登入建立錢包

64 GB Mac 最適合的 LLM。

73 個開放模型中有 39 個能在 64 GB 中順暢執行。預設情況下，GPU 可使用其中約 48 GB。速度取決於晶片：從 M4 Pro 的 273 GB/s 到 M1 Ultra 的 800 GB/s。

順暢執行中最聰明的Qwen3.8 27B8 位元 · 28.7 GB · 4–22 tok/s順暢執行中最大的Nemotron 3.5 Bolt 74B A9B4 位元 · 41.6 GB · 24–125 tok/s適合寫程式Qwen3 Coder 30B A3B Instruct8 位元 · 32.4 GB · 35–183 tok/s

64 GB 的 Mac

M1 至 M5 中有 9 款晶片提供 64 GB 配置。打開任一款，查看它的列表與速度。

順暢執行 47

放得下，還留有上下文空間，在 M1 Ultra 上每秒 10 個 token 以上。

模型版本記憶體M4 ProM1 Ultra
Qwen3.8 27B27B · 智慧 33.78 位元28.7 GB4–813–22
Nemotron 3.5 Bolt 74B A9B74B · 啟用 9B · 智慧 21.44 位元41.6 GB24–4371–125
Qwen3.6 35B A3B35B · 啟用 3B · 智慧 18.28 位元37.2 GB38–68113–200
Muse Glimmer 30B29.6B · 智慧 17.58 位元31.5 GB4–711–20
Gemma 4 31B30.7B · 智慧 14.78 位元32.6 GB4–711–20
Nemotron 3.5 Lightning 30B A3B30B · 啟用 3B · 智慧 12.98 位元31.9 GB38–68113–200
Granite 4.2 30B30B · 智慧 12.78 位元31.9 GB4–711–20
MiniCPM5 2B2.52B · 智慧 12.58 位元2.7 GB45–81133–237
Qwen3.5 9B9B · 智慧 11.28 位元9.6 GB13–2338–67
Granite 4.2 8B8B · 智慧 11.18 位元8.5 GB14–2642–75
Granite 4.2 3B3B · 智慧 9.18 位元3.2 GB38–68113–200
gpt-oss-20b21B · 啟用 3.6B · 智慧 9原生 4.25 位元13.8 GB65–115189–337
Nemotron 3 Nano 30B A3B30B · 啟用 3.5B · 智慧 8.98 位元31.9 GB33–5997–173
Gemma 4 E4B8B · 智慧 8.98 位元8.5 GB26–4675–133
Ministral 3 8B8.9B · 智慧 5.58 位元9.5 GB13–2338–67
Nemotron 3 Nano 4B3.97B · 智慧 4.88 位元4.2 GB29–5286–152
Qwen3 Coder 30B A3B Instruct30.5B · 啟用 3.3B8 位元32.4 GB35–62103–183
GLM-4.7 Flash30B · 啟用 3B8 位元31.9 GB38–68113–200
Qwen3.6 27B27B8 位元28.7 GB4–813–22
Gemma 4 26B A4B25.2B · 啟用 3.8B8 位元26.8 GB31–5590–160
Devstral Small 2 (24B)24B8 位元25.5 GB5–914–25
Magistral Small 1.2 (2509)24B8 位元25.5 GB5–914–25
Mistral Small 3.2 (24B)24B8 位元25.5 GB5–914–25
LFM2.5 24B A2B24B · 啟用 2B8 位元25.5 GB59–104171–305
Phi-4 Reasoning Vision 15B15B8 位元15.9 GB10–1823–40
Phi-4 (14B)14B8 位元14.9 GB11–1924–43
Gemma 4 12B Unified12B8 位元12.7 GB10–1728–50
Qwen3 8B8.2B8 位元8.7 GB14–2541–74
Llama 3.1 8B Instruct8B8 位元8.5 GB14–2642–75
Gemma 4 E2B5.1B8 位元5.4 GB51–91150–267
Qwen3.5 4B4B8 位元4.3 GB29–5184–149
Phi-4 mini instruct3.8B8 位元4 GB31–5590–160
Llama 3.2 3B Instruct3.21B8 位元3.4 GB36–64106–188
SmolLM3 3B3B8 位元3.2 GB38–68113–200
LFM2.5 2.6B2.69B8 位元2.9 GB42–75124–221
Qwen3.5 2B2B8 位元2.1 GB59–104171–305
Llama 3.2 1B Instruct1.23B8 位元1.3 GB95–168277–492
Qwen3.5 0.8B0.8B8 位元0.9 GB137–243400–711
Qwen3 0.6B0.6B8 位元0.6 GB205–364600–1067
Qwen3.5 122B A10B122B · 啟用 10B · 智慧 15.62 位元 品質較低38.1 GB40–70116–206
gpt-oss-120b117B · 啟用 5.1B · 智慧 11.62 位元 品質較低36.6 GB77–137225–400
Mistral Small 4 (119B)119B · 啟用 6.5B · 智慧 11.32 位元 品質較低37.2 GB61–109180–320
Qwen3 Coder Next80B · 啟用 3B · 智慧 9.23 位元 品質較低35 GB95–168277–492
Llama 4 Scout 17B-16E Instruct109B · 啟用 17B · 智慧 6.52 位元 品質較低34.1 GB23–4168–121
Ornith 1.5 122B122B · 啟用 10B2 位元 品質較低38.1 GB40–70116–206
Nemotron 3 Super 120B A12B120B · 啟用 12B2 位元 品質較低37.5 GB32–5795–168
GLM-4.5 Air106B · 啟用 12B2 位元 品質較低33.1 GB32–5795–168

能執行，但較慢 3

放得下，但每秒不到 10 個 token：適合批次工作，拿來聊天會慢。

模型版本記憶體M4 ProM1 Ultra
Llama 3.3 70B Instruct70B4 位元39.4 GB3–69–16
Mistral Medium 3.5 (128B)128B · 智慧 14.22 位元 品質較低40 GB3–59–16
Devstral 2 (123B)123B2 位元 品質較低38.4 GB3–69–17

太大 23

所需記憶體超過 64 GB，即使是 2 位元也不行。

常見問題

64 GB 的 Mac 最適合執行哪個 LLM？
在公布 Intelligence Index 的模型中，Qwen3.8 27B 是能在 64 GB 中順暢執行的模型裡得分最高的（8 位元）。能順暢執行的最大模型是 Nemotron 3.5 Bolt 74B A9B。寫程式可選 Qwen3 Coder 30B A3B Instruct。
64 GB 夠在 Mac 上執行本機 AI 嗎？
本頁 73 個開放模型中，有 39 個能以 4 位元或更高精度在其中順暢執行。macOS 預設讓 GPU 使用其中約 48 GB，模型與上下文都必須放進這個空間。
64 GB 的 Mac 能執行 gpt-oss-20b 嗎？
可以，原生 4.25 位元，在 M4 Pro 上每秒約 65–115 個 token，在 M1 Ultra 上約 189–337 個。

其他容量： 8 GB · 16 GB · 18 GB · 24 GB · 32 GB · 36 GB · 48 GB · 64 GB · 96 GB · 128 GB · 192 GB · 256 GB · 512 GB

可以用 MLX Harness（免費、開源）執行，或在「終端機」中使用 Apple 的 mlx-lm：逐步教學。

計算方式

記憶體：模型參數以每個權重 8、6、4、3 或 2 位元計算，加上 MLX 的分組縮放（每個權重半個位元），或依其原生格式計算，再留出上下文空間。macOS 預設讓 GPU 使用約 75% 的統一記憶體。速度：記憶體頻寬除以每個 token 讀取的位元組數，就是單一對話的上限；在 llama.cpp 的 Apple Silicon 公開效能測試中，實際執行可達這個上限的約 45% 到 80%，本頁顯示的就是這個範圍。這些是估算值，不是實測值：可以到 MLX Bench 測量你自己的 Mac。模型數據來自各模型的官方模型卡，晶片數據來自 Apple 的技術規格。核對於 2026-10-19。數據與 mlx.app/compare 相同。

64 GB Mac 最適合的本機 LLM（M1 至 M5）：能執行什麼、多快