Chạy tốt 30
Vừa bộ nhớ, còn chỗ cho ngữ cảnh, từ 10 token mỗi giây trở lên.
| Mô hình | Phiên bản | Bộ nhớ | Token/giây |
|---|---|---|---|
| Qwen3.6 35B A3B35B · 3B hoạt động · Trí tuệ 18,2 | 4-bit | 19,7 GB | 40–71 |
| Nemotron 3.5 Lightning 30B A3B30B · 3B hoạt động · Trí tuệ 12,9 | 6-bit | 24,4 GB | 28–50 |
| 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 |
| gpt-oss-20b21B · 3,6B hoạt động · Trí tuệ 9 | 4,25-bit gốc | 13,8 GB | 36–63 |
| Nemotron 3 Nano 30B A3B30B · 3,5B hoạt động · Trí tuệ 8,9 | 6-bit | 24,4 GB | 24–43 |
| 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 |
| Qwen3 Coder 30B A3B Instruct30,5B · 3,3B hoạt động | 6-bit | 24,8 GB | 25–44 |
| GLM-4.7 Flash30B · 3B hoạt động | 6-bit | 24,4 GB | 28–50 |
| Gemma 4 26B A4B25,2B · 3,8B hoạt động | 6-bit | 20,5 GB | 22–39 |
| LFM2.5 24B A2B24B · 2B hoạt động | 6-bit | 19,5 GB | 42–75 |
| 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 |
| Nemotron 3.5 Bolt 74B A9B74B · 9B hoạt động · Trí tuệ 21,4 | 2-bit chất lượng thấp hơn | 23,1 GB | 24–43 |
| Qwen3 Coder Next80B · 3B hoạt động · Trí tuệ 9,2 | 2-bit chất lượng thấp hơn | 25 GB | 75–133 |
Chạy được, nhưng chậm 11
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 |
|---|---|---|---|
| Qwen3.8 27B27B · Trí tuệ 33,7 | 6-bit | 21,9 GB | 3–5 |
| Muse Glimmer 30B29,6B · Trí tuệ 17,5 | 6-bit | 24,1 GB | 3–5 |
| Gemma 4 31B30,7B · Trí tuệ 14,7 | 6-bit | 24,9 GB | 3–5 |
| Granite 4.2 30B30B · Trí tuệ 12,7 | 6-bit | 24,4 GB | 3–5 |
| Qwen3.6 27B27B | 6-bit | 21,9 GB | 3–5 |
| Devstral Small 2 (24B)24B | 6-bit | 19,5 GB | 3–6 |
| Magistral Small 1.2 (2509)24B | 6-bit | 19,5 GB | 3–6 |
| Mistral Small 3.2 (24B)24B | 6-bit | 19,5 GB | 3–6 |
| Phi-4 Reasoning Vision 15B15B | 8-bit | 15,9 GB | 4–8 |
| Phi-4 (14B)14B | 8-bit | 14,9 GB | 5–8 |
| Llama 3.3 70B Instruct70B | 2-bit chất lượng thấp hơn | 21,9 GB | 3–5 |
Quá lớn 32
Cần hơn 36 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
- 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
- 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
Các Mac khác
Mọi Mac có 36 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 36 GB?
- Trong các mô hình có Intelligence Index công bố, Qwen3.6 35B A3B đạt điểm cao nhất trong số những mô hình chạy tốt ở đây: 4-bit, khoảng 40–71 token mỗi giây.
- M3 Pro với 36 GB có chạy được Llama 3.3 70B không?
- Có, nhưng chậm: 2-bit (chất lượng thấp hơn), khoảng 3–5 token mỗi giây.
- 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.