Đăng nhậpTạo ví

M5 Ultra với 256 GB chạy được gì?

54 trên 73 mô hình mở chạy tốt trên máy này. Mặc định GPU dùng được khoảng 192 GB trong 256 GB, và đọc bộ nhớ ở 1.200 GB/s, yếu tố quyết định tốc độ viết. Có trên: Mac Studio (M5 Max or M5 Ultra).

Thông minh nhất mà chạy tốtQwen3.8 Flash Next6-bit · 146 GB · 110–196 tok/sLớn nhất mà chạy tốtMiMo V2.6 Flash4,48-bit gốc · 173 GB · 64–114 tok/sCho lập trìnhQwen3 Coder Next8-bit · 85 GB · 169–300 tok/s

Chạy tốt 61

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

Mô hìnhPhiên bảnBộ nhớToken/giây
Qwen3.8 Flash Next180B · 6B hoạt động · Trí tuệ 39,86-bit146 GB110–196
MiMo V2.6 Flash309B · 15B hoạt động · Trí tuệ 37,94,48-bit gốc173 GB64–114
Qwen3.8 27B27B · Trí tuệ 33,78-bit28,7 GB19–33
Inkling Small276B · 12B hoạt động · Trí tuệ 25,74-bit155 GB79–141
Hy3295B · 21B hoạt động · Trí tuệ 25,34-bit166 GB46–81
Nemotron 3.5 Bolt 74B A9B74B · 9B hoạt động · Trí tuệ 21,48-bit78,6 GB56–100
Qwen3.6 35B A3B35B · 3B hoạt động · Trí tuệ 18,28-bit37,2 GB169–300
Muse Glimmer 30B29,6B · Trí tuệ 17,58-bit31,5 GB17–30
Qwen3.5 122B A10B122B · 10B hoạt động · Trí tuệ 15,68-bit130 GB51–91
Gemma 4 31B30,7B · Trí tuệ 14,78-bit32,6 GB17–29
Nemotron 3.5 Lightning 30B A3B30B · 3B hoạt động · Trí tuệ 12,98-bit31,9 GB169–300
Granite 4.2 30B30B · Trí tuệ 12,78-bit31,9 GB17–30
MiniCPM5 2B2,52B · Trí tuệ 12,58-bit2,7 GB200–356
gpt-oss-120b117B · 5,1B hoạt động · Trí tuệ 11,64,25-bit gốc65,3 GB200–356
Mistral Small 4 (119B)119B · 6,5B hoạt động · Trí tuệ 11,38-bit126 GB78–139
Qwen3.5 9B9B · Trí tuệ 11,28-bit9,6 GB56–100
Granite 4.2 8B8B · Trí tuệ 11,18-bit8,5 GB64–113
Qwen3 Coder Next80B · 3B hoạt động · Trí tuệ 9,28-bit85 GB169–300
Granite 4.2 3B3B · Trí tuệ 9,18-bit3,2 GB169–300
gpt-oss-20b21B · 3,6B hoạt động · Trí tuệ 94,25-bit gốc13,8 GB284–505
Nemotron 3 Nano 30B A3B30B · 3,5B hoạt động · Trí tuệ 8,98-bit31,9 GB146–259
Gemma 4 E4B8B · Trí tuệ 8,98-bit8,5 GB113–200
Llama 4 Scout 17B-16E Instruct109B · 17B hoạt động · Trí tuệ 6,58-bit116 GB30–53
Ministral 3 8B8,9B · Trí tuệ 5,58-bit9,5 GB57–101
Nemotron 3 Nano 4B3,97B · Trí tuệ 4,88-bit4,2 GB129–229
DeepSeek V4 Flash 0731284B · 13B hoạt động4-bit160 GB74–132
MiniMax M2.7230B · 10B hoạt động4-bit129 GB96–171
Ornith 1.5 122B122B · 10B hoạt động8-bit130 GB51–91
Nemotron 3 Super 120B A12B120B · 12B hoạt động8-bit128 GB42–75
GLM-4.5 Air106B · 12B hoạt động8-bit113 GB42–75
Llama 3.3 70B Instruct70B4-bit39,4 GB14–24
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B hoạt động8-bit32,4 GB154–274
GLM-4.7 Flash30B · 3B hoạt động8-bit31,9 GB169–300
Qwen3.6 27B27B8-bit28,7 GB19–33
Gemma 4 26B A4B25,2B · 3,8B hoạt động8-bit26,8 GB135–240
Devstral Small 2 (24B)24B8-bit25,5 GB21–38
Magistral Small 1.2 (2509)24B8-bit25,5 GB21–38
Mistral Small 3.2 (24B)24B8-bit25,5 GB21–38
LFM2.5 24B A2B24B · 2B hoạt động8-bit25,5 GB257–457
Phi-4 Reasoning Vision 15B15B8-bit15,9 GB34–60
Phi-4 (14B)14B8-bit14,9 GB36–64
Gemma 4 12B Unified12B8-bit12,7 GB43–76
Qwen3 8B8,2B8-bit8,7 GB62–110
Llama 3.1 8B Instruct8B8-bit8,5 GB64–113
Gemma 4 E2B5,1B8-bit5,4 GB225–400
Qwen3.5 4B4B8-bit4,3 GB126–223
Phi-4 mini instruct3,8B8-bit4 GB135–240
Llama 3.2 3B Instruct3,21B8-bit3,4 GB159–282
SmolLM3 3B3B8-bit3,2 GB169–300
LFM2.5 2.6B2,69B8-bit2,9 GB186–331
Qwen3.5 2B2B8-bit2,1 GB257–457
Llama 3.2 1B Instruct1,23B8-bit1,3 GB415–738
Qwen3.5 0.8B0,8B8-bit0,9 GB600–1067
Qwen3 0.6B0,6B8-bit0,6 GB900–1600
DeepSeek V4.1 Flash 1017552B · 16B hoạt động · Trí tuệ 45,12-bit chất lượng thấp hơn173 GB108–192
GLM-5.3 Flash320B · 18B hoạt động · Trí tuệ 41,83-bit chất lượng thấp hơn140 GB68–122
Beam 1.0501B · 23B hoạt động · Trí tuệ 30,32-bit chất lượng thấp hơn157 GB75–133
MiniMax M3428B · 23B hoạt động · Trí tuệ 29,22-bit chất lượng thấp hơn134 GB75–133
Nemotron 3 Ultra 550B A55B550B · 55B hoạt động · Trí tuệ 22,92-bit chất lượng thấp hơn172 GB31–56
Qwen3.5 397B A17B397B · 17B hoạt động · Trí tuệ 18,43-bit chất lượng thấp hơn174 GB73–130
Llama 4 Maverick 17B-128E Instruct400B · 17B hoạt động · Trí tuệ 9,33-bit chất lượng thấp hơn175 GB73–130

Chạy được, nhưng chậm 2

Vừa bộ nhớ, nhưng dưới 10 token mỗi giây: ổn cho xử lý hàng loạt, chậm khi trò chuyện.

Mô hìnhPhiên bảnBộ nhớToken/giây
Mistral Medium 3.5 (128B)128B · Trí tuệ 14,28-bit136 GB4–7
Devstral 2 (123B)123B8-bit131 GB4–7

Vừa đủ chỗ 1

Cần gần hết bộ nhớ: hãy nâng giới hạn bộ nhớ GPU và giữ ngữ cảnh ngắn.

Mô hìnhPhiên bảnBộ nhớToken/giây
Mistral Large 3 (675B)675B · 41B hoạt động2-bit chất lượng thấp hơn211 GB42–75

Quá lớn 9

Cần hơn 256 GB bộ nhớ, kể cả ở mức 2 bit.

Các Mac khác

Mọi Mac có 256 GB, với bất kỳ chip nào.

M5 Ultra với nhiều hoặc ít bộ nhớ hơn:

Chip lân cận:

Đối đầu:

So với PC và card đồ họa:

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

Câu hỏi

LLM nào tốt nhất cho M5 Ultra với 256 GB?
Trong các mô hình có Intelligence Index công bố, Qwen3.8 Flash Next đạt điểm cao nhất trong số những mô hình chạy tốt ở đây: 6-bit, khoảng 110–196 token mỗi giây. Mô hình lớn nhất chạy tốt là MiMo V2.6 Flash.
M5 Ultra với 256 GB có chạy được Llama 3.3 70B không?
Có: 4-bit, khoảng 14–24 token mỗi giây.
gpt-oss-20b chạy nhanh đến đâu trên M5 Ultra?
Khoảng 284–505 token mỗi giây (4,25-bit gốc), dựa trên băng thông bộ nhớ 1.200 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 Ultra 256 GB chạy được LLM nào? Mọi mô hình, kèm tốc độ