登入建立錢包

96 GB 的 M5 Ultra 能執行什麼？

73 個開放模型中有 44 個能在它上面順暢執行。預設情況下，GPU 可使用 96 GB 中的約 72 GB；它的記憶體讀取速度為 1,200 GB/s，這決定了產生速度。搭載於：Mac Studio (M5 Max or M5 Ultra)。

順暢執行中最聰明的Qwen3.8 27B8 位元 · 28.7 GB · 19–33 tok/s順暢執行中最大的gpt-oss-120b原生 4.25 位元 · 65.3 GB · 200–356 tok/s適合寫程式Qwen3 Coder Next6 位元 · 65 GB · 225–400 tok/s

順暢執行 51

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 33.78 位元28.7 GB19–33
Nemotron 3.5 Bolt 74B A9B74B · 啟用 9B · 智慧 21.46 位元60.1 GB74–132
Qwen3.6 35B A3B35B · 啟用 3B · 智慧 18.28 位元37.2 GB169–300
Muse Glimmer 30B29.6B · 智慧 17.58 位元31.5 GB17–30
Gemma 4 31B30.7B · 智慧 14.78 位元32.6 GB17–29
Nemotron 3.5 Lightning 30B A3B30B · 啟用 3B · 智慧 12.98 位元31.9 GB169–300
Granite 4.2 30B30B · 智慧 12.78 位元31.9 GB17–30
MiniCPM5 2B2.52B · 智慧 12.58 位元2.7 GB200–356
gpt-oss-120b117B · 啟用 5.1B · 智慧 11.6原生 4.25 位元65.3 GB200–356
Qwen3.5 9B9B · 智慧 11.28 位元9.6 GB56–100
Granite 4.2 8B8B · 智慧 11.18 位元8.5 GB64–113
Qwen3 Coder Next80B · 啟用 3B · 智慧 9.26 位元65 GB225–400
Granite 4.2 3B3B · 智慧 9.18 位元3.2 GB169–300
gpt-oss-20b21B · 啟用 3.6B · 智慧 9原生 4.25 位元13.8 GB284–505
Nemotron 3 Nano 30B A3B30B · 啟用 3.5B · 智慧 8.98 位元31.9 GB146–259
Gemma 4 E4B8B · 智慧 8.98 位元8.5 GB113–200
Llama 4 Scout 17B-16E Instruct109B · 啟用 17B · 智慧 6.54 位元61.3 GB56–100
Ministral 3 8B8.9B · 智慧 5.58 位元9.5 GB57–101
Nemotron 3 Nano 4B3.97B · 智慧 4.88 位元4.2 GB129–229
GLM-4.5 Air106B · 啟用 12B4 位元59.6 GB79–141
Llama 3.3 70B Instruct70B4 位元39.4 GB14–24
Qwen3 Coder 30B A3B Instruct30.5B · 啟用 3.3B8 位元32.4 GB154–274
GLM-4.7 Flash30B · 啟用 3B8 位元31.9 GB169–300
Qwen3.6 27B27B8 位元28.7 GB19–33
Gemma 4 26B A4B25.2B · 啟用 3.8B8 位元26.8 GB135–240
Devstral Small 2 (24B)24B8 位元25.5 GB21–38
Magistral Small 1.2 (2509)24B8 位元25.5 GB21–38
Mistral Small 3.2 (24B)24B8 位元25.5 GB21–38
LFM2.5 24B A2B24B · 啟用 2B8 位元25.5 GB257–457
Phi-4 Reasoning Vision 15B15B8 位元15.9 GB34–60
Phi-4 (14B)14B8 位元14.9 GB36–64
Gemma 4 12B Unified12B8 位元12.7 GB43–76
Qwen3 8B8.2B8 位元8.7 GB62–110
Llama 3.1 8B Instruct8B8 位元8.5 GB64–113
Gemma 4 E2B5.1B8 位元5.4 GB225–400
Qwen3.5 4B4B8 位元4.3 GB126–223
Phi-4 mini instruct3.8B8 位元4 GB135–240
Llama 3.2 3B Instruct3.21B8 位元3.4 GB159–282
SmolLM3 3B3B8 位元3.2 GB169–300
LFM2.5 2.6B2.69B8 位元2.9 GB186–331
Qwen3.5 2B2B8 位元2.1 GB257–457
Llama 3.2 1B Instruct1.23B8 位元1.3 GB415–738
Qwen3.5 0.8B0.8B8 位元0.9 GB600–1067
Qwen3 0.6B0.6B8 位元0.6 GB900–1600
Qwen3.8 Flash Next180B · 啟用 6B · 智慧 39.82 位元 品質較低56.3 GB284–505
Qwen3.5 122B A10B122B · 啟用 10B · 智慧 15.63 位元 品質較低53.4 GB123–218
Mistral Medium 3.5 (128B)128B · 智慧 14.23 位元 品質較低56 GB10–17
Mistral Small 4 (119B)119B · 啟用 6.5B · 智慧 11.33 位元 品質較低52.1 GB193–343
Devstral 2 (123B)123B3 位元 品質較低53.8 GB10–18
Ornith 1.5 122B122B · 啟用 10B3 位元 品質較低53.4 GB123–218
Nemotron 3 Super 120B A12B120B · 啟用 12B3 位元 品質較低52.5 GB102–181

勉強放得下 1

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
MiniMax M2.7230B · 啟用 10B2 位元 品質較低71.9 GB174–310

太大 21

所需記憶體超過 96 GB，即使是 2 位元也不行。

其他 Mac

所有 96 GB 的 Mac，不限晶片。

記憶體更多或更少的 M5 Ultra：

相鄰晶片：

正面比較：

對比 PC 和顯示卡：

與任何 Mac 或 GPU 比較 · 用 M5 Ultra 執行本機 AI · 執行本機 LLM 的最佳 Mac · 所有 Mac

常見問題

96 GB 的 M5 Ultra 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：8 位元，每秒約 19–33 個 token。能順暢執行的最大模型是 gpt-oss-120b。
96 GB 的 M5 Ultra 能執行 Llama 3.3 70B 嗎？
可以：4 位元，每秒約 14–24 個 token。
gpt-oss-20b 在 M5 Ultra 上有多快？
每秒約 284–505 個 token（原生 4.25 位元），由晶片 1,200 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。

96 GB 的 M5 Ultra 能執行哪些 LLM？所有模型與速度