16 GB 的 M1 最适合运行哪个 LLM？

在公布了 Intelligence Index 的模型中，MiniCPM5 2B 是在这台 Mac 上流畅运行的模型里得分最高的：8 位，每秒约 11–20 个 token。能流畅运行的最大模型是 Gemma 4 E4B。

16 GB 的 M1 能运行 Llama 3.3 70B 吗？

不能：即使是 2 位，它也需要超过 GPU 默认可用的 12 GB。

gpt-oss-20b 在 M1 上有多快？

每秒约 19–34 个 token（3 位），由芯片 68 GB/s 的内存带宽决定。

16 GB 的 M1 能运行哪些 LLM？所有模型及速度

流畅运行 21

装得下，还留有上下文空间，每秒 10 个 token 以上。

模型	版本	内存	token/秒
MiniCPM5 2B2.52B · 智能 12.5	8 位	2.7 GB	11–20
Granite 4.2 3B3B · 智能 9.1	8 位	3.2 GB	10–17
Gemma 4 E4B8B · 智能 8.9	4 位	4.5 GB	12–22
Nemotron 3 Nano 4B3.97B · 智能 4.8	6 位	3.2 GB	10–17
Gemma 4 E2B5.1B	8 位	5.4 GB	13–23
Qwen3.5 4B4B	4 位	2.3 GB	13–24
Phi-4 mini instruct3.8B	6 位	3.1 GB	10–18
Llama 3.2 3B Instruct3.21B	6 位	2.6 GB	12–21
SmolLM3 3B3B	8 位	3.2 GB	10–17
LFM2.5 2.6B2.69B	8 位	2.9 GB	11–19
Qwen3.5 2B2B	8 位	2.1 GB	15–26
Llama 3.2 1B Instruct1.23B	8 位	1.3 GB	24–42
Qwen3.5 0.8B0.8B	8 位	0.9 GB	34–60
Qwen3 0.6B0.6B	8 位	0.6 GB	51–91
Nemotron 3.5 Lightning 30B A3B30B · 激活 3B · 智能 12.9	2 位质量较低	9.4 GB	34–60
gpt-oss-20b21B · 激活 3.6B · 智能 9	3 位质量较低	9.2 GB	19–34
Nemotron 3 Nano 30B A3B30B · 激活 3.5B · 智能 8.9	2 位质量较低	9.4 GB	28–49
Qwen3 Coder 30B A3B Instruct30.5B · 激活 3.3B	2 位质量较低	9.5 GB	31–54
GLM-4.7 Flash30B · 激活 3B	2 位质量较低	9.4 GB	34–60
Gemma 4 26B A4B25.2B · 激活 3.8B	2 位质量较低	7.9 GB	26–45
LFM2.5 24B A2B24B · 激活 2B	3 位质量较低	10.5 GB	34–60

能运行，但较慢 16

装得下，但每秒不到 10 个 token：适合批量任务，用来聊天会慢。

模型	版本	内存	token/秒
Qwen3.5 9B9B · 智能 11.2	8 位	9.6 GB	3–6
Granite 4.2 8B8B · 智能 11.1	8 位	8.5 GB	4–6
Ministral 3 8B8.9B · 智能 5.5	8 位	9.5 GB	3–6
Phi-4 Reasoning Vision 15B15B	4 位	8.4 GB	4–6
Phi-4 (14B)14B	4 位	7.9 GB	4–7
Gemma 4 12B Unified12B	6 位	9.7 GB	3–6
Qwen3 8B8.2B	8 位	8.7 GB	4–6
Llama 3.1 8B Instruct8B	8 位	8.5 GB	4–6
Qwen3.8 27B27B · 智能 33.7	2 位质量较低	8.4 GB	4–6
Muse Glimmer 30B29.6B · 智能 17.5	2 位质量较低	9.3 GB	3–6
Gemma 4 31B30.7B · 智能 14.7	2 位质量较低	9.6 GB	3–6
Granite 4.2 30B30B · 智能 12.7	2 位质量较低	9.4 GB	3–6
Qwen3.6 27B27B	2 位质量较低	8.4 GB	4–6
Devstral Small 2 (24B)24B	3 位质量较低	10.5 GB	3–5
Magistral Small 1.2 (2509)24B	3 位质量较低	10.5 GB	3–5
Mistral Small 3.2 (24B)24B	3 位质量较低	10.5 GB	3–5

勉强装得下 1

几乎占满内存：需要调高 GPU 内存上限，并保持较短的上下文。

模型	版本	内存	token/秒
Qwen3.6 35B A3B35B · 激活 3B · 智能 18.2	2 位质量较低	10.9 GB	34–60

其他 Mac

所有 16 GB 的 Mac，不限芯片。

内存更多或更少的 M1：

8 GB14 个流畅运行

相邻芯片：

正面对比：

与任意 Mac 或 GPU 对比 · 用 M1 运行本地 AI · 运行本地 LLM 的最佳 Mac · 所有 Mac

常见问题

16 GB 的 M1 最适合运行哪个 LLM？: 在公布了 Intelligence Index 的模型中，MiniCPM5 2B 是在这台 Mac 上流畅运行的模型里得分最高的：8 位，每秒约 11–20 个 token。能流畅运行的最大模型是 Gemma 4 E4B。
16 GB 的 M1 能运行 Llama 3.3 70B 吗？: 不能：即使是 2 位，它也需要超过 GPU 默认可用的 12 GB。
gpt-oss-20b 在 M1 上有多快？: 每秒约 19–34 个 token（3 位），由芯片 68 GB/s 的内存带宽决定。

可以用 MLX Harness（免费、开源）运行，也可以在终端中使用 Apple 的 mlx-lm：分步指南。

计算方法

内存：模型参数按每个权重 8、6、4、3 或 2 位计算，加上 MLX 的分组缩放（每个权重半位），或按其原生格式计算，再留出上下文空间。macOS 默认允许 GPU 使用约 75% 的统一内存。速度：内存带宽除以每个 token 读取的字节数，就是单个对话的上限；在 llama.cpp 的 Apple Silicon 公开基准测试中，实际运行可达这个上限的约 45% 到 80%，本页显示的就是这个范围。这些是估算值，不是实测值：可以在 MLX Bench 上测量你自己的 Mac。模型数据来自各模型的官方模型卡，芯片数据来自 Apple 的技术规格。核对于 2026-10-19。数据与 mlx.app/compare 相同。

16 GB 的 M1 能运行什么？