LLM nào tốt nhất cho Mac có 24 GB?

Trong các mô hình có Intelligence Index công bố, MiniCPM5 2B đạt điểm cao nhất trong số những mô hình chạy tốt trong 24 GB (8-bit). Mô hình lớn nhất chạy tốt là Gemma 4 26B A4B. Cho lập trình: Devstral Small 2 (24B).

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

28 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 18 GB trong số đó; mô hình và ngữ cảnh phải vừa trong phần này.

Mac 24 GB có chạy được gpt-oss-20b không?

Có, 4,25-bit gốc, khoảng 24–42 token mỗi giây trên M3 và 73–129 trên M5 Pro.

LLM cục bộ tốt nhất cho Mac 24 GB (M2 đến M6): chạy được gì

Mac có 24 GB

7 chip từ M2 đến M6 có bản 24 GB. Mở từng chip để xem danh sách và tốc độ riêng.

Chạy tốt 36

Vừa bộ nhớ, còn chỗ cho ngữ cảnh, từ 10 token mỗi giây trở lên trên M5 Pro.

Mô hình	Phiên bản	Bộ nhớ	M3	M5 Pro
MiniCPM5 2B2,52B · Trí tuệ 12,5	8-bit	2,7 GB	17–30	51–91
Qwen3.5 9B9B · Trí tuệ 11,2	8-bit	9,6 GB	5–8	14–26
Granite 4.2 8B8B · Trí tuệ 11,1	8-bit	8,5 GB	10–18	16–29
Granite 4.2 3B3B · Trí tuệ 9,1	8-bit	3,2 GB	14–25	43–77
gpt-oss-20b21B · 3,6B hoạt động · Trí tuệ 9	4,25-bit gốc	13,8 GB	24–42	73–129
Gemma 4 E4B8B · Trí tuệ 8,9	8-bit	8,5 GB	12–22	29–51
Ministral 3 8B8,9B · Trí tuệ 5,5	8-bit	9,5 GB	5–8	15–26
Nemotron 3 Nano 4B3,97B · Trí tuệ 4,8	8-bit	4,2 GB	11–19	33–58
Gemma 4 26B A4B25,2B · 3,8B hoạt động	4-bit	14,2 GB	21–38	66–117
Devstral Small 2 (24B)24B	4-bit	13,5 GB	3–6	10–18
Magistral Small 1.2 (2509)24B	4-bit	13,5 GB	3–6	10–18
Mistral Small 3.2 (24B)24B	4-bit	13,5 GB	3–6	10–18
LFM2.5 24B A2B24B · 2B hoạt động	4-bit	13,5 GB	41–73	126–223
Phi-4 Reasoning Vision 15B15B	6-bit	12,2 GB	3–5	11–20
Phi-4 (14B)14B	6-bit	11,4 GB	3–5	12–22
Gemma 4 12B Unified12B	8-bit	12,7 GB	4–6	11–19
Qwen3 8B8,2B	8-bit	8,7 GB	10–17	16–28
Llama 3.1 8B Instruct8B	8-bit	8,5 GB	10–18	16–29
Gemma 4 E2B5,1B	8-bit	5,4 GB	19–33	58–102
Qwen3.5 4B4B	8-bit	4,3 GB	10–19	32–57
Phi-4 mini instruct3,8B	8-bit	4 GB	11–20	35–61
Llama 3.2 3B Instruct3,21B	8-bit	3,4 GB	13–24	41–72
SmolLM3 3B3B	8-bit	3,2 GB	14–25	43–77
LFM2.5 2.6B2,69B	8-bit	2,9 GB	16–28	48–85
Qwen3.5 2B2B	8-bit	2,1 GB	21–38	66–117
Llama 3.2 1B Instruct1,23B	8-bit	1,3 GB	35–62	106–189
Qwen3.5 0.8B0,8B	8-bit	0,9 GB	50–89	154–273
Qwen3 0.6B0,6B	8-bit	0,6 GB	75–133	230–409
Qwen3.6 35B A3B35B · 3B hoạt động · Trí tuệ 18,2	3-bit chất lượng thấp hơn	15,3 GB	35–62	106–189
Muse Glimmer 30B29,6B · Trí tuệ 17,5	3-bit chất lượng thấp hơn	13 GB	3–6	11–19
Gemma 4 31B30,7B · Trí tuệ 14,7	3-bit chất lượng thấp hơn	13,4 GB	3–6	10–18
Nemotron 3.5 Lightning 30B A3B30B · 3B hoạt động · Trí tuệ 12,9	3-bit chất lượng thấp hơn	13,1 GB	35–62	106–189
Granite 4.2 30B30B · Trí tuệ 12,7	3-bit chất lượng thấp hơn	13,1 GB	3–6	11–19
Nemotron 3 Nano 30B A3B30B · 3,5B hoạt động · Trí tuệ 8,9	3-bit chất lượng thấp hơn	13,1 GB	30–53	92–164
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B hoạt động	3-bit chất lượng thấp hơn	13,3 GB	32–57	99–175
GLM-4.7 Flash30B · 3B hoạt động	3-bit chất lượng thấp hơn	13,1 GB	35–62	106–189

Chạy được, nhưng chậm 2

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	M3	M5 Pro
Qwen3.8 27B27B · Trí tuệ 33,7	4-bit	15,2 GB	3–5	9–16
Qwen3.6 27B27B	4-bit	15,2 GB	3–5	9–16

Câu hỏi

LLM nào tốt nhất cho Mac có 24 GB?: Trong các mô hình có Intelligence Index công bố, MiniCPM5 2B đạt điểm cao nhất trong số những mô hình chạy tốt trong 24 GB (8-bit). Mô hình lớn nhất chạy tốt là Gemma 4 26B A4B. Cho lập trình: Devstral Small 2 (24B).
24 GB có đủ cho AI cục bộ trên Mac không?: 28 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 18 GB trong số đó; mô hình và ngữ cảnh phải vừa trong phần này.
Mac 24 GB có chạy được gpt-oss-20b không?: Có, 4,25-bit gốc, khoảng 24–42 token mỗi giây trên M3 và 73–129 trên M5 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 24 GB.