УвійтиСтворити гаманець

Що запустить M3 Ultra із 96 ГБ?

На ньому добре працюють 43 з 73 відкритих моделей. За замовчуванням GPU може використовувати близько 72 ГБ із 96 ГБ, а пам’ять читається зі швидкістю 819 ГБ/с — від цього залежить швидкість генерації. Трапляється в: Mac Studio (2025).

Найрозумніша з тих, що працюють добреQwen3.8 27B8 біт · 28,7 ГБ · 13–23 tok/sНайбільша з тих, що працюють добреgpt-oss-120bнативні 4,25 біт · 65,3 ГБ · 137–243 tok/sДля кодуQwen3 Coder Next6 біт · 65 ГБ · 154–273 tok/s

Працюють добре 48

Вміщується із запасом для контексту, 10 і більше токенів за секунду.

МодельВерсіяПам’ятьТокенів/с
Qwen3.8 27B27B · Інтелект 33,78 біт28,7 ГБ13–23
Nemotron 3.5 Bolt 74B A9B74B · активних: 9B · Інтелект 21,46 біт60,1 ГБ50–90
Qwen3.6 35B A3B35B · активних: 3B · Інтелект 18,28 біт37,2 ГБ115–205
Muse Glimmer 30B29,6B · Інтелект 17,58 біт31,5 ГБ12–21
Gemma 4 31B30,7B · Інтелект 14,78 біт32,6 ГБ11–20
Nemotron 3.5 Lightning 30B A3B30B · активних: 3B · Інтелект 12,98 біт31,9 ГБ115–205
Granite 4.2 30B30B · Інтелект 12,78 біт31,9 ГБ12–21
MiniCPM5 2B2,52B · Інтелект 12,58 біт2,7 ГБ137–243
gpt-oss-120b117B · активних: 5,1B · Інтелект 11,6нативні 4,25 біт65,3 ГБ137–243
Qwen3.5 9B9B · Інтелект 11,28 біт9,6 ГБ38–68
Granite 4.2 8B8B · Інтелект 11,18 біт8,5 ГБ43–77
Qwen3 Coder Next80B · активних: 3B · Інтелект 9,26 біт65 ГБ154–273
Granite 4.2 3B3B · Інтелект 9,18 біт3,2 ГБ115–205
gpt-oss-20b21B · активних: 3,6B · Інтелект 9нативні 4,25 біт13,8 ГБ194–345
Nemotron 3 Nano 30B A3B30B · активних: 3,5B · Інтелект 8,98 біт31,9 ГБ100–177
Gemma 4 E4B8B · Інтелект 8,98 біт8,5 ГБ77–137
Llama 4 Scout 17B-16E Instruct109B · активних: 17B · Інтелект 6,54 біт61,3 ГБ38–68
Ministral 3 8B8,9B · Інтелект 5,58 біт9,5 ГБ39–69
Nemotron 3 Nano 4B3,97B · Інтелект 4,88 біт4,2 ГБ88–156
GLM-4.5 Air106B · активних: 12B4 біт59,6 ГБ54–96
Qwen3 Coder 30B A3B Instruct30,5B · активних: 3,3B8 біт32,4 ГБ105–187
GLM-4.7 Flash30B · активних: 3B8 біт31,9 ГБ115–205
Qwen3.6 27B27B8 біт28,7 ГБ13–23
Gemma 4 26B A4B25,2B · активних: 3,8B8 біт26,8 ГБ92–164
Devstral Small 2 (24B)24B8 біт25,5 ГБ14–26
Magistral Small 1.2 (2509)24B8 біт25,5 ГБ14–26
Mistral Small 3.2 (24B)24B8 біт25,5 ГБ14–26
LFM2.5 24B A2B24B · активних: 2B8 біт25,5 ГБ176–312
Phi-4 Reasoning Vision 15B15B8 біт15,9 ГБ23–41
Phi-4 (14B)14B8 біт14,9 ГБ25–44
Gemma 4 12B Unified12B8 біт12,7 ГБ29–52
Qwen3 8B8,2B8 біт8,7 ГБ42–75
Llama 3.1 8B Instruct8B8 біт8,5 ГБ43–77
Gemma 4 E2B5,1B8 біт5,4 ГБ154–273
Qwen3.5 4B4B8 біт4,3 ГБ86–152
Phi-4 mini instruct3,8B8 біт4 ГБ92–164
Llama 3.2 3B Instruct3,21B8 біт3,4 ГБ108–193
SmolLM3 3B3B8 біт3,2 ГБ115–205
LFM2.5 2.6B2,69B8 біт2,9 ГБ127–226
Qwen3.5 2B2B8 біт2,1 ГБ176–312
Llama 3.2 1B Instruct1,23B8 біт1,3 ГБ284–504
Qwen3.5 0.8B0,8B8 біт0,9 ГБ410–728
Qwen3 0.6B0,6B8 біт0,6 ГБ614–1092
Qwen3.8 Flash Next180B · активних: 6B · Інтелект 39,82 біт нижча якість56,3 ГБ194–345
Qwen3.5 122B A10B122B · активних: 10B · Інтелект 15,63 біт нижча якість53,4 ГБ84–149
Mistral Small 4 (119B)119B · активних: 6,5B · Інтелект 11,33 біт нижча якість52,1 ГБ132–234
Ornith 1.5 122B122B · активних: 10B3 біт нижча якість53,4 ГБ84–149
Nemotron 3 Super 120B A12B120B · активних: 12B3 біт нижча якість52,5 ГБ70–124

Працюють, але повільно 3

Вміщується, але менше 10 токенів за секунду: годиться для пакетних задач, для чату повільно.

МодельВерсіяПам’ятьТокенів/с
Llama 3.3 70B Instruct70B6 біт56,9 ГБ6–12
Mistral Medium 3.5 (128B)128B · Інтелект 14,23 біт нижча якість56 ГБ7–12
Devstral 2 (123B)123B3 біт нижча якість53,8 ГБ7–12

Ледь вміщуються 1

Займає майже всю пам’ять: підніміть ліміт пам’яті GPU і тримайте контекст коротким.

МодельВерсіяПам’ятьТокенів/с
MiniMax M2.7230B · активних: 10B2 біт нижча якість71,9 ГБ119–211

Завеликі 21

Потрібно більше ніж 96 ГБ пам’яті, навіть за 2 біт.

Інші Mac

Усі Mac із 96 ГБ, на будь-якому чипі.

M3 Ultra з іншим обсягом пам’яті:

Сусідні чипи:

Віч-на-віч:

Проти ПК і відеокарт:

Порівняти з будь-яким Mac або GPU · M3 Ultra для локального ШІ · Найкращий Mac для локальних LLM · Усі Mac

Запитання

Яка LLM найкраще підходить для M3 Ultra із 96 ГБ?
Серед моделей з опублікованим Intelligence Index найвищу оцінку з тих, що тут добре працюють, має Qwen3.8 27B: 8 біт, близько 13–23 токенів за секунду. Найбільша з тих, що працюють добре, — gpt-oss-120b.
Чи запустить M3 Ultra із 96 ГБ Llama 3.3 70B?
Так, але повільно: 6 біт, близько 6–12 токенів за секунду.
Наскільки швидко gpt-oss-20b працює на M3 Ultra?
Близько 194–345 токенів за секунду (нативні 4,25 біт) за пропускної здатності пам’яті чипа 819 ГБ/с.

Запускайте їх у MLX Harness (безкоштовно, відкритий код) або через mlx-lm від Apple у Терміналі: покроково.

Як це розраховано

Пам’ять: параметри моделі за 8, 6, 4, 3 або 2 біт на вагу плюс групові масштаби MLX (пів біта на вагу) або її нативний формат, а зверху — місце для контексту. За замовчуванням macOS дає GPU близько 75% об’єднаної пам’яті. Швидкість: пропускна здатність пам’яті, поділена на кількість байтів, що читаються на кожен токен, — це стеля для однієї розмови; у публічних тестах llama.cpp на Apple Silicon реальні запуски досягають приблизно 45–80% від неї, і показано саме цей діапазон. Це оцінки, а не вимірювання: виміряйте свій Mac у MLX Bench. Дані моделей — з офіційних карток моделей, дані чипів — з технічних характеристик Apple. Перевірено 2026-10-19. Ті самі дані, що й на mlx.app/compare.

Які LLM запустить M3 Ultra із 96 ГБ? Усі моделі та швидкість