لاگ انوالیٹ بنائیں

96 GB Mac کے لیے بہترین LLMs۔

96 GB میں 73 اوپن ماڈلز میں سے 44 اچھے چلتے ہیں۔ GPU ڈیفالٹ طور پر اس میں سے تقریباً 72 GB استعمال کر سکتا ہے۔ رفتار چپ پر منحصر ہے: M3 Max پر 300 GB/s سے M5 Ultra پر 1,200 GB/s تک۔

اچھا چلنے والوں میں سب سے ذہینQwen3.8 27B8-bit · 28.7 GB · 5–33 tok/sاچھا چلنے والوں میں سب سے بڑاgpt-oss-120bاصل 4.25-bit · 65.3 GB · 50–356 tok/sکوڈ کے لیےQwen3 Coder Next6-bit · 65 GB · 56–400 tok/s

96 GB والے Mac

M2 سے M5 کی 4 چپس 96 GB کے ساتھ آتی ہیں۔ اس کی اپنی فہرست اور رفتار کے لیے کوئی بھی کھولیں۔

اچھے چلتے ہیں 51

کانٹیکسٹ کی گنجائش کے ساتھ سماتا ہے، M5 Ultra پر فی سیکنڈ 10 یا زیادہ ٹوکن پر۔

ماڈلورژنمیموریM3 MaxM5 Ultra
Qwen3.8 27B27B · ذہانت 33.78-bit28.7 GB5–819–33
Nemotron 3.5 Bolt 74B A9B74B · 9B فعال · ذہانت 21.46-bit60.1 GB18–3374–132
Qwen3.6 35B A3B35B · 3B فعال · ذہانت 18.28-bit37.2 GB42–75169–300
Muse Glimmer 30B29.6B · ذہانت 17.58-bit31.5 GB4–817–30
Gemma 4 31B30.7B · ذہانت 14.78-bit32.6 GB4–717–29
Nemotron 3.5 Lightning 30B A3B30B · 3B فعال · ذہانت 12.98-bit31.9 GB42–75169–300
Granite 4.2 30B30B · ذہانت 12.78-bit31.9 GB4–817–30
MiniCPM5 2B2.52B · ذہانت 12.58-bit2.7 GB50–89200–356
gpt-oss-120b117B · 5.1B فعال · ذہانت 11.6اصل 4.25-bit65.3 GB50–89200–356
Qwen3.5 9B9B · ذہانت 11.28-bit9.6 GB14–2556–100
Granite 4.2 8B8B · ذہانت 11.18-bit8.5 GB16–2864–113
Qwen3 Coder Next80B · 3B فعال · ذہانت 9.26-bit65 GB56–100225–400
Granite 4.2 3B3B · ذہانت 9.18-bit3.2 GB42–75169–300
gpt-oss-20b21B · 3.6B فعال · ذہانت 9اصل 4.25-bit13.8 GB71–126284–505
Nemotron 3 Nano 30B A3B30B · 3.5B فعال · ذہانت 8.98-bit31.9 GB36–65146–259
Gemma 4 E4B8B · ذہانت 8.98-bit8.5 GB28–50113–200
Llama 4 Scout 17B-16E Instruct109B · 17B فعال · ذہانت 6.54-bit61.3 GB14–2556–100
Ministral 3 8B8.9B · ذہانت 5.58-bit9.5 GB14–2557–101
Nemotron 3 Nano 4B3.97B · ذہانت 4.88-bit4.2 GB32–57129–229
GLM-4.5 Air106B · 12B فعال4-bit59.6 GB20–3579–141
Llama 3.3 70B Instruct70B4-bit39.4 GB2–414–24
Qwen3 Coder 30B A3B Instruct30.5B · 3.3B فعال8-bit32.4 GB39–69154–274
GLM-4.7 Flash30B · 3B فعال8-bit31.9 GB42–75169–300
Qwen3.6 27B27B8-bit28.7 GB5–819–33
Gemma 4 26B A4B25.2B · 3.8B فعال8-bit26.8 GB34–60135–240
Devstral Small 2 (24B)24B8-bit25.5 GB10–1821–38
Magistral Small 1.2 (2509)24B8-bit25.5 GB10–1821–38
Mistral Small 3.2 (24B)24B8-bit25.5 GB10–1821–38
LFM2.5 24B A2B24B · 2B فعال8-bit25.5 GB64–114257–457
Phi-4 Reasoning Vision 15B15B8-bit15.9 GB11–2034–60
Phi-4 (14B)14B8-bit14.9 GB12–2136–64
Gemma 4 12B Unified12B8-bit12.7 GB11–1943–76
Qwen3 8B8.2B8-bit8.7 GB16–2862–110
Llama 3.1 8B Instruct8B8-bit8.5 GB16–2864–113
Gemma 4 E2B5.1B8-bit5.4 GB56–100225–400
Qwen3.5 4B4B8-bit4.3 GB31–56126–223
Phi-4 mini instruct3.8B8-bit4 GB34–60135–240
Llama 3.2 3B Instruct3.21B8-bit3.4 GB40–71159–282
SmolLM3 3B3B8-bit3.2 GB42–75169–300
LFM2.5 2.6B2.69B8-bit2.9 GB47–83186–331
Qwen3.5 2B2B8-bit2.1 GB64–114257–457
Llama 3.2 1B Instruct1.23B8-bit1.3 GB104–185415–738
Qwen3.5 0.8B0.8B8-bit0.9 GB150–267600–1067
Qwen3 0.6B0.6B8-bit0.6 GB225–400900–1600
Qwen3.8 Flash Next180B · 6B فعال · ذہانت 39.82-bit کم معیار56.3 GB71–126284–505
Qwen3.5 122B A10B122B · 10B فعال · ذہانت 15.63-bit کم معیار53.4 GB31–55123–218
Mistral Medium 3.5 (128B)128B · ذہانت 14.23-bit کم معیار56 GB2–410–17
Mistral Small 4 (119B)119B · 6.5B فعال · ذہانت 11.33-bit کم معیار52.1 GB48–86193–343
Devstral 2 (123B)123B3-bit کم معیار53.8 GB3–410–18
Ornith 1.5 122B122B · 10B فعال3-bit کم معیار53.4 GB31–55123–218
Nemotron 3 Super 120B A12B120B · 12B فعال3-bit کم معیار52.5 GB25–45102–181

بمشکل سماتے ہیں 1

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

ماڈلورژنمیموریM3 MaxM5 Ultra
MiniMax M2.7230B · 10B فعال2-bit کم معیار71.9 GB44–77174–310

بہت بڑے 21

2 bits پر بھی 96 GB سے زیادہ میموری چاہیے۔

سوالات

96 GB والے Mac کے لیے بہترین LLM کون سا ہے؟
جن ماڈلز کا Intelligence Index شائع ہوا ہے، ان میں سے 96 GB میں اچھا چلنے والوں میں Qwen3.8 27B کا اسکور سب سے زیادہ ہے (8-bit)۔ اچھا چلنے والا سب سے بڑا ماڈل gpt-oss-120b ہے۔ کوڈ کے لیے: Qwen3 Coder Next۔
کیا Mac پر لوکل AI کے لیے 96 GB کافی ہے؟
یہاں کے 73 اوپن ماڈلز میں سے 44 اس میں 4 bits یا بہتر پر اچھے چلتے ہیں۔ macOS ڈیفالٹ طور پر GPU کو اس کا تقریباً 72 GB استعمال کرنے دیتا ہے؛ ماڈل اور اس کا کانٹیکسٹ اسی میں سمانے چاہییں۔
کیا 96 GB Mac پر gpt-oss-20b چل سکتا ہے؟
جی ہاں، اصل 4.25-bit، M3 Max پر فی سیکنڈ تقریباً 71–126 ٹوکن اور M5 Ultra پر 284–505۔

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۔

96 GB Mac کے لیے بہترین لوکل LLMs (M2 سے M5): کیا چلتا ہے