並排比較
熱門模型的速度
單一對話每秒產生的 token 數；每款晶片都以最大記憶體配置計算（32 GB 和 36 GB），使用放得下的最佳模型版本。
| 模型 | M2 Pro | M3 Pro |
|---|---|---|
| Llama 3.1 8B Instruct8B | 11–19 8 位元 | 10–18 6 位元 |
| gpt-oss-20b21B · 啟用 3.6B | 47–84 原生 4.25 位元 | 36–63 原生 4.25 位元 |
| Qwen3.6 35B A3B35B · 啟用 3B | 53–94 4 位元 | 40–71 4 位元 |
| Qwen3.8 27B27B | 4–7 6 位元 | 3–5 6 位元 |
| Llama 3.3 70B Instruct70B | 4–7 2 位元 品質較低 | 3–5 2 位元 品質較低 |
| gpt-oss-120b117B · 啟用 5.1B | 太大 | 太大 |
| Qwen3.5 122B A10B122B · 啟用 10B | 太大 | 太大 |
| DeepSeek V4 Flash 0731284B · 啟用 13B | 太大 | 太大 |
常見問題
- 執行 LLM 時，M3 Pro 比 M2 Pro 快嗎？
- M2 Pro 的記憶體讀取速度比 M3 Pro 快約 33%（200 對 150 GB/s），所以執行兩者都放得下的模型時，產生速度快約 33%。讀取長提示詞則取決於 GPU 運算能力，本比較未涵蓋。
- M2 Pro 和 M3 Pro，哪個能執行更大的模型？
- M3 Pro。M3 Pro 最高可配 36 GB 記憶體，M2 Pro 最高 32 GB。在最大配置下，它能順暢執行 73 個開放模型中的 28 個，另一款為 30 個。
更多比較
用 M2 Pro 執行本機 AI · 用 M3 Pro 執行本機 AI · 比較所有模型 · 執行本機 LLM 的最佳 Mac
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。