LLM nào tốt nhất cho Mac có 16 GB?

Trong các mô hình có Intelligence Index công bố, MiniCPM5 2B đạt điểm cao nhất trong số những mô hình chạy tốt trong 16 GB (8-bit). Mô hình lớn nhất chạy tốt là Phi-4 Reasoning Vision 15B.

16 GB có đủ cho AI cục bộ trên Mac không?

22 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 12 GB trong số đó; mô hình và ngữ cảnh phải vừa trong phần này.

Mac 16 GB có chạy được gpt-oss-20b không?

Có, 3-bit, khoảng 19–34 token mỗi giây trên M1 và 56–100 trên M1 Pro.

LLM cục bộ tốt nhất cho Mac 16 GB (M1 đến M6): chạy được gì

Mac có 16 GB

8 chip từ M1 đến M6 có bản 16 GB. Mở từng chip để xem danh sách và tốc độ riêng.

Chạy tốt 33

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

Mô hình	Phiên bản	Bộ nhớ	M1	M1 Pro
MiniCPM5 2B2,52B · Trí tuệ 12,5	8-bit	2,7 GB	11–20	33–59
Qwen3.5 9B9B · Trí tuệ 11,2	6-bit	7,3 GB	3–6	12–22
Granite 4.2 8B8B · Trí tuệ 11,1	8-bit	8,5 GB	4–6	11–19
Granite 4.2 3B3B · Trí tuệ 9,1	8-bit	3,2 GB	10–17	28–50
Gemma 4 E4B8B · Trí tuệ 8,9	8-bit	8,5 GB	12–22	19–33
Ministral 3 8B8,9B · Trí tuệ 5,5	6-bit	7,2 GB	3–6	13–22
Nemotron 3 Nano 4B3,97B · Trí tuệ 4,8	8-bit	4,2 GB	10–17	21–38
Phi-4 Reasoning Vision 15B15B	4-bit	8,4 GB	4–6	11–19
Phi-4 (14B)14B	4-bit	7,9 GB	4–7	11–20
Gemma 4 12B Unified12B	4-bit	6,7 GB	3–6	13–24
Qwen3 8B8,2B	8-bit	8,7 GB	4–6	10–18
Llama 3.1 8B Instruct8B	8-bit	8,5 GB	4–6	11–19
Gemma 4 E2B5,1B	8-bit	5,4 GB	13–23	38–67
Qwen3.5 4B4B	8-bit	4,3 GB	13–24	21–37
Phi-4 mini instruct3,8B	8-bit	4 GB	10–18	23–40
Llama 3.2 3B Instruct3,21B	8-bit	3,4 GB	12–21	26–47
SmolLM3 3B3B	8-bit	3,2 GB	10–17	28–50
LFM2.5 2.6B2,69B	8-bit	2,9 GB	11–19	31–55
Qwen3.5 2B2B	8-bit	2,1 GB	15–26	43–76
Llama 3.2 1B Instruct1,23B	8-bit	1,3 GB	24–42	69–123
Qwen3.5 0.8B0,8B	8-bit	0,9 GB	34–60	100–178
Qwen3 0.6B0,6B	8-bit	0,6 GB	51–91	150–267
Qwen3.8 27B27B · Trí tuệ 33,7	2-bit chất lượng thấp hơn	8,4 GB	4–6	11–19
Muse Glimmer 30B29,6B · Trí tuệ 17,5	2-bit chất lượng thấp hơn	9,3 GB	3–6	10–17
Nemotron 3.5 Lightning 30B A3B30B · 3B hoạt động · Trí tuệ 12,9	2-bit chất lượng thấp hơn	9,4 GB	34–60	100–178
Granite 4.2 30B30B · Trí tuệ 12,7	2-bit chất lượng thấp hơn	9,4 GB	3–6	10–17
gpt-oss-20b21B · 3,6B hoạt động · Trí tuệ 9	3-bit chất lượng thấp hơn	9,2 GB	19–34	56–100
Nemotron 3 Nano 30B A3B30B · 3,5B hoạt động · Trí tuệ 8,9	2-bit chất lượng thấp hơn	9,4 GB	28–49	82–145
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B hoạt động	2-bit chất lượng thấp hơn	9,5 GB	31–54	90–160
GLM-4.7 Flash30B · 3B hoạt động	2-bit chất lượng thấp hơn	9,4 GB	34–60	100–178
Qwen3.6 27B27B	2-bit chất lượng thấp hơn	8,4 GB	4–6	11–19
Gemma 4 26B A4B25,2B · 3,8B hoạt động	2-bit chất lượng thấp hơn	7,9 GB	26–45	75–133
LFM2.5 24B A2B24B · 2B hoạt động	3-bit chất lượng thấp hơn	10,5 GB	34–60	100–178

Chạy được, nhưng chậm 4

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

Mô hình	Phiên bản	Bộ nhớ	M1	M1 Pro
Gemma 4 31B30,7B · Trí tuệ 14,7	2-bit chất lượng thấp hơn	9,6 GB	3–6	9–17
Devstral Small 2 (24B)24B	3-bit chất lượng thấp hơn	10,5 GB	3–5	9–15
Magistral Small 1.2 (2509)24B	3-bit chất lượng thấp hơn	10,5 GB	3–5	9–15
Mistral Small 3.2 (24B)24B	3-bit chất lượng thấp hơn	10,5 GB	3–5	9–15

Vừa đủ chỗ 1

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

Mô hình	Phiên bản	Bộ nhớ	M1	M1 Pro
Qwen3.6 35B A3B35B · 3B hoạt động · Trí tuệ 18,2	2-bit chất lượng thấp hơn	10,9 GB	34–60	100–178

Câu hỏi

LLM nào tốt nhất cho Mac có 16 GB?: Trong các mô hình có Intelligence Index công bố, MiniCPM5 2B đạt điểm cao nhất trong số những mô hình chạy tốt trong 16 GB (8-bit). Mô hình lớn nhất chạy tốt là Phi-4 Reasoning Vision 15B.
16 GB có đủ cho AI cục bộ trên Mac không?: 22 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 12 GB trong số đó; mô hình và ngữ cảnh phải vừa trong phần này.
Mac 16 GB có chạy được gpt-oss-20b không?: Có, 3-bit, khoảng 19–34 token mỗi giây trên M1 và 56–100 trên M1 Pro.

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 tốt nhất cho Mac 16 GB.