登录创建钱包

128 GB 的 M1 Ultra 能运行什么？

73 个开放模型中有 47 个能在它上面流畅运行。默认情况下，GPU 可以使用 128 GB 中的约 96 GB；它的内存读取速度为 800 GB/s，这决定了生成速度。搭载于：Mac Studio (2022)。

流畅运行中最聪明的Qwen3.8 27B8 位 · 28.7 GB · 13–22 tok/s流畅运行中最大的Qwen3.5 122B A10B4 位 · 68.6 GB · 64–114 tok/s适合写代码Qwen3 Coder Next8 位 · 85 GB · 113–200 tok/s

流畅运行 51

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
Qwen3.8 27B27B · 智能 33.78 位28.7 GB13–22
Nemotron 3.5 Bolt 74B A9B74B · 激活 9B · 智能 21.48 位78.6 GB38–67
Qwen3.6 35B A3B35B · 激活 3B · 智能 18.28 位37.2 GB113–200
Muse Glimmer 30B29.6B · 智能 17.58 位31.5 GB11–20
Qwen3.5 122B A10B122B · 激活 10B · 智能 15.64 位68.6 GB64–114
Gemma 4 31B30.7B · 智能 14.78 位32.6 GB11–20
Nemotron 3.5 Lightning 30B A3B30B · 激活 3B · 智能 12.98 位31.9 GB113–200
Granite 4.2 30B30B · 智能 12.78 位31.9 GB11–20
MiniCPM5 2B2.52B · 智能 12.58 位2.7 GB133–237
gpt-oss-120b117B · 激活 5.1B · 智能 11.6原生 4.25 位65.3 GB133–237
Mistral Small 4 (119B)119B · 激活 6.5B · 智能 11.34 位66.9 GB97–173
Qwen3.5 9B9B · 智能 11.28 位9.6 GB38–67
Granite 4.2 8B8B · 智能 11.18 位8.5 GB42–75
Qwen3 Coder Next80B · 激活 3B · 智能 9.28 位85 GB113–200
Granite 4.2 3B3B · 智能 9.18 位3.2 GB113–200
gpt-oss-20b21B · 激活 3.6B · 智能 9原生 4.25 位13.8 GB189–337
Nemotron 3 Nano 30B A3B30B · 激活 3.5B · 智能 8.98 位31.9 GB97–173
Gemma 4 E4B8B · 智能 8.98 位8.5 GB75–133
Llama 4 Scout 17B-16E Instruct109B · 激活 17B · 智能 6.56 位88.6 GB26–46
Ministral 3 8B8.9B · 智能 5.58 位9.5 GB38–67
Nemotron 3 Nano 4B3.97B · 智能 4.88 位4.2 GB86–152
Ornith 1.5 122B122B · 激活 10B4 位68.6 GB64–114
Nemotron 3 Super 120B A12B120B · 激活 12B4 位67.5 GB53–94
GLM-4.5 Air106B · 激活 12B6 位86.1 GB37–65
Qwen3 Coder 30B A3B Instruct30.5B · 激活 3.3B8 位32.4 GB103–183
GLM-4.7 Flash30B · 激活 3B8 位31.9 GB113–200
Qwen3.6 27B27B8 位28.7 GB13–22
Gemma 4 26B A4B25.2B · 激活 3.8B8 位26.8 GB90–160
Devstral Small 2 (24B)24B8 位25.5 GB14–25
Magistral Small 1.2 (2509)24B8 位25.5 GB14–25
Mistral Small 3.2 (24B)24B8 位25.5 GB14–25
LFM2.5 24B A2B24B · 激活 2B8 位25.5 GB171–305
Phi-4 Reasoning Vision 15B15B8 位15.9 GB23–40
Phi-4 (14B)14B8 位14.9 GB24–43
Gemma 4 12B Unified12B8 位12.7 GB28–50
Qwen3 8B8.2B8 位8.7 GB41–74
Llama 3.1 8B Instruct8B8 位8.5 GB42–75
Gemma 4 E2B5.1B8 位5.4 GB150–267
Qwen3.5 4B4B8 位4.3 GB84–149
Phi-4 mini instruct3.8B8 位4 GB90–160
Llama 3.2 3B Instruct3.21B8 位3.4 GB106–188
SmolLM3 3B3B8 位3.2 GB113–200
LFM2.5 2.6B2.69B8 位2.9 GB124–221
Qwen3.5 2B2B8 位2.1 GB171–305
Llama 3.2 1B Instruct1.23B8 位1.3 GB277–492
Qwen3.5 0.8B0.8B8 位0.9 GB400–711
Qwen3 0.6B0.6B8 位0.6 GB600–1067
Qwen3.8 Flash Next180B · 激活 6B · 智能 39.83 位 质量较低78.8 GB138–246
Inkling Small276B · 激活 12B · 智能 25.72 位 质量较低86.3 GB95–168
DeepSeek V4 Flash 0731284B · 激活 13B2 位 质量较低88.8 GB88–156
MiniMax M2.7230B · 激活 10B2 位 质量较低71.9 GB116–206

能运行，但较慢 3

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
Mistral Medium 3.5 (128B)128B · 智能 14.24 位72 GB5–9
Devstral 2 (123B)123B4 位69.2 GB5–9
Llama 3.3 70B Instruct70B8 位74.4 GB5–9

勉强装得下 3

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
GLM-5.3 Flash320B · 激活 18B · 智能 41.82 位 质量较低100 GB64–114
MiMo V2.6 Flash309B · 激活 15B · 智能 37.92 位 质量较低96.6 GB77–136
Hy3295B · 激活 21B · 智能 25.32 位 质量较低92.2 GB55–97

太大 16

所需内存超过 128 GB，即使是 2 位也不行。

其他 Mac

所有 128 GB 的 Mac，不限芯片。

内存更多或更少的 M1 Ultra：

相邻芯片：

正面对比：

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

常见问题

128 GB 的 M1 Ultra 最适合运行哪个 LLM？
在公布了 Intelligence Index 的模型中，Qwen3.8 27B 是在这台 Mac 上流畅运行的模型里得分最高的：8 位，每秒约 13–22 个 token。能流畅运行的最大模型是 Qwen3.5 122B A10B。
128 GB 的 M1 Ultra 能运行 Llama 3.3 70B 吗？
可以，但较慢：8 位，每秒约 5–9 个 token。
gpt-oss-20b 在 M1 Ultra 上有多快？
每秒约 189–337 个 token（原生 4.25 位），由芯片 800 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。

128 GB 的 M1 Ultra 能运行哪些 LLM？所有模型及速度