LLM nào tốt nhất cho Mac có 32 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 32 GB (4-bit). Mô hình lớn nhất chạy tốt là Qwen3.6 35B A3B. Cho lập trình: Qwen3 Coder 30B A3B Instruct.

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

38 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 24 GB trong số đó; mô hình và ngữ cảnh phải vừa trong phần này.

Mac 32 GB có chạy được gpt-oss-20b không?

Có, 4,25-bit gốc, khoảng 28–51 token mỗi giây trên M4 và 95–168 trên M1 Max.

LLM cục bộ tốt nhất cho Mac 32 GB (M1 đến M6): chạy được gì

Mac có 32 GB

7 chip từ M1 đến M6 có bản 32 GB. Mở từng chip để xem danh sách và tốc độ riêng.

Chạy tốt 38

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

Mô hình	Phiên bản	Bộ nhớ	M4	M1 Max
Qwen3.8 27B27B · Trí tuệ 33,7	4-bit	15,2 GB	2–4	12–21
Qwen3.6 35B A3B35B · 3B hoạt động · Trí tuệ 18,2	4-bit	19,7 GB	32–56	106–188
Muse Glimmer 30B29,6B · Trí tuệ 17,5	4-bit	16,7 GB	3–6	11–19
Gemma 4 31B30,7B · Trí tuệ 14,7	4-bit	17,3 GB	3–6	10–18
Nemotron 3.5 Lightning 30B A3B30B · 3B hoạt động · Trí tuệ 12,9	4-bit	16,9 GB	32–56	106–188
Granite 4.2 30B30B · Trí tuệ 12,7	4-bit	16,9 GB	3–6	11–19
MiniCPM5 2B2,52B · Trí tuệ 12,5	8-bit	2,7 GB	20–36	67–119
Qwen3.5 9B9B · Trí tuệ 11,2	8-bit	9,6 GB	11–19	19–33
Granite 4.2 8B8B · Trí tuệ 11,1	8-bit	8,5 GB	12–21	21–38
Granite 4.2 3B3B · Trí tuệ 9,1	8-bit	3,2 GB	17–30	56–100
gpt-oss-20b21B · 3,6B hoạt động · Trí tuệ 9	4,25-bit gốc	13,8 GB	28–51	95–168
Nemotron 3 Nano 30B A3B30B · 3,5B hoạt động · Trí tuệ 8,9	4-bit	16,9 GB	27–48	90–160
Gemma 4 E4B8B · Trí tuệ 8,9	8-bit	8,5 GB	11–20	38–67
Ministral 3 8B8,9B · Trí tuệ 5,5	8-bit	9,5 GB	11–19	19–34
Nemotron 3 Nano 4B3,97B · Trí tuệ 4,8	8-bit	4,2 GB	13–23	43–76
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B hoạt động	4-bit	17,2 GB	28–51	95–168
GLM-4.7 Flash30B · 3B hoạt động	4-bit	16,9 GB	32–56	106–188
Qwen3.6 27B27B	4-bit	15,2 GB	2–4	12–21
Gemma 4 26B A4B25,2B · 3,8B hoạt động	6-bit	20,5 GB	17–31	58–103
Devstral Small 2 (24B)24B	4-bit	13,5 GB	3–5	13–24
Magistral Small 1.2 (2509)24B	4-bit	13,5 GB	3–5	13–24
Mistral Small 3.2 (24B)24B	4-bit	13,5 GB	3–5	13–24
LFM2.5 24B A2B24B · 2B hoạt động	6-bit	19,5 GB	34–60	113–200
Phi-4 Reasoning Vision 15B15B	8-bit	15,9 GB	3–6	11–20
Phi-4 (14B)14B	8-bit	14,9 GB	4–6	12–21
Gemma 4 12B Unified12B	8-bit	12,7 GB	4–8	14–25
Qwen3 8B8,2B	8-bit	8,7 GB	12–21	21–37
Llama 3.1 8B Instruct8B	8-bit	8,5 GB	12–21	21–38
Gemma 4 E2B5,1B	8-bit	5,4 GB	23–40	75–133
Qwen3.5 4B4B	8-bit	4,3 GB	13–22	42–74
Phi-4 mini instruct3,8B	8-bit	4 GB	14–24	45–80
Llama 3.2 3B Instruct3,21B	8-bit	3,4 GB	16–28	53–94
SmolLM3 3B3B	8-bit	3,2 GB	17–30	56–100
LFM2.5 2.6B2,69B	8-bit	2,9 GB	19–33	62–110
Qwen3.5 2B2B	8-bit	2,1 GB	26–46	86–152
Llama 3.2 1B Instruct1,23B	8-bit	1,3 GB	42–74	138–246
Qwen3.5 0.8B0,8B	8-bit	0,9 GB	60–107	200–356
Qwen3 0.6B0,6B	8-bit	0,6 GB	90–160	300–533

Chạy được, nhưng chậm 1

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	M4	M1 Max
Llama 3.3 70B Instruct70B	2-bit chất lượng thấp hơn	21,9 GB	2–4	8–15

Vừa đủ chỗ 2

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

Mô hình	Phiên bản	Bộ nhớ	M4	M1 Max
Nemotron 3.5 Bolt 74B A9B74B · 9B hoạt động · Trí tuệ 21,4	2-bit chất lượng thấp hơn	23,1 GB	19–34	64–114
Qwen3 Coder Next80B · 3B hoạt động · Trí tuệ 9,2	2-bit chất lượng thấp hơn	25 GB	60–107	200–356

Câu hỏi

LLM nào tốt nhất cho Mac có 32 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 32 GB (4-bit). Mô hình lớn nhất chạy tốt là Qwen3.6 35B A3B. Cho lập trình: Qwen3 Coder 30B A3B Instruct.
32 GB có đủ cho AI cục bộ trên Mac không?: 38 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 24 GB trong số đó; mô hình và ngữ cảnh phải vừa trong phần này.
Mac 32 GB có chạy được gpt-oss-20b không?: Có, 4,25-bit gốc, khoảng 28–51 token mỗi giây trên M4 và 95–168 trên M1 Max.

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 32 GB.