LLM nào tốt nhất cho M1 với 8 GB?

Trong các mô hình có Intelligence Index công bố, MiniCPM5 2B đạt điểm cao nhất trong số những mô hình chạy tốt ở đây: 8-bit, khoảng 11–20 token mỗi giây. Mô hình lớn nhất chạy tốt là Gemma 4 E4B.

M1 với 8 GB có chạy được Llama 3.3 70B không?

Không: ngay cả ở mức 2 bit, nó vẫn cần hơn 6 GB mà GPU được dùng theo mặc định.

M1 8 GB chạy được LLM nào? Mọi mô hình, kèm tốc độ

Chạy tốt 14

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

Mô hình	Phiên bản	Bộ nhớ	Token/giây
MiniCPM5 2B2,52B · Trí tuệ 12,5	8-bit	2,7 GB	11–20
Granite 4.2 3B3B · Trí tuệ 9,1	8-bit	3,2 GB	10–17
Gemma 4 E4B8B · Trí tuệ 8,9	4-bit	4,5 GB	12–22
Nemotron 3 Nano 4B3,97B · Trí tuệ 4,8	6-bit	3,2 GB	10–17
Gemma 4 E2B5,1B	6-bit	4,1 GB	16–29
Qwen3.5 4B4B	4-bit	2,3 GB	13–24
Phi-4 mini instruct3,8B	6-bit	3,1 GB	10–18
Llama 3.2 3B Instruct3,21B	6-bit	2,6 GB	12–21
SmolLM3 3B3B	8-bit	3,2 GB	10–17
LFM2.5 2.6B2,69B	8-bit	2,9 GB	11–19
Qwen3.5 2B2B	8-bit	2,1 GB	15–26
Llama 3.2 1B Instruct1,23B	8-bit	1,3 GB	24–42
Qwen3.5 0.8B0,8B	8-bit	0,9 GB	34–60
Qwen3 0.6B0,6B	8-bit	0,6 GB	51–91

Chạy được, nhưng chậm 7

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
Granite 4.2 8B8B · Trí tuệ 11,1	4-bit	4,5 GB	7–12
Llama 3.1 8B Instruct8B	4-bit	4,5 GB	7–12
Qwen3.5 9B9B · Trí tuệ 11,2	3-bit chất lượng thấp hơn	3,9 GB	8–14
Ministral 3 8B8,9B · Trí tuệ 5,5	3-bit chất lượng thấp hơn	3,9 GB	8–14
Phi-4 (14B)14B	2-bit chất lượng thấp hơn	4,4 GB	7–12
Gemma 4 12B Unified12B	2-bit chất lượng thấp hơn	3,7 GB	8–15
Qwen3 8B8,2B	3-bit chất lượng thấp hơn	3,6 GB	9–15

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
Phi-4 Reasoning Vision 15B15B	2-bit chất lượng thấp hơn	4,7 GB	7–12

Quá lớn 51

Cần hơn 8 GB bộ nhớ, kể cả ở mức 2 bit.

Các Mac khác

Mọi Mac có 8 GB, với bất kỳ chip nào.

M1 với nhiều hoặc ít bộ nhớ hơn:

16 GB14 chạy tốt

Chip lân cận:

Đối đầu:

So sánh với bất kỳ Mac hoặc GPU nào · M1 cho AI cục bộ · Mac tốt nhất cho LLM cục bộ · Mọi Mac

Câu hỏi

LLM nào tốt nhất cho M1 với 8 GB?: Trong các mô hình có Intelligence Index công bố, MiniCPM5 2B đạt điểm cao nhất trong số những mô hình chạy tốt ở đây: 8-bit, khoảng 11–20 token mỗi giây. Mô hình lớn nhất chạy tốt là Gemma 4 E4B.
M1 với 8 GB có chạy được Llama 3.3 70B không?: Không: ngay cả ở mức 2 bit, nó vẫn cần hơn 6 GB mà GPU được dùng theo mặc định.
gpt-oss-20b chạy nhanh đến đâu trên M1?: Nó không vừa trong 8 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.