لاگ انوالیٹ بنائیں

32 GB Mac کے لیے بہترین LLMs۔

32 GB میں 73 اوپن ماڈلز میں سے 38 اچھے چلتے ہیں۔ GPU ڈیفالٹ طور پر اس میں سے تقریباً 24 GB استعمال کر سکتا ہے۔ رفتار چپ پر منحصر ہے: M4 پر 120 GB/s سے M1 Max پر 400 GB/s تک۔

اچھا چلنے والوں میں سب سے ذہینQwen3.8 27B4-bit · 15.2 GB · 2–21 tok/sاچھا چلنے والوں میں سب سے بڑاQwen3.6 35B A3B4-bit · 19.7 GB · 32–188 tok/sکوڈ کے لیےQwen3 Coder 30B A3B Instruct4-bit · 17.2 GB · 28–168 tok/s

32 GB والے Mac

M1 سے M6 کی 7 چپس 32 GB کے ساتھ آتی ہیں۔ اس کی اپنی فہرست اور رفتار کے لیے کوئی بھی کھولیں۔

اچھے چلتے ہیں 38

کانٹیکسٹ کی گنجائش کے ساتھ سماتا ہے، M1 Max پر فی سیکنڈ 10 یا زیادہ ٹوکن پر۔

ماڈلورژنمیموریM4M1 Max
Qwen3.8 27B27B · ذہانت 33.74-bit15.2 GB2–412–21
Qwen3.6 35B A3B35B · 3B فعال · ذہانت 18.24-bit19.7 GB32–56106–188
Muse Glimmer 30B29.6B · ذہانت 17.54-bit16.7 GB3–611–19
Gemma 4 31B30.7B · ذہانت 14.74-bit17.3 GB3–610–18
Nemotron 3.5 Lightning 30B A3B30B · 3B فعال · ذہانت 12.94-bit16.9 GB32–56106–188
Granite 4.2 30B30B · ذہانت 12.74-bit16.9 GB3–611–19
MiniCPM5 2B2.52B · ذہانت 12.58-bit2.7 GB20–3667–119
Qwen3.5 9B9B · ذہانت 11.28-bit9.6 GB11–1919–33
Granite 4.2 8B8B · ذہانت 11.18-bit8.5 GB12–2121–38
Granite 4.2 3B3B · ذہانت 9.18-bit3.2 GB17–3056–100
gpt-oss-20b21B · 3.6B فعال · ذہانت 9اصل 4.25-bit13.8 GB28–5195–168
Nemotron 3 Nano 30B A3B30B · 3.5B فعال · ذہانت 8.94-bit16.9 GB27–4890–160
Gemma 4 E4B8B · ذہانت 8.98-bit8.5 GB11–2038–67
Ministral 3 8B8.9B · ذہانت 5.58-bit9.5 GB11–1919–34
Nemotron 3 Nano 4B3.97B · ذہانت 4.88-bit4.2 GB13–2343–76
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B فعال4-bit17.2 GB28–5195–168
GLM-4.7 Flash30B · 3B فعال4-bit16.9 GB32–56106–188
Qwen3.6 27B27B4-bit15.2 GB2–412–21
Gemma 4 26B A4B25.2B · 3.8B فعال6-bit20.5 GB17–3158–103
Devstral Small 2 (24B)24B4-bit13.5 GB3–513–24
Magistral Small 1.2 (2509)24B4-bit13.5 GB3–513–24
Mistral Small 3.2 (24B)24B4-bit13.5 GB3–513–24
LFM2.5 24B A2B24B · 2B فعال6-bit19.5 GB34–60113–200
Phi-4 Reasoning Vision 15B15B8-bit15.9 GB3–611–20
Phi-4 (14B)14B8-bit14.9 GB4–612–21
Gemma 4 12B Unified12B8-bit12.7 GB4–814–25
Qwen3 8B8.2B8-bit8.7 GB12–2121–37
Llama 3.1 8B Instruct8B8-bit8.5 GB12–2121–38
Gemma 4 E2B5.1B8-bit5.4 GB23–4075–133
Qwen3.5 4B4B8-bit4.3 GB13–2242–74
Phi-4 mini instruct3.8B8-bit4 GB14–2445–80
Llama 3.2 3B Instruct3.21B8-bit3.4 GB16–2853–94
SmolLM3 3B3B8-bit3.2 GB17–3056–100
LFM2.5 2.6B2.69B8-bit2.9 GB19–3362–110
Qwen3.5 2B2B8-bit2.1 GB26–4686–152
Llama 3.2 1B Instruct1.23B8-bit1.3 GB42–74138–246
Qwen3.5 0.8B0.8B8-bit0.9 GB60–107200–356
Qwen3 0.6B0.6B8-bit0.6 GB90–160300–533

چلتے ہیں، مگر سست 1

سماتا ہے، مگر فی سیکنڈ 10 ٹوکن سے کم: بیچ کام کے لیے ٹھیک، چیٹ کے لیے سست۔

ماڈلورژنمیموریM4M1 Max
Llama 3.3 70B Instruct70B2-bit کم معیار21.9 GB2–48–15

بمشکل سماتے ہیں 2

تقریباً ساری میموری چاہیے: GPU میموری کی حد بڑھائیں اور کانٹیکسٹ مختصر رکھیں۔

ماڈلورژنمیموریM4M1 Max
Nemotron 3.5 Bolt 74B A9B74B · 9B فعال · ذہانت 21.42-bit کم معیار23.1 GB19–3464–114
Qwen3 Coder Next80B · 3B فعال · ذہانت 9.22-bit کم معیار25 GB60–107200–356

بہت بڑے 32

2 bits پر بھی 32 GB سے زیادہ میموری چاہیے۔

سوالات

32 GB والے Mac کے لیے بہترین LLM کون سا ہے؟
جن ماڈلز کا Intelligence Index شائع ہوا ہے، ان میں سے 32 GB میں اچھا چلنے والوں میں Qwen3.8 27B کا اسکور سب سے زیادہ ہے (4-bit)۔ اچھا چلنے والا سب سے بڑا ماڈل Qwen3.6 35B A3B ہے۔ کوڈ کے لیے: Qwen3 Coder 30B A3B Instruct۔
کیا Mac پر لوکل AI کے لیے 32 GB کافی ہے؟
یہاں کے 73 اوپن ماڈلز میں سے 38 اس میں 4 bits یا بہتر پر اچھے چلتے ہیں۔ macOS ڈیفالٹ طور پر GPU کو اس کا تقریباً 24 GB استعمال کرنے دیتا ہے؛ ماڈل اور اس کا کانٹیکسٹ اسی میں سمانے چاہییں۔
کیا 32 GB Mac پر gpt-oss-20b چل سکتا ہے؟
جی ہاں، اصل 4.25-bit، M4 پر فی سیکنڈ تقریباً 28–51 ٹوکن اور M1 Max پر 95–168۔

دوسرے سائز: 8 GB · 16 GB · 18 GB · 24 GB · 32 GB · 36 GB · 48 GB · 64 GB · 96 GB · 128 GB · 192 GB · 256 GB · 512 GB

انہیں MLX Harness (مفت، اوپن سورس) یا Terminal میں Apple کے mlx-lm سے چلائیں: مرحلہ وار۔

یہ کیسے نکالا گیا

میموری: ماڈل کے پیرامیٹرز فی ویٹ 8، 6، 4، 3 یا 2 bits پر، ساتھ MLX کے گروپ اسکیلز (فی ویٹ آدھا bit)، یا اس کا اصل فارمیٹ، اور اوپر سے کانٹیکسٹ کی گنجائش۔ macOS ڈیفالٹ طور پر GPU کو یونیفائیڈ میموری کا تقریباً 75% استعمال کرنے دیتا ہے۔ رفتار: میموری بینڈوڈتھ کو فی ٹوکن پڑھے جانے والے بائٹس سے تقسیم کریں تو ایک گفتگو کی حد ملتی ہے؛ llama.cpp کے Apple Silicon پر پبلک بینچ مارکس میں اصل رنز اس کے تقریباً 45% سے 80% تک پہنچتے ہیں، اور یہی رینج دکھائی گئی ہے۔ یہ اندازے ہیں، پیمائشیں نہیں: اپنا Mac MLX Bench پر ناپیں۔ ماڈل کے اعداد ہر ماڈل کے آفیشل ماڈل کارڈ سے، چپ کے اعداد Apple کی Tech Specs سے۔ 2026-10-19 کو چیک کیا گیا۔ وہی ڈیٹا جو mlx.app/compare پر ہے۔

32 GB Mac کے لیے بہترین لوکل LLMs (M1 سے M6): کیا چلتا ہے