УвійтиСтворити гаманець

Що запустить M5 Ultra із 96 ГБ?

На ньому добре працюють 44 з 73 відкритих моделей. За замовчуванням GPU може використовувати близько 72 ГБ із 96 ГБ, а пам’ять читається зі швидкістю 1 200 ГБ/с — від цього залежить швидкість генерації. Трапляється в: Mac Studio (M5 Max or M5 Ultra).

Найрозумніша з тих, що працюють добреQwen3.8 27B8 біт · 28,7 ГБ · 19–33 tok/sНайбільша з тих, що працюють добреgpt-oss-120bнативні 4,25 біт · 65,3 ГБ · 200–356 tok/sДля кодуQwen3 Coder Next6 біт · 65 ГБ · 225–400 tok/s

Працюють добре 51

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

МодельВерсіяПам’ятьТокенів/с
Qwen3.8 27B27B · Інтелект 33,78 біт28,7 ГБ19–33
Nemotron 3.5 Bolt 74B A9B74B · активних: 9B · Інтелект 21,46 біт60,1 ГБ74–132
Qwen3.6 35B A3B35B · активних: 3B · Інтелект 18,28 біт37,2 ГБ169–300
Muse Glimmer 30B29,6B · Інтелект 17,58 біт31,5 ГБ17–30
Gemma 4 31B30,7B · Інтелект 14,78 біт32,6 ГБ17–29
Nemotron 3.5 Lightning 30B A3B30B · активних: 3B · Інтелект 12,98 біт31,9 ГБ169–300
Granite 4.2 30B30B · Інтелект 12,78 біт31,9 ГБ17–30
MiniCPM5 2B2,52B · Інтелект 12,58 біт2,7 ГБ200–356
gpt-oss-120b117B · активних: 5,1B · Інтелект 11,6нативні 4,25 біт65,3 ГБ200–356
Qwen3.5 9B9B · Інтелект 11,28 біт9,6 ГБ56–100
Granite 4.2 8B8B · Інтелект 11,18 біт8,5 ГБ64–113
Qwen3 Coder Next80B · активних: 3B · Інтелект 9,26 біт65 ГБ225–400
Granite 4.2 3B3B · Інтелект 9,18 біт3,2 ГБ169–300
gpt-oss-20b21B · активних: 3,6B · Інтелект 9нативні 4,25 біт13,8 ГБ284–505
Nemotron 3 Nano 30B A3B30B · активних: 3,5B · Інтелект 8,98 біт31,9 ГБ146–259
Gemma 4 E4B8B · Інтелект 8,98 біт8,5 ГБ113–200
Llama 4 Scout 17B-16E Instruct109B · активних: 17B · Інтелект 6,54 біт61,3 ГБ56–100
Ministral 3 8B8,9B · Інтелект 5,58 біт9,5 ГБ57–101
Nemotron 3 Nano 4B3,97B · Інтелект 4,88 біт4,2 ГБ129–229
GLM-4.5 Air106B · активних: 12B4 біт59,6 ГБ79–141
Llama 3.3 70B Instruct70B4 біт39,4 ГБ14–24
Qwen3 Coder 30B A3B Instruct30,5B · активних: 3,3B8 біт32,4 ГБ154–274
GLM-4.7 Flash30B · активних: 3B8 біт31,9 ГБ169–300
Qwen3.6 27B27B8 біт28,7 ГБ19–33
Gemma 4 26B A4B25,2B · активних: 3,8B8 біт26,8 ГБ135–240
Devstral Small 2 (24B)24B8 біт25,5 ГБ21–38
Magistral Small 1.2 (2509)24B8 біт25,5 ГБ21–38
Mistral Small 3.2 (24B)24B8 біт25,5 ГБ21–38
LFM2.5 24B A2B24B · активних: 2B8 біт25,5 ГБ257–457
Phi-4 Reasoning Vision 15B15B8 біт15,9 ГБ34–60
Phi-4 (14B)14B8 біт14,9 ГБ36–64
Gemma 4 12B Unified12B8 біт12,7 ГБ43–76
Qwen3 8B8,2B8 біт8,7 ГБ62–110
Llama 3.1 8B Instruct8B8 біт8,5 ГБ64–113
Gemma 4 E2B5,1B8 біт5,4 ГБ225–400
Qwen3.5 4B4B8 біт4,3 ГБ126–223
Phi-4 mini instruct3,8B8 біт4 ГБ135–240
Llama 3.2 3B Instruct3,21B8 біт3,4 ГБ159–282
SmolLM3 3B3B8 біт3,2 ГБ169–300
LFM2.5 2.6B2,69B8 біт2,9 ГБ186–331
Qwen3.5 2B2B8 біт2,1 ГБ257–457
Llama 3.2 1B Instruct1,23B8 біт1,3 ГБ415–738
Qwen3.5 0.8B0,8B8 біт0,9 ГБ600–1067
Qwen3 0.6B0,6B8 біт0,6 ГБ900–1600
Qwen3.8 Flash Next180B · активних: 6B · Інтелект 39,82 біт нижча якість56,3 ГБ284–505
Qwen3.5 122B A10B122B · активних: 10B · Інтелект 15,63 біт нижча якість53,4 ГБ123–218
Mistral Medium 3.5 (128B)128B · Інтелект 14,23 біт нижча якість56 ГБ10–17
Mistral Small 4 (119B)119B · активних: 6,5B · Інтелект 11,33 біт нижча якість52,1 ГБ193–343
Devstral 2 (123B)123B3 біт нижча якість53,8 ГБ10–18
Ornith 1.5 122B122B · активних: 10B3 біт нижча якість53,4 ГБ123–218
Nemotron 3 Super 120B A12B120B · активних: 12B3 біт нижча якість52,5 ГБ102–181

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 ГБ174–310

Завеликі 21

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

Інші Mac

Усі Mac із 96 ГБ, на будь-якому чипі.

M5 Ultra з іншим обсягом пам’яті:

Сусідні чипи:

Віч-на-віч:

Проти ПК і відеокарт:

Порівняти з будь-яким Mac або GPU · M5 Ultra для локального ШІ · Найкращий Mac для локальних LLM · Усі Mac

Запитання

Яка LLM найкраще підходить для M5 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 19–33 токенів за секунду. Найбільша з тих, що працюють добре, — gpt-oss-120b.
Чи запустить M5 Ultra із 96 ГБ Llama 3.3 70B?
Так: 4 біт, близько 14–24 токенів за секунду.
Наскільки швидко gpt-oss-20b працює на M5 Ultra?
Близько 284–505 токенів за секунду (нативні 4,25 біт) за пропускної здатності пам’яті чипа 1 200 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 M5 Ultra із 96 ГБ? Усі моделі та швидкість