登入建立錢包

32 GB 的 M2 Max 能執行什麼？

73 個開放模型中有 38 個能在它上面順暢執行。預設情況下，GPU 可使用 32 GB 中的約 24 GB；它的記憶體讀取速度為 400 GB/s，這決定了產生速度。搭載於：MacBook Pro (14-inch, 2023), MacBook Pro (16-inch, 2023), Mac Studio (2023)。

順暢執行中最聰明的Qwen3.8 27B4 位元 · 15.2 GB · 12–21 tok/s順暢執行中最大的Qwen3.6 35B A3B4 位元 · 19.7 GB · 106–188 tok/s適合寫程式Qwen3 Coder 30B A3B Instruct4 位元 · 17.2 GB · 95–168 tok/s

順暢執行 38

放得下，還留有上下文空間，每秒 10 個 token 以上。

模型版本記憶體token/秒
Qwen3.8 27B27B · 智慧 33.74 位元15.2 GB12–21
Qwen3.6 35B A3B35B · 啟用 3B · 智慧 18.24 位元19.7 GB106–188
Muse Glimmer 30B29.6B · 智慧 17.54 位元16.7 GB11–19
Gemma 4 31B30.7B · 智慧 14.74 位元17.3 GB10–18
Nemotron 3.5 Lightning 30B A3B30B · 啟用 3B · 智慧 12.94 位元16.9 GB106–188
Granite 4.2 30B30B · 智慧 12.74 位元16.9 GB11–19
MiniCPM5 2B2.52B · 智慧 12.58 位元2.7 GB67–119
Qwen3.5 9B9B · 智慧 11.28 位元9.6 GB19–33
Granite 4.2 8B8B · 智慧 11.18 位元8.5 GB21–38
Granite 4.2 3B3B · 智慧 9.18 位元3.2 GB56–100
gpt-oss-20b21B · 啟用 3.6B · 智慧 9原生 4.25 位元13.8 GB95–168
Nemotron 3 Nano 30B A3B30B · 啟用 3.5B · 智慧 8.94 位元16.9 GB90–160
Gemma 4 E4B8B · 智慧 8.98 位元8.5 GB38–67
Ministral 3 8B8.9B · 智慧 5.58 位元9.5 GB19–34
Nemotron 3 Nano 4B3.97B · 智慧 4.88 位元4.2 GB43–76
Qwen3 Coder 30B A3B Instruct30.5B · 啟用 3.3B4 位元17.2 GB95–168
GLM-4.7 Flash30B · 啟用 3B4 位元16.9 GB106–188
Qwen3.6 27B27B4 位元15.2 GB12–21
Gemma 4 26B A4B25.2B · 啟用 3.8B6 位元20.5 GB58–103
Devstral Small 2 (24B)24B4 位元13.5 GB13–24
Magistral Small 1.2 (2509)24B4 位元13.5 GB13–24
Mistral Small 3.2 (24B)24B4 位元13.5 GB13–24
LFM2.5 24B A2B24B · 啟用 2B6 位元19.5 GB113–200
Phi-4 Reasoning Vision 15B15B8 位元15.9 GB11–20
Phi-4 (14B)14B8 位元14.9 GB12–21
Gemma 4 12B Unified12B8 位元12.7 GB14–25
Qwen3 8B8.2B8 位元8.7 GB21–37
Llama 3.1 8B Instruct8B8 位元8.5 GB21–38
Gemma 4 E2B5.1B8 位元5.4 GB75–133
Qwen3.5 4B4B8 位元4.3 GB42–74
Phi-4 mini instruct3.8B8 位元4 GB45–80
Llama 3.2 3B Instruct3.21B8 位元3.4 GB53–94
SmolLM3 3B3B8 位元3.2 GB56–100
LFM2.5 2.6B2.69B8 位元2.9 GB62–110
Qwen3.5 2B2B8 位元2.1 GB86–152
Llama 3.2 1B Instruct1.23B8 位元1.3 GB138–246
Qwen3.5 0.8B0.8B8 位元0.9 GB200–356
Qwen3 0.6B0.6B8 位元0.6 GB300–533

能執行，但較慢 1

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token/秒
Llama 3.3 70B Instruct70B2 位元 品質較低21.9 GB8–15

勉強放得下 2

幾乎用滿記憶體：需調高 GPU 記憶體上限，並保持較短的上下文。

模型版本記憶體token/秒
Nemotron 3.5 Bolt 74B A9B74B · 啟用 9B · 智慧 21.42 位元 品質較低23.1 GB64–114
Qwen3 Coder Next80B · 啟用 3B · 智慧 9.22 位元 品質較低25 GB200–356

太大 32

所需記憶體超過 32 GB，即使是 2 位元也不行。

其他 Mac

所有 32 GB 的 Mac，不限晶片。

記憶體更多或更少的 M2 Max：

相鄰晶片：

正面比較：

與任何 Mac 或 GPU 比較 · 用 M2 Max 執行本機 AI · 執行本機 LLM 的最佳 Mac · 所有 Mac

常見問題

32 GB 的 M2 Max 最適合執行哪個 LLM？
在公布 Intelligence Index 的模型中，Qwen3.8 27B 是在這台 Mac 上順暢執行的模型裡得分最高的：4 位元，每秒約 12–21 個 token。能順暢執行的最大模型是 Qwen3.6 35B A3B。
32 GB 的 M2 Max 能執行 Llama 3.3 70B 嗎？
可以，但較慢：2 位元（品質較低），每秒約 8–15 個 token。
gpt-oss-20b 在 M2 Max 上有多快？
每秒約 95–168 個 token（原生 4.25 位元），由晶片 400 GB/s 的記憶體頻寬決定。

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。

32 GB 的 M2 Max 能執行哪些 LLM？所有模型與速度