LLM nào tốt nhất cho Mac có 48 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 48 GB (8-bit). Mô hình lớn nhất chạy tốt là Qwen3.6 35B A3B. Cho lập trình: Qwen3 Coder 30B A3B Instruct.

48 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 36 GB trong số đó; mô hình và ngữ cảnh phải vừa trong phần này.

Mac 48 GB có chạy được gpt-oss-20b không?

Có, 4,25-bit gốc, khoảng 65–115 token mỗi giây trên M4 Pro và 145–259 trên M5 Max.

LLM cục bộ tốt nhất cho Mac 48 GB (M3 đến M5): chạy được gì

Mac có 48 GB

5 chip từ M3 đến M5 có bản 48 GB. Mở từng chip để xem danh sách và tốc độ riêng.

Chạy tốt 41

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

Mô hình	Phiên bản	Bộ nhớ	M4 Pro	M5 Max
Qwen3.8 27B27B · Trí tuệ 33,7	8-bit	28,7 GB	4–8	10–17
Qwen3.6 35B A3B35B · 3B hoạt động · Trí tuệ 18,2	6-bit	28,4 GB	51–91	115–205
Muse Glimmer 30B29,6B · Trí tuệ 17,5	6-bit	24,1 GB	4–7	11–20
Gemma 4 31B30,7B · Trí tuệ 14,7	6-bit	24,9 GB	4–7	11–20
Nemotron 3.5 Lightning 30B A3B30B · 3B hoạt động · Trí tuệ 12,9	8-bit	31,9 GB	38–68	86–154
Granite 4.2 30B30B · Trí tuệ 12,7	6-bit	24,4 GB	4–7	11–20
MiniCPM5 2B2,52B · Trí tuệ 12,5	8-bit	2,7 GB	45–81	102–182
Qwen3.5 9B9B · Trí tuệ 11,2	8-bit	9,6 GB	13–23	29–51
Granite 4.2 8B8B · Trí tuệ 11,1	8-bit	8,5 GB	14–26	33–58
Granite 4.2 3B3B · Trí tuệ 9,1	8-bit	3,2 GB	38–68	86–154
gpt-oss-20b21B · 3,6B hoạt động · Trí tuệ 9	4,25-bit gốc	13,8 GB	65–115	145–259
Nemotron 3 Nano 30B A3B30B · 3,5B hoạt động · Trí tuệ 8,9	8-bit	31,9 GB	33–59	75–133
Gemma 4 E4B8B · Trí tuệ 8,9	8-bit	8,5 GB	26–46	58–102
Ministral 3 8B8,9B · Trí tuệ 5,5	8-bit	9,5 GB	13–23	29–52
Nemotron 3 Nano 4B3,97B · Trí tuệ 4,8	8-bit	4,2 GB	29–52	66–117
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B hoạt động	8-bit	32,4 GB	35–62	79–140
GLM-4.7 Flash30B · 3B hoạt động	8-bit	31,9 GB	38–68	86–154
Qwen3.6 27B27B	8-bit	28,7 GB	4–8	10–17
Gemma 4 26B A4B25,2B · 3,8B hoạt động	8-bit	26,8 GB	31–55	69–123
Devstral Small 2 (24B)24B	8-bit	25,5 GB	5–9	11–19
Magistral Small 1.2 (2509)24B	8-bit	25,5 GB	5–9	11–19
Mistral Small 3.2 (24B)24B	8-bit	25,5 GB	5–9	11–19
LFM2.5 24B A2B24B · 2B hoạt động	8-bit	25,5 GB	59–104	132–234
Phi-4 Reasoning Vision 15B15B	8-bit	15,9 GB	10–18	17–31
Phi-4 (14B)14B	8-bit	14,9 GB	11–19	19–33
Gemma 4 12B Unified12B	8-bit	12,7 GB	10–17	22–39
Qwen3 8B8,2B	8-bit	8,7 GB	14–25	32–56
Llama 3.1 8B Instruct8B	8-bit	8,5 GB	14–26	33–58
Gemma 4 E2B5,1B	8-bit	5,4 GB	51–91	115–205
Qwen3.5 4B4B	8-bit	4,3 GB	29–51	64–114
Phi-4 mini instruct3,8B	8-bit	4 GB	31–55	69–123
Llama 3.2 3B Instruct3,21B	8-bit	3,4 GB	36–64	81–144
SmolLM3 3B3B	8-bit	3,2 GB	38–68	86–154
LFM2.5 2.6B2,69B	8-bit	2,9 GB	42–75	95–169
Qwen3.5 2B2B	8-bit	2,1 GB	59–104	132–234
Llama 3.2 1B Instruct1,23B	8-bit	1,3 GB	95–168	213–378
Qwen3.5 0.8B0,8B	8-bit	0,9 GB	137–243	307–546
Qwen3 0.6B0,6B	8-bit	0,6 GB	205–364	461–819
Nemotron 3.5 Bolt 74B A9B74B · 9B hoạt động · Trí tuệ 21,4	3-bit chất lượng thấp hơn	32,4 GB	32–56	71–126
Qwen3 Coder Next80B · 3B hoạt động · Trí tuệ 9,2	2-bit chất lượng thấp hơn	25 GB	137–243	307–546
GLM-4.5 Air106B · 12B hoạt động	2-bit chất lượng thấp hơn	33,1 GB	32–57	73–129

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 Pro	M5 Max
Llama 3.3 70B Instruct70B	3-bit chất lượng thấp hơn	30,6 GB	4–7	9–16

Vừa đủ chỗ 8

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

Mô hình	Phiên bản	Bộ nhớ	M4 Pro	M5 Max
Qwen3.5 122B A10B122B · 10B hoạt động · Trí tuệ 15,6	2-bit chất lượng thấp hơn	38,1 GB	40–70	89–158
Mistral Medium 3.5 (128B)128B · Trí tuệ 14,2	2-bit chất lượng thấp hơn	40 GB	3–5	7–12
gpt-oss-120b117B · 5,1B hoạt động · Trí tuệ 11,6	2-bit chất lượng thấp hơn	36,6 GB	77–137	173–307
Mistral Small 4 (119B)119B · 6,5B hoạt động · Trí tuệ 11,3	2-bit chất lượng thấp hơn	37,2 GB	61–109	138–246
Llama 4 Scout 17B-16E Instruct109B · 17B hoạt động · Trí tuệ 6,5	2-bit chất lượng thấp hơn	34,1 GB	23–41	52–93
Devstral 2 (123B)123B	2-bit chất lượng thấp hơn	38,4 GB	3–6	7–13
Ornith 1.5 122B122B · 10B hoạt động	2-bit chất lượng thấp hơn	38,1 GB	40–70	89–158
Nemotron 3 Super 120B A12B120B · 12B hoạt động	2-bit chất lượng thấp hơn	37,5 GB	32–57	73–129

Câu hỏi

LLM nào tốt nhất cho Mac có 48 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 48 GB (8-bit). Mô hình lớn nhất chạy tốt là Qwen3.6 35B A3B. Cho lập trình: Qwen3 Coder 30B A3B Instruct.
48 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 36 GB trong số đó; mô hình và ngữ cảnh phải vừa trong phần này.
Mac 48 GB có chạy được gpt-oss-20b không?: Có, 4,25-bit gốc, khoảng 65–115 token mỗi giây trên M4 Pro và 145–259 trên M5 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 48 GB.