流畅运行 14
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 | 6 位 | 4.1 GB | 16–29 |
| 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 |
能运行，但较慢 7
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 |
|---|---|---|---|
| Granite 4.2 8B8B · 智能 11.1 | 4 位 | 4.5 GB | 7–12 |
| Llama 3.1 8B Instruct8B | 4 位 | 4.5 GB | 7–12 |
| Qwen3.5 9B9B · 智能 11.2 | 3 位 质量较低 | 3.9 GB | 8–14 |
| Ministral 3 8B8.9B · 智能 5.5 | 3 位 质量较低 | 3.9 GB | 8–14 |
| Phi-4 (14B)14B | 2 位 质量较低 | 4.4 GB | 7–12 |
| Gemma 4 12B Unified12B | 2 位 质量较低 | 3.7 GB | 8–15 |
| Qwen3 8B8.2B | 3 位 质量较低 | 3.6 GB | 9–15 |
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 |
|---|---|---|---|
| Phi-4 Reasoning Vision 15B15B | 2 位 质量较低 | 4.7 GB | 7–12 |
太大 51
所需内存超过 8 GB，即使是 2 位也不行。
- MiMo V2.6 Pro1,020B
- Kimi K32,800B
- MiMo V2.6 Flash309B
- Kimi K2.7 Code1,000B
- gpt-oss-120b117B
- gpt-oss-20b21B
- Kimi K2.61,000B
- DeepSeek V4.1 Flash 1017552B
- GLM-5.3744B
- GLM-5.3 Flash320B
- Qwen3.8 2.4T A95B2,400B
- Qwen3.8 Flash Next180B
- Muse Spark Open816B
- DeepSeek V4 Pro 08131,600B
- Qwen3.8 27B27B
- Beam 1.0501B
- MiniMax M3428B
- Inkling Small276B
- Hy3295B
- Inkling975B
- Nemotron 3 Ultra 550B A55B550B
- Nemotron 3.5 Bolt 74B A9B74B
- Qwen3.5 397B A17B397B
- Qwen3.6 35B A3B35B
- Muse Glimmer 30B29.6B
- Qwen3.5 122B A10B122B
- Gemma 4 31B30.7B
- Mistral Medium 3.5 (128B)128B
- Nemotron 3.5 Lightning 30B A3B30B
- Granite 4.2 30B30B
- Mistral Small 4 (119B)119B
- Llama 4 Maverick 17B-128E Instruct400B
- Qwen3 Coder Next80B
- Nemotron 3 Nano 30B A3B30B
- Llama 4 Scout 17B-16E Instruct109B
- Mistral Large 3 (675B)675B
- DeepSeek V4 Flash 0731284B
- MiniMax M2.7230B
- Devstral 2 (123B)123B
- Ornith 1.5 122B122B
- Nemotron 3 Super 120B A12B120B
- GLM-4.5 Air106B
- Llama 3.3 70B Instruct70B
- Qwen3 Coder 30B A3B Instruct30.5B
- GLM-4.7 Flash30B
- Qwen3.6 27B27B
- Gemma 4 26B A4B25.2B
- Devstral Small 2 (24B)24B
- Magistral Small 1.2 (2509)24B
- Mistral Small 3.2 (24B)24B
- LFM2.5 24B A2B24B
其他 Mac
所有 8 GB 的 Mac，不限芯片。
内存更多或更少的 M1：
相邻芯片：
正面对比：
常见问题
- 8 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。
- 8 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 6 GB。
- gpt-oss-20b 在 M1 上有多快？
- 8 GB 装不下它。
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。