LLM nào tốt nhất cho M5 Pro với 48 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: 6-bit, khoảng 58–102 token mỗi giây.

M5 Pro với 48 GB có chạy được Llama 3.3 70B không?

Có, nhưng chậm: 3-bit (chất lượng thấp hơn), khoảng 5–8 token mỗi giây.

gpt-oss-20b chạy nhanh đến đâu trên M5 Pro?

Khoảng 73–129 token mỗi giây (4,25-bit gốc), dựa trên băng thông bộ nhớ 307 GB/s của chip.

M5 Pro 48 GB chạy được LLM nào? Mọi mô hình, kèm tốc độ

Chạy tốt 36

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	6-bit	28,4 GB	58–102
Nemotron 3.5 Lightning 30B A3B30B · 3B hoạt động · Trí tuệ 12,9	8-bit	31,9 GB	43–77
MiniCPM5 2B2,52B · Trí tuệ 12,5	8-bit	2,7 GB	51–91
Qwen3.5 9B9B · Trí tuệ 11,2	8-bit	9,6 GB	14–26
Granite 4.2 8B8B · Trí tuệ 11,1	8-bit	8,5 GB	16–29
Granite 4.2 3B3B · Trí tuệ 9,1	8-bit	3,2 GB	43–77
gpt-oss-20b21B · 3,6B hoạt động · Trí tuệ 9	4,25-bit gốc	13,8 GB	73–129
Nemotron 3 Nano 30B A3B30B · 3,5B hoạt động · Trí tuệ 8,9	8-bit	31,9 GB	37–66
Gemma 4 E4B8B · Trí tuệ 8,9	8-bit	8,5 GB	29–51
Ministral 3 8B8,9B · Trí tuệ 5,5	8-bit	9,5 GB	15–26
Nemotron 3 Nano 4B3,97B · Trí tuệ 4,8	8-bit	4,2 GB	33–58
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B hoạt động	8-bit	32,4 GB	39–70
GLM-4.7 Flash30B · 3B hoạt động	8-bit	31,9 GB	43–77
Gemma 4 26B A4B25,2B · 3,8B hoạt động	8-bit	26,8 GB	35–61
Devstral Small 2 (24B)24B	4-bit	13,5 GB	10–18
Magistral Small 1.2 (2509)24B	4-bit	13,5 GB	10–18
Mistral Small 3.2 (24B)24B	4-bit	13,5 GB	10–18
LFM2.5 24B A2B24B · 2B hoạt động	8-bit	25,5 GB	66–117
Phi-4 Reasoning Vision 15B15B	6-bit	12,2 GB	11–20
Phi-4 (14B)14B	6-bit	11,4 GB	12–22
Gemma 4 12B Unified12B	8-bit	12,7 GB	11–19
Qwen3 8B8,2B	8-bit	8,7 GB	16–28
Llama 3.1 8B Instruct8B	8-bit	8,5 GB	16–29
Gemma 4 E2B5,1B	8-bit	5,4 GB	58–102
Qwen3.5 4B4B	8-bit	4,3 GB	32–57
Phi-4 mini instruct3,8B	8-bit	4 GB	35–61
Llama 3.2 3B Instruct3,21B	8-bit	3,4 GB	41–72
SmolLM3 3B3B	8-bit	3,2 GB	43–77
LFM2.5 2.6B2,69B	8-bit	2,9 GB	48–85
Qwen3.5 2B2B	8-bit	2,1 GB	66–117
Llama 3.2 1B Instruct1,23B	8-bit	1,3 GB	106–189
Qwen3.5 0.8B0,8B	8-bit	0,9 GB	154–273
Qwen3 0.6B0,6B	8-bit	0,6 GB	230–409
Nemotron 3.5 Bolt 74B A9B74B · 9B hoạt động · Trí tuệ 21,4	3-bit chất lượng thấp hơn	32,4 GB	35–63
Qwen3 Coder Next80B · 3B hoạt động · Trí tuệ 9,2	2-bit chất lượng thấp hơn	25 GB	154–273
GLM-4.5 Air106B · 12B hoạt động	2-bit chất lượng thấp hơn	33,1 GB	36–65

Chạy được, nhưng chậm 6

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	8-bit	28,7 GB	5–9
Muse Glimmer 30B29,6B · Trí tuệ 17,5	8-bit	31,5 GB	4–8
Gemma 4 31B30,7B · Trí tuệ 14,7	8-bit	32,6 GB	4–8
Granite 4.2 30B30B · Trí tuệ 12,7	8-bit	31,9 GB	4–8
Qwen3.6 27B27B	8-bit	28,7 GB	5–9
Llama 3.3 70B Instruct70B	3-bit chất lượng thấp hơn	30,6 GB	5–8

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	Token/giây
Qwen3.5 122B A10B122B · 10B hoạt động · Trí tuệ 15,6	2-bit chất lượng thấp hơn	38,1 GB	45–79
Mistral Medium 3.5 (128B)128B · Trí tuệ 14,2	2-bit chất lượng thấp hơn	40 GB	3–6
gpt-oss-120b117B · 5,1B hoạt động · Trí tuệ 11,6	2-bit chất lượng thấp hơn	36,6 GB	86–154
Mistral Small 4 (119B)119B · 6,5B hoạt động · Trí tuệ 11,3	2-bit chất lượng thấp hơn	37,2 GB	69–123
Llama 4 Scout 17B-16E Instruct109B · 17B hoạt động · Trí tuệ 6,5	2-bit chất lượng thấp hơn	34,1 GB	26–46
Devstral 2 (123B)123B	2-bit chất lượng thấp hơn	38,4 GB	4–6
Ornith 1.5 122B122B · 10B hoạt động	2-bit chất lượng thấp hơn	38,1 GB	45–79
Nemotron 3 Super 120B A12B120B · 12B hoạt động	2-bit chất lượng thấp hơn	37,5 GB	36–65

Các Mac khác

Mọi Mac có 48 GB, với bất kỳ chip nào.

M5 Pro với nhiều hoặc ít bộ nhớ hơn:

Chip lân cận:

Đối đầu:

So sánh với bất kỳ Mac hoặc GPU nào · M5 Pro cho AI cục bộ · Mac tốt nhất cho LLM cục bộ · Mọi Mac

Câu hỏi

LLM nào tốt nhất cho M5 Pro với 48 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: 6-bit, khoảng 58–102 token mỗi giây.
M5 Pro với 48 GB có chạy được Llama 3.3 70B không?: Có, nhưng chậm: 3-bit (chất lượng thấp hơn), khoảng 5–8 token mỗi giây.
gpt-oss-20b chạy nhanh đến đâu trên M5 Pro?: Khoảng 73–129 token mỗi giây (4,25-bit gốc), dựa trên băng thông bộ nhớ 307 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.

M5 Pro với 48 GB chạy được gì?