอร์ชันหน่วยความจำโทเค็น/วินาที
MiniMax M2.7230B · ใช้งาน 10B2 บิต คุณภาพต่ำลง71.9 GB119–211

ใหญ่เกินไป 21

ต้องใช้หน่วยความจำมากกว่า 96 GB แม้ที่ 2 บิต

Mac รุ่นอื่น

Mac ทุกรุ่นที่มี 96 GB ไม่ว่าชิปไหน

M3 Ultra ที่มีหน่วยความจำมากหรือน้อยกว่านี้:

ชิปใกล้เคียง:

ตัวต่อตัว:

เทียบกับ PC และการ์ดจอ:

เปรียบเทียบกับ Mac หรือ GPU ใดก็ได้ · M3 Ultra สำหรับ AI บนเครื่อง · Mac ที่ดีที่สุดสำหรับรัน LLM บนเครื่อง · Mac ทุกรุ่น

คำถาม

LLM ที่ดีที่สุดสำหรับ M3 Ultra ที่มี 96 GB คืออะไร
ในบรรดาโมเดลที่มีคะแนน Intelligence Index เผยแพร่ Qwen3.8 27B ได้คะแนนสูงสุดในกลุ่มที่รันที่นี่ได้ดี: 8 บิต ราว 13–23 โทเค็นต่อวินาที โมเดลใหญ่ที่สุดที่รันได้ดีคือ gpt-oss-120b
M3 Ultra ที่มี 96 GB รัน Llama 3.3 70B ได้ไหม
ได้ แต่ช้า ที่ 6 บิต ราว 6–12 โทเค็นต่อวินาที
gpt-oss-20b เร็วแค่ไหนบน M3 Ultra
ราว 194–345 โทเค็นต่อวินาที (4.25 บิตแบบเนทีฟ) จากแบนด์วิดท์หน่วยความจำ 819 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

M3 Ultra 96 GB รัน LLM อะไรได้บ้าง ทุกโมเดลพร้อมความเร็ว