เข้าสู่ระบบสร้างวอลเล็ต

M6 ที่มี 24 GB รันอะไรได้บ้าง

โมเดลแบบเปิด 24 จาก 73 โมเดลรันบนเครื่องนี้ได้ดี โดยค่าเริ่มต้น GPU ใช้ได้ราว 18 GB จาก 24 GB และอ่านหน่วยความจำที่ 170 GB/s ซึ่งกำหนดความเร็วในการเขียน มีใน: Mac mini (M6 or M5 Pro)

ฉลาดที่สุดที่รันได้ดีMiniCPM5 2B8 บิต · 2.7 GB · 28–50 tok/sใหญ่ที่สุดที่รันได้ดีGemma 4 26B A4B4 บิต · 14.2 GB · 36–65 tok/s

รันได้ดี 29

ใส่ได้และยังเหลือที่สำหรับบริบท ได้ 10 โทเค็นต่อวินาทีขึ้นไป

โมเดลเวอร์ชันหน่วยความจำโทเค็น/วินาที
MiniCPM5 2B2.52B · ความฉลาด 12.58 บิต2.7 GB28–50
Qwen3.5 9B9B · ความฉลาด 11.26 บิต7.3 GB10–19
Granite 4.2 8B8B · ความฉลาด 11.16 บิต6.5 GB12–21
Granite 4.2 3B3B · ความฉลาด 9.18 บิต3.2 GB24–43
gpt-oss-20b21B · ใช้งาน 3.6B · ความฉลาด 94.25 บิตแบบเนทีฟ13.8 GB40–72
Gemma 4 E4B8B · ความฉลาด 8.98 บิต8.5 GB16–28
Ministral 3 8B8.9B · ความฉลาด 5.56 บิต7.2 GB11–19
Nemotron 3 Nano 4B3.97B · ความฉลาด 4.88 บิต4.2 GB18–32
Gemma 4 26B A4B25.2B · ใช้งาน 3.8B4 บิต14.2 GB36–65
LFM2.5 24B A2B24B · ใช้งาน 2B4 บิต13.5 GB70–124
Phi-4 (14B)14B4 บิต7.9 GB10–17
Gemma 4 12B Unified12B4 บิต6.7 GB11–20
Qwen3 8B8.2B6 บิต6.7 GB11–20
Llama 3.1 8B Instruct8B6 บิต6.5 GB12–21
Gemma 4 E2B5.1B8 บิต5.4 GB32–57
Qwen3.5 4B4B8 บิต4.3 GB18–32
Phi-4 mini instruct3.8B8 บิต4 GB19–34
Llama 3.2 3B Instruct3.21B8 บิต3.4 GB23–40
SmolLM3 3B3B8 บิต3.2 GB24–43
LFM2.5 2.6B2.69B8 บิต2.9 GB26–47
Qwen3.5 2B2B8 บิต2.1 GB36–65
Llama 3.2 1B Instruct1.23B8 บิต1.3 GB59–105
Qwen3.5 0.8B0.8B8 บิต0.9 GB85–151
Qwen3 0.6B0.6B8 บิต0.6 GB128–227
Qwen3.6 35B A3B35B · ใช้งาน 3B · ความฉลาด 18.23 บิต คุณภาพต่ำลง15.3 GB59–105
Nemotron 3.5 Lightning 30B A3B30B · ใช้งาน 3B · ความฉลาด 12.93 บิต คุณภาพต่ำลง13.1 GB59–105
Nemotron 3 Nano 30B A3B30B · ใช้งาน 3.5B · ความฉลาด 8.93 บิต คุณภาพต่ำลง13.1 GB51–91
Qwen3 Coder 30B A3B Instruct30.5B · ใช้งาน 3.3B3 บิต คุณภาพต่ำลง13.3 GB55–97
GLM-4.7 Flash30B · ใช้งาน 3B3 บิต คุณภาพต่ำลง13.1 GB59–105

รันได้ แต่ช้า 9

ใส่ได้ แต่ต่ำกว่า 10 โทเค็นต่อวินาที เหมาะกับงานแบบแบตช์ แต่ช้าสำหรับการแชต

โมเดลเวอร์ชันหน่วยความจำโทเค็น/วินาที
Qwen3.8 27B27B · ความฉลาด 33.74 บิต15.2 GB5–9
Qwen3.6 27B27B4 บิต15.2 GB5–9
Devstral Small 2 (24B)24B4 บิต13.5 GB6–10
Magistral Small 1.2 (2509)24B4 บิต13.5 GB6–10
Mistral Small 3.2 (24B)24B4 บิต13.5 GB6–10
Phi-4 Reasoning Vision 15B15B8 บิต15.9 GB5–9
Muse Glimmer 30B29.6B · ความฉลาด 17.53 บิต คุณภาพต่ำลง13 GB6–10
Gemma 4 31B30.7B · ความฉลาด 14.73 บิต คุณภาพต่ำลง13.4 GB6–10
Granite 4.2 30B30B · ความฉลาด 12.73 บิต คุณภาพต่ำลง13.1 GB6–10

ใหญ่เกินไป 35

ต้องใช้หน่วยความจำมากกว่า 24 GB แม้ที่ 2 บิต

Mac รุ่นอื่น

Mac ทุกรุ่นที่มี 24 GB ไม่ว่าชิปไหน

M6 ที่มีหน่วยความจำมากหรือน้อยกว่านี้:

ชิปใกล้เคียง:

ตัวต่อตัว:

เปรียบเทียบกับ Mac หรือ GPU ใดก็ได้ · M6 สำหรับ AI บนเครื่อง · Mac ที่ดีที่สุดสำหรับรัน LLM บนเครื่อง · Mac ทุกรุ่น

คำถาม

LLM ที่ดีที่สุดสำหรับ M6 ที่มี 24 GB คืออะไร
ในบรรดาโมเดลที่มีคะแนน Intelligence Index เผยแพร่ MiniCPM5 2B ได้คะแนนสูงสุดในกลุ่มที่รันที่นี่ได้ดี: 8 บิต ราว 28–50 โทเค็นต่อวินาที โมเดลใหญ่ที่สุดที่รันได้ดีคือ Gemma 4 26B A4B
M6 ที่มี 24 GB รัน Llama 3.3 70B ได้ไหม
ไม่ได้ แม้ที่ 2 บิตก็ยังต้องใช้มากกว่า 18 GB ที่ GPU ใช้ได้โดยค่าเริ่มต้น
gpt-oss-20b เร็วแค่ไหนบน M6
ราว 40–72 โทเค็นต่อวินาที (4.25 บิตแบบเนทีฟ) จากแบนด์วิดท์หน่วยความจำ 170 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

M6 24 GB รัน LLM อะไรได้บ้าง ทุกโมเดลพร้อมความเร็ว