Chạy tốt 27
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 | 25–44 |
| Qwen3.5 9B9B · Trí tuệ 11,2 | 4-bit | 5,1 GB | 13–24 |
| Granite 4.2 8B8B · Trí tuệ 11,1 | 6-bit | 6,5 GB | 10–18 |
| Granite 4.2 3B3B · Trí tuệ 9,1 | 8-bit | 3,2 GB | 21–38 |
| Gemma 4 E4B8B · Trí tuệ 8,9 | 8-bit | 8,5 GB | 14–25 |
| Ministral 3 8B8,9B · Trí tuệ 5,5 | 4-bit | 5 GB | 14–24 |
| Nemotron 3 Nano 4B3,97B · Trí tuệ 4,8 | 8-bit | 4,2 GB | 16–29 |
| Gemma 4 12B Unified12B | 4-bit | 6,7 GB | 10–18 |
| Qwen3 8B8,2B | 6-bit | 6,7 GB | 10–18 |
| Llama 3.1 8B Instruct8B | 6-bit | 6,5 GB | 10–18 |
| Gemma 4 E2B5,1B | 8-bit | 5,4 GB | 28–50 |
| Qwen3.5 4B4B | 8-bit | 4,3 GB | 16–28 |
| Phi-4 mini instruct3,8B | 8-bit | 4 GB | 17–30 |
| Llama 3.2 3B Instruct3,21B | 8-bit | 3,4 GB | 20–35 |
| SmolLM3 3B3B | 8-bit | 3,2 GB | 21–38 |
| LFM2.5 2.6B2,69B | 8-bit | 2,9 GB | 23–41 |
| Qwen3.5 2B2B | 8-bit | 2,1 GB | 32–57 |
| Llama 3.2 1B Instruct1,23B | 8-bit | 1,3 GB | 52–92 |
| Qwen3.5 0.8B0,8B | 8-bit | 0,9 GB | 75–133 |
| Qwen3 0.6B0,6B | 8-bit | 0,6 GB | 113–200 |
| Qwen3.6 35B A3B35B · 3B hoạt động · Trí tuệ 18,2 | 2-bit chất lượng thấp hơn | 10,9 GB | 75–133 |
| Nemotron 3.5 Lightning 30B A3B30B · 3B hoạt động · Trí tuệ 12,9 | 2-bit chất lượng thấp hơn | 9,4 GB | 75–133 |
| Nemotron 3 Nano 30B A3B30B · 3,5B hoạt động · Trí tuệ 8,9 | 2-bit chất lượng thấp hơn | 9,4 GB | 61–109 |
| Qwen3 Coder 30B A3B Instruct30,5B · 3,3B hoạt động | 2-bit chất lượng thấp hơn | 9,5 GB | 68–120 |
| GLM-4.7 Flash30B · 3B hoạt động | 2-bit chất lượng thấp hơn | 9,4 GB | 75–133 |
| Gemma 4 26B A4B25,2B · 3,8B hoạt động | 3-bit chất lượng thấp hơn | 11 GB | 40–71 |
| LFM2.5 24B A2B24B · 2B hoạt động | 3-bit chất lượng thấp hơn | 10,5 GB | 75–133 |
Chạy được, nhưng chậm 10
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 |
|---|---|---|---|
| Phi-4 Reasoning Vision 15B15B | 4-bit | 8,4 GB | 8–14 |
| Phi-4 (14B)14B | 6-bit | 11,4 GB | 6–11 |
| Qwen3.8 27B27B · Trí tuệ 33,7 | 3-bit chất lượng thấp hơn | 11,8 GB | 6–10 |
| Muse Glimmer 30B29,6B · Trí tuệ 17,5 | 2-bit chất lượng thấp hơn | 9,3 GB | 7–13 |
| Gemma 4 31B30,7B · Trí tuệ 14,7 | 2-bit chất lượng thấp hơn | 9,6 GB | 7–13 |
| Granite 4.2 30B30B · Trí tuệ 12,7 | 2-bit chất lượng thấp hơn | 9,4 GB | 7–13 |
| Qwen3.6 27B27B | 3-bit chất lượng thấp hơn | 11,8 GB | 6–10 |
| Devstral Small 2 (24B)24B | 3-bit chất lượng thấp hơn | 10,5 GB | 6–11 |
| Magistral Small 1.2 (2509)24B | 3-bit chất lượng thấp hơn | 10,5 GB | 6–11 |
| Mistral Small 3.2 (24B)24B | 3-bit chất lượng thấp hơn | 10,5 GB | 6–11 |
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 |
|---|---|---|---|
| gpt-oss-20b21B · 3,6B hoạt động · Trí tuệ 9 | 4,25-bit gốc | 13,8 GB | 36–63 |
Quá lớn 35
Cần hơn 18 GB bộ nhớ, kể cả ở mức 2 bit.
- MiMo V2.6 Pro1.020B
- Kimi K32.800B
- MiMo V2.6 Flash309B
- Kimi K2.7 Code1.000B
- gpt-oss-120b117B
- Kimi K2.61.000B
- DeepSeek V4.1 Flash 1017552B
- GLM-5.3744B
- GLM-5.3 Flash320B
- Qwen3.8 2.4T A95B2.400B
- Qwen3.8 Flash Next180B
- Muse Spark Open816B
- DeepSeek V4 Pro 08131.600B
- Beam 1.0501B
- MiniMax M3428B
- Inkling Small276B
- Hy3295B
- Inkling975B
- Nemotron 3 Ultra 550B A55B550B
- Nemotron 3.5 Bolt 74B A9B74B
- Qwen3.5 397B A17B397B
- Qwen3.5 122B A10B122B
- Mistral Medium 3.5 (128B)128B
- Mistral Small 4 (119B)119B
- Llama 4 Maverick 17B-128E Instruct400B
- Qwen3 Coder Next80B
- Llama 4 Scout 17B-16E Instruct109B
- Mistral Large 3 (675B)675B
- DeepSeek V4 Flash 0731284B
- MiniMax M2.7230B
- Devstral 2 (123B)123B
- Ornith 1.5 122B122B
- Nemotron 3 Super 120B A12B120B
- GLM-4.5 Air106B
- Llama 3.3 70B Instruct70B
Các Mac khác
Mọi Mac có 18 GB, với bất kỳ chip nào.
M3 Pro với nhiều hoặc ít bộ nhớ hơn:
Chip lân cận:
Đối đầu:
So sánh với bất kỳ Mac hoặc GPU nào · M3 Pro cho AI cục bộ · Mac tốt nhất cho LLM cục bộ · Mọi Mac
Câu hỏi
- LLM nào tốt nhất cho M3 Pro với 18 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 25–44 token mỗi giây. Mô hình lớn nhất chạy tốt là Gemma 4 12B Unified.
- M3 Pro với 18 GB có chạy được Llama 3.3 70B không?
- Không: ngay cả ở mức 2 bit, nó vẫn cần hơn 14 GB mà GPU được dùng theo mặc định.
- gpt-oss-20b chạy nhanh đến đâu trên M3 Pro?
- Khoảng 36–63 token mỗi giây (4,25-bit gốc), dựa trên băng thông bộ nhớ 150 GB/s của chip.
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.