LLM nào tốt nhất cho Mac có 96 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 96 GB (8-bit). Mô hình lớn nhất chạy tốt là gpt-oss-120b. Cho lập trình: Qwen3 Coder Next.

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

44 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 72 GB trong số đó; mô hình và ngữ cảnh phải vừa trong phần này.

Mac 96 GB có chạy được gpt-oss-20b không?

Có, 4,25-bit gốc, khoảng 71–126 token mỗi giây trên M3 Max và 284–505 trên M5 Ultra.

LLM cục bộ tốt nhất cho Mac 96 GB (M2 đến M5): chạy được gì

Mac có 96 GB

4 chip từ M2 đến M5 có bản 96 GB. Mở từng chip để xem danh sách và tốc độ riêng.

Chạy tốt 51

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

Mô hình	Phiên bản	Bộ nhớ	M3 Max	M5 Ultra
Qwen3.8 27B27B · Trí tuệ 33,7	8-bit	28,7 GB	5–8	19–33
Nemotron 3.5 Bolt 74B A9B74B · 9B hoạt động · Trí tuệ 21,4	6-bit	60,1 GB	18–33	74–132
Qwen3.6 35B A3B35B · 3B hoạt động · Trí tuệ 18,2	8-bit	37,2 GB	42–75	169–300
Muse Glimmer 30B29,6B · Trí tuệ 17,5	8-bit	31,5 GB	4–8	17–30
Gemma 4 31B30,7B · Trí tuệ 14,7	8-bit	32,6 GB	4–7	17–29
Nemotron 3.5 Lightning 30B A3B30B · 3B hoạt động · Trí tuệ 12,9	8-bit	31,9 GB	42–75	169–300
Granite 4.2 30B30B · Trí tuệ 12,7	8-bit	31,9 GB	4–8	17–30
MiniCPM5 2B2,52B · Trí tuệ 12,5	8-bit	2,7 GB	50–89	200–356
gpt-oss-120b117B · 5,1B hoạt động · Trí tuệ 11,6	4,25-bit gốc	65,3 GB	50–89	200–356
Qwen3.5 9B9B · Trí tuệ 11,2	8-bit	9,6 GB	14–25	56–100
Granite 4.2 8B8B · Trí tuệ 11,1	8-bit	8,5 GB	16–28	64–113
Qwen3 Coder Next80B · 3B hoạt động · Trí tuệ 9,2	6-bit	65 GB	56–100	225–400
Granite 4.2 3B3B · Trí tuệ 9,1	8-bit	3,2 GB	42–75	169–300
gpt-oss-20b21B · 3,6B hoạt động · Trí tuệ 9	4,25-bit gốc	13,8 GB	71–126	284–505
Nemotron 3 Nano 30B A3B30B · 3,5B hoạt động · Trí tuệ 8,9	8-bit	31,9 GB	36–65	146–259
Gemma 4 E4B8B · Trí tuệ 8,9	8-bit	8,5 GB	28–50	113–200
Llama 4 Scout 17B-16E Instruct109B · 17B hoạt động · Trí tuệ 6,5	4-bit	61,3 GB	14–25	56–100
Ministral 3 8B8,9B · Trí tuệ 5,5	8-bit	9,5 GB	14–25	57–101
Nemotron 3 Nano 4B3,97B · Trí tuệ 4,8	8-bit	4,2 GB	32–57	129–229
GLM-4.5 Air106B · 12B hoạt động	4-bit	59,6 GB	20–35	79–141
Llama 3.3 70B Instruct70B	4-bit	39,4 GB	2–4	14–24
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B hoạt động	8-bit	32,4 GB	39–69	154–274
GLM-4.7 Flash30B · 3B hoạt động	8-bit	31,9 GB	42–75	169–300
Qwen3.6 27B27B	8-bit	28,7 GB	5–8	19–33
Gemma 4 26B A4B25,2B · 3,8B hoạt động	8-bit	26,8 GB	34–60	135–240
Devstral Small 2 (24B)24B	8-bit	25,5 GB	10–18	21–38
Magistral Small 1.2 (2509)24B	8-bit	25,5 GB	10–18	21–38
Mistral Small 3.2 (24B)24B	8-bit	25,5 GB	10–18	21–38
LFM2.5 24B A2B24B · 2B hoạt động	8-bit	25,5 GB	64–114	257–457
Phi-4 Reasoning Vision 15B15B	8-bit	15,9 GB	11–20	34–60
Phi-4 (14B)14B	8-bit	14,9 GB	12–21	36–64
Gemma 4 12B Unified12B	8-bit	12,7 GB	11–19	43–76
Qwen3 8B8,2B	8-bit	8,7 GB	16–28	62–110
Llama 3.1 8B Instruct8B	8-bit	8,5 GB	16–28	64–113
Gemma 4 E2B5,1B	8-bit	5,4 GB	56–100	225–400
Qwen3.5 4B4B	8-bit	4,3 GB	31–56	126–223
Phi-4 mini instruct3,8B	8-bit	4 GB	34–60	135–240
Llama 3.2 3B Instruct3,21B	8-bit	3,4 GB	40–71	159–282
SmolLM3 3B3B	8-bit	3,2 GB	42–75	169–300
LFM2.5 2.6B2,69B	8-bit	2,9 GB	47–83	186–331
Qwen3.5 2B2B	8-bit	2,1 GB	64–114	257–457
Llama 3.2 1B Instruct1,23B	8-bit	1,3 GB	104–185	415–738
Qwen3.5 0.8B0,8B	8-bit	0,9 GB	150–267	600–1067
Qwen3 0.6B0,6B	8-bit	0,6 GB	225–400	900–1600
Qwen3.8 Flash Next180B · 6B hoạt động · Trí tuệ 39,8	2-bit chất lượng thấp hơn	56,3 GB	71–126	284–505
Qwen3.5 122B A10B122B · 10B hoạt động · Trí tuệ 15,6	3-bit chất lượng thấp hơn	53,4 GB	31–55	123–218
Mistral Medium 3.5 (128B)128B · Trí tuệ 14,2	3-bit chất lượng thấp hơn	56 GB	2–4	10–17
Mistral Small 4 (119B)119B · 6,5B hoạt động · Trí tuệ 11,3	3-bit chất lượng thấp hơn	52,1 GB	48–86	193–343
Devstral 2 (123B)123B	3-bit chất lượng thấp hơn	53,8 GB	3–4	10–18
Ornith 1.5 122B122B · 10B hoạt động	3-bit chất lượng thấp hơn	53,4 GB	31–55	123–218
Nemotron 3 Super 120B A12B120B · 12B hoạt động	3-bit chất lượng thấp hơn	52,5 GB	25–45	102–181

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	M3 Max	M5 Ultra
MiniMax M2.7230B · 10B hoạt động	2-bit chất lượng thấp hơn	71,9 GB	44–77	174–310

Câu hỏi

LLM nào tốt nhất cho Mac có 96 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 96 GB (8-bit). Mô hình lớn nhất chạy tốt là gpt-oss-120b. Cho lập trình: Qwen3 Coder Next.
96 GB có đủ cho AI cục bộ trên Mac không?: 44 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 72 GB trong số đó; mô hình và ngữ cảnh phải vừa trong phần này.
Mac 96 GB có chạy được gpt-oss-20b không?: Có, 4,25-bit gốc, khoảng 71–126 token mỗi giây trên M3 Max và 284–505 trên M5 Ultra.

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 96 GB.