LLM nào tốt nhất cho Mac có 18 GB?

Trong các mô hình có Intelligence Index công bố, MiniCPM5 2B đạt điểm cao nhất trong số những mô hình chạy tốt trong 18 GB (8-bit). Mô hình lớn nhất chạy tốt là Gemma 4 12B Unified.

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

20 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 14 GB trong số đó; mô hình và ngữ cảnh phải vừa trong phần này.

Mac 18 GB có chạy được gpt-oss-20b không?

Vừa khít: hãy nâng giới hạn bộ nhớ GPU và giữ ngữ cảnh ngắn.

LLM cục bộ tốt nhất cho Mac 18 GB (M3): chạy được gì

Mac có 18 GB

M3 Pro150 GB/s

1 chip từ M3 có bản 18 GB. Mở từng chip để xem danh sách và tốc độ riêng.

Chạy tốt 27

Vừa bộ nhớ, còn chỗ cho ngữ cảnh, từ 10 token mỗi giây trở lên trên M3 Pro.

Mô hình	Phiên bản	Bộ nhớ	Token/giây
MiniCPM5 2B2,52B · Trí tuệ 12,5	8-bit	2,7 GB	25–44
Qwen3.5 9B9B · Trí tuệ 11,2	4-bit	5,1 GB	13–24
Granite 4.2 8B8B · Trí tuệ 11,1	6-bit	6,5 GB	10–18
Granite 4.2 3B3B · Trí tuệ 9,1	8-bit	3,2 GB	21–38
Gemma 4 E4B8B · Trí tuệ 8,9	8-bit	8,5 GB	14–25
Ministral 3 8B8,9B · Trí tuệ 5,5	4-bit	5 GB	14–24
Nemotron 3 Nano 4B3,97B · Trí tuệ 4,8	8-bit	4,2 GB	16–29
Gemma 4 12B Unified12B	4-bit	6,7 GB	10–18
Qwen3 8B8,2B	6-bit	6,7 GB	10–18
Llama 3.1 8B Instruct8B	6-bit	6,5 GB	10–18
Gemma 4 E2B5,1B	8-bit	5,4 GB	28–50
Qwen3.5 4B4B	8-bit	4,3 GB	16–28
Phi-4 mini instruct3,8B	8-bit	4 GB	17–30
Llama 3.2 3B Instruct3,21B	8-bit	3,4 GB	20–35
SmolLM3 3B3B	8-bit	3,2 GB	21–38
LFM2.5 2.6B2,69B	8-bit	2,9 GB	23–41
Qwen3.5 2B2B	8-bit	2,1 GB	32–57
Llama 3.2 1B Instruct1,23B	8-bit	1,3 GB	52–92
Qwen3.5 0.8B0,8B	8-bit	0,9 GB	75–133
Qwen3 0.6B0,6B	8-bit	0,6 GB	113–200
Qwen3.6 35B A3B35B · 3B hoạt động · Trí tuệ 18,2	2-bit chất lượng thấp hơn	10,9 GB	75–133
Nemotron 3.5 Lightning 30B A3B30B · 3B hoạt động · Trí tuệ 12,9	2-bit chất lượng thấp hơn	9,4 GB	75–133
Nemotron 3 Nano 30B A3B30B · 3,5B hoạt động · Trí tuệ 8,9	2-bit chất lượng thấp hơn	9,4 GB	61–109
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B hoạt động	2-bit chất lượng thấp hơn	9,5 GB	68–120
GLM-4.7 Flash30B · 3B hoạt động	2-bit chất lượng thấp hơn	9,4 GB	75–133
Gemma 4 26B A4B25,2B · 3,8B hoạt động	3-bit chất lượng thấp hơn	11 GB	40–71
LFM2.5 24B A2B24B · 2B hoạt động	3-bit chất lượng thấp hơn	10,5 GB	75–133

Chạy được, nhưng chậm 10

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	Token/giây
Phi-4 Reasoning Vision 15B15B	4-bit	8,4 GB	8–14
Phi-4 (14B)14B	6-bit	11,4 GB	6–11
Qwen3.8 27B27B · Trí tuệ 33,7	3-bit chất lượng thấp hơn	11,8 GB	6–10
Muse Glimmer 30B29,6B · Trí tuệ 17,5	2-bit chất lượng thấp hơn	9,3 GB	7–13
Gemma 4 31B30,7B · Trí tuệ 14,7	2-bit chất lượng thấp hơn	9,6 GB	7–13
Granite 4.2 30B30B · Trí tuệ 12,7	2-bit chất lượng thấp hơn	9,4 GB	7–13
Qwen3.6 27B27B	3-bit chất lượng thấp hơn	11,8 GB	6–10
Devstral Small 2 (24B)24B	3-bit chất lượng thấp hơn	10,5 GB	6–11
Magistral Small 1.2 (2509)24B	3-bit chất lượng thấp hơn	10,5 GB	6–11
Mistral Small 3.2 (24B)24B	3-bit chất lượng thấp hơn	10,5 GB	6–11

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	Token/giây
gpt-oss-20b21B · 3,6B hoạt động · Trí tuệ 9	4,25-bit gốc	13,8 GB	36–63

Câu hỏi

LLM nào tốt nhất cho Mac có 18 GB?: Trong các mô hình có Intelligence Index công bố, MiniCPM5 2B đạt điểm cao nhất trong số những mô hình chạy tốt trong 18 GB (8-bit). Mô hình lớn nhất chạy tốt là Gemma 4 12B Unified.
18 GB có đủ cho AI cục bộ trên Mac không?: 20 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 14 GB trong số đó; mô hình và ngữ cảnh phải vừa trong phần này.
Mac 18 GB có chạy được gpt-oss-20b không?: Vừa khít: hãy nâng giới hạn bộ nhớ GPU và giữ ngữ cảnh ngắn.

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 18 GB.