Đăng nhậpTạo ví

LLM tốt nhất cho Mac 128 GB.

47 trên 73 mô hình mở chạy tốt trong 128 GB. Mặc định GPU dùng được khoảng 96 GB trong số đó. Tốc độ phụ thuộc vào chip: từ 400 GB/s trên M3 Max đến 800 GB/s trên M1 Ultra.

Thông minh nhất mà chạy tốtQwen3.8 27B8-bit · 28,7 GB · 12–22 tok/sLớn nhất mà chạy tốtQwen3.5 122B A10B4-bit · 68,6 GB · 32–114 tok/sCho lập trìnhQwen3 Coder Next8-bit · 85 GB · 56–200 tok/s

Mac có 128 GB

5 chip từ M1 đến M5 có bản 128 GB. Mở từng chip để xem danh sách và tốc độ riêng.

Chạy tốt 51

Vừa bộ nhớ, còn chỗ cho ngữ cảnh, từ 10 token mỗi giây trở lên trên M1 Ultra.

Mô hìnhPhiên bảnBộ nhớM3 MaxM1 Ultra
Qwen3.8 27B27B · Trí tuệ 33,78-bit28,7 GB12–2113–22
Nemotron 3.5 Bolt 74B A9B74B · 9B hoạt động · Trí tuệ 21,48-bit78,6 GB19–3338–67
Qwen3.6 35B A3B35B · 3B hoạt động · Trí tuệ 18,28-bit37,2 GB56–100113–200
Muse Glimmer 30B29,6B · Trí tuệ 17,58-bit31,5 GB11–1911–20
Qwen3.5 122B A10B122B · 10B hoạt động · Trí tuệ 15,64-bit68,6 GB32–5764–114
Gemma 4 31B30,7B · Trí tuệ 14,78-bit32,6 GB10–1811–20
Nemotron 3.5 Lightning 30B A3B30B · 3B hoạt động · Trí tuệ 12,98-bit31,9 GB56–100113–200
Granite 4.2 30B30B · Trí tuệ 12,78-bit31,9 GB11–1911–20
MiniCPM5 2B2,52B · Trí tuệ 12,58-bit2,7 GB67–119133–237
gpt-oss-120b117B · 5,1B hoạt động · Trí tuệ 11,64,25-bit gốc65,3 GB67–119133–237
Mistral Small 4 (119B)119B · 6,5B hoạt động · Trí tuệ 11,34-bit66,9 GB49–8697–173
Qwen3.5 9B9B · Trí tuệ 11,28-bit9,6 GB19–3338–67
Granite 4.2 8B8B · Trí tuệ 11,18-bit8,5 GB21–3842–75
Qwen3 Coder Next80B · 3B hoạt động · Trí tuệ 9,28-bit85 GB56–100113–200
Granite 4.2 3B3B · Trí tuệ 9,18-bit3,2 GB56–100113–200
gpt-oss-20b21B · 3,6B hoạt động · Trí tuệ 94,25-bit gốc13,8 GB95–168189–337
Nemotron 3 Nano 30B A3B30B · 3,5B hoạt động · Trí tuệ 8,98-bit31,9 GB49–8697–173
Gemma 4 E4B8B · Trí tuệ 8,98-bit8,5 GB38–6775–133
Llama 4 Scout 17B-16E Instruct109B · 17B hoạt động · Trí tuệ 6,56-bit88,6 GB13–2326–46
Ministral 3 8B8,9B · Trí tuệ 5,58-bit9,5 GB19–3438–67
Nemotron 3 Nano 4B3,97B · Trí tuệ 4,88-bit4,2 GB43–7686–152
Ornith 1.5 122B122B · 10B hoạt động4-bit68,6 GB32–5764–114
Nemotron 3 Super 120B A12B120B · 12B hoạt động4-bit67,5 GB26–4753–94
GLM-4.5 Air106B · 12B hoạt động6-bit86,1 GB18–3337–65
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B hoạt động8-bit32,4 GB51–91103–183
GLM-4.7 Flash30B · 3B hoạt động8-bit31,9 GB56–100113–200
Qwen3.6 27B27B8-bit28,7 GB12–2113–22
Gemma 4 26B A4B25,2B · 3,8B hoạt động8-bit26,8 GB45–8090–160
Devstral Small 2 (24B)24B8-bit25,5 GB13–2414–25
Magistral Small 1.2 (2509)24B8-bit25,5 GB13–2414–25
Mistral Small 3.2 (24B)24B8-bit25,5 GB13–2414–25
LFM2.5 24B A2B24B · 2B hoạt động8-bit25,5 GB86–152171–305
Phi-4 Reasoning Vision 15B15B8-bit15,9 GB11–2023–40
Phi-4 (14B)14B8-bit14,9 GB12–2124–43
Gemma 4 12B Unified12B8-bit12,7 GB14–2528–50
Qwen3 8B8,2B8-bit8,7 GB21–3741–74
Llama 3.1 8B Instruct8B8-bit8,5 GB21–3842–75
Gemma 4 E2B5,1B8-bit5,4 GB75–133150–267
Qwen3.5 4B4B8-bit4,3 GB42–7484–149
Phi-4 mini instruct3,8B8-bit4 GB45–8090–160
Llama 3.2 3B Instruct3,21B8-bit3,4 GB53–94106–188
SmolLM3 3B3B8-bit3,2 GB56–100113–200
LFM2.5 2.6B2,69B8-bit2,9 GB62–110124–221
Qwen3.5 2B2B8-bit2,1 GB86–152171–305
Llama 3.2 1B Instruct1,23B8-bit1,3 GB138–246277–492
Qwen3.5 0.8B0,8B8-bit0,9 GB200–356400–711
Qwen3 0.6B0,6B8-bit0,6 GB300–533600–1067
Qwen3.8 Flash Next180B · 6B hoạt động · Trí tuệ 39,83-bit chất lượng thấp hơn78,8 GB69–123138–246
Inkling Small276B · 12B hoạt động · Trí tuệ 25,72-bit chất lượng thấp hơn86,3 GB47–8495–168
DeepSeek V4 Flash 0731284B · 13B hoạt động2-bit chất lượng thấp hơn88,8 GB44–7888–156
MiniMax M2.7230B · 10B hoạt động2-bit chất lượng thấp hơn71,9 GB58–103116–206

Chạy được, nhưng chậm 3

Vừa bộ nhớ, nhưng dưới 10 token mỗi giây: ổn cho xử lý hàng loạt, chậm khi trò chuyện.

Mô hìnhPhiên bảnBộ nhớM3 MaxM1 Ultra
Mistral Medium 3.5 (128B)128B · Trí tuệ 14,24-bit72 GB3–45–9
Devstral 2 (123B)123B4-bit69,2 GB3–55–9
Llama 3.3 70B Instruct70B8-bit74,4 GB2–45–9

Vừa đủ chỗ 3

Cần gần hết bộ nhớ: hãy nâng giới hạn bộ nhớ GPU và giữ ngữ cảnh ngắn.

Mô hìnhPhiên bảnBộ nhớM3 MaxM1 Ultra
GLM-5.3 Flash320B · 18B hoạt động · Trí tuệ 41,82-bit chất lượng thấp hơn100 GB32–5764–114
MiMo V2.6 Flash309B · 15B hoạt động · Trí tuệ 37,92-bit chất lượng thấp hơn96,6 GB38–6877–136
Hy3295B · 21B hoạt động · Trí tuệ 25,32-bit chất lượng thấp hơn92,2 GB27–4855–97

Quá lớn 16

Cần hơn 128 GB bộ nhớ, kể cả ở mức 2 bit.

Câu hỏi

LLM nào tốt nhất cho Mac có 128 GB?
Trong các mô hình có Intelligence Index công bố, Qwen3.8 27B đạt điểm cao nhất trong số những mô hình chạy tốt trong 128 GB (8-bit). Mô hình lớn nhất chạy tốt là Qwen3.5 122B A10B. Cho lập trình: Qwen3 Coder Next.
128 GB có đủ cho AI cục bộ trên Mac không?
47 trên 73 mô hình mở ở đây chạy tốt trong dung lượng này ở mức 4 bit trở lên. Mặc định macOS cho GPU dùng khoảng 96 GB trong số đó; mô hình và ngữ cảnh phải vừa trong phần này.
Mac 128 GB có chạy được gpt-oss-20b không?
Có, 4,25-bit gốc, khoảng 95–168 token mỗi giây trên M3 Max và 189–337 trên M1 Ultra.

Dung lượng khác: 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

Chạy bằng MLX Harness (miễn phí, mã nguồn mở) hoặc mlx-lm của Apple trong Terminal: hướng dẫn từng bước.

Cách tính

Bộ nhớ: số tham số của mô hình ở 8, 6, 4, 3 hoặc 2 bit mỗi trọng số cộng với hệ số tỷ lệ theo nhóm của MLX (nửa bit mỗi trọng số), hoặc theo định dạng gốc, rồi thêm chỗ cho ngữ cảnh. Mặc định macOS cho GPU dùng khoảng 75% bộ nhớ hợp nhất. Tốc độ: băng thông bộ nhớ chia cho số byte đọc mỗi token là mức trần cho một cuộc trò chuyện; trong benchmark Apple Silicon công khai của llama.cpp, thực tế đạt khoảng 45% đến 80% mức đó, và đó là khoảng được hiển thị. Đây là ước tính, không phải số đo: hãy đo chính Mac của bạn trên MLX Bench. Số liệu mô hình lấy từ thẻ mô hình chính thức, số liệu chip từ Thông số kỹ thuật của Apple. Kiểm tra ngày 2026-10-19. Cùng dữ liệu với mlx.app/compare.

LLM cục bộ tốt nhất cho Mac 128 GB (M1 đến M5): chạy được gì