96 GB 的 M2 Max 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：4 位，每秒约 12–21 个 token。能流畅运行的最大模型是 gpt-oss-120b。

96 GB 的 M2 Max 能运行 Llama 3.3 70B 吗？

可以，但较慢：6 位，每秒约 3–6 个 token。

gpt-oss-20b 在 M2 Max 上有多快？

每秒约 95–168 个 token（原生 4.25 位），由芯片 400 GB/s 的内存带宽决定。

96 GB 的 M2 Max 能运行哪些 LLM？所有模型及速度

流畅运行 48

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 33.7	4 位	15.2 GB	12–21
Nemotron 3.5 Bolt 74B A9B74B · 激活 9B · 智能 21.4	6 位	60.1 GB	25–44
Qwen3.6 35B A3B35B · 激活 3B · 智能 18.2	8 位	37.2 GB	56–100
Muse Glimmer 30B29.6B · 智能 17.5	4 位	16.7 GB	11–19
Gemma 4 31B30.7B · 智能 14.7	4 位	17.3 GB	10–18
Nemotron 3.5 Lightning 30B A3B30B · 激活 3B · 智能 12.9	8 位	31.9 GB	56–100
Granite 4.2 30B30B · 智能 12.7	4 位	16.9 GB	11–19
MiniCPM5 2B2.52B · 智能 12.5	8 位	2.7 GB	67–119
gpt-oss-120b117B · 激活 5.1B · 智能 11.6	原生 4.25 位	65.3 GB	67–119
Qwen3.5 9B9B · 智能 11.2	8 位	9.6 GB	19–33
Granite 4.2 8B8B · 智能 11.1	8 位	8.5 GB	21–38
Qwen3 Coder Next80B · 激活 3B · 智能 9.2	6 位	65 GB	75–133
Granite 4.2 3B3B · 智能 9.1	8 位	3.2 GB	56–100
gpt-oss-20b21B · 激活 3.6B · 智能 9	原生 4.25 位	13.8 GB	95–168
Nemotron 3 Nano 30B A3B30B · 激活 3.5B · 智能 8.9	8 位	31.9 GB	49–86
Gemma 4 E4B8B · 智能 8.9	8 位	8.5 GB	38–67
Llama 4 Scout 17B-16E Instruct109B · 激活 17B · 智能 6.5	4 位	61.3 GB	19–33
Ministral 3 8B8.9B · 智能 5.5	8 位	9.5 GB	19–34
Nemotron 3 Nano 4B3.97B · 智能 4.8	8 位	4.2 GB	43–76
GLM-4.5 Air106B · 激活 12B	4 位	59.6 GB	26–47
Qwen3 Coder 30B A3B Instruct30.5B · 激活 3.3B	8 位	32.4 GB	51–91
GLM-4.7 Flash30B · 激活 3B	8 位	31.9 GB	56–100
Qwen3.6 27B27B	4 位	15.2 GB	12–21
Gemma 4 26B A4B25.2B · 激活 3.8B	8 位	26.8 GB	45–80
Devstral Small 2 (24B)24B	4 位	13.5 GB	13–24
Magistral Small 1.2 (2509)24B	4 位	13.5 GB	13–24
Mistral Small 3.2 (24B)24B	4 位	13.5 GB	13–24
LFM2.5 24B A2B24B · 激活 2B	8 位	25.5 GB	86–152
Phi-4 Reasoning Vision 15B15B	8 位	15.9 GB	11–20
Phi-4 (14B)14B	8 位	14.9 GB	12–21
Gemma 4 12B Unified12B	8 位	12.7 GB	14–25
Qwen3 8B8.2B	8 位	8.7 GB	21–37
Llama 3.1 8B Instruct8B	8 位	8.5 GB	21–38
Gemma 4 E2B5.1B	8 位	5.4 GB	75–133
Qwen3.5 4B4B	8 位	4.3 GB	42–74
Phi-4 mini instruct3.8B	8 位	4 GB	45–80
Llama 3.2 3B Instruct3.21B	8 位	3.4 GB	53–94
SmolLM3 3B3B	8 位	3.2 GB	56–100
LFM2.5 2.6B2.69B	8 位	2.9 GB	62–110
Qwen3.5 2B2B	8 位	2.1 GB	86–152
Llama 3.2 1B Instruct1.23B	8 位	1.3 GB	138–246
Qwen3.5 0.8B0.8B	8 位	0.9 GB	200–356
Qwen3 0.6B0.6B	8 位	0.6 GB	300–533
Qwen3.8 Flash Next180B · 激活 6B · 智能 39.8	2 位质量较低	56.3 GB	95–168
Qwen3.5 122B A10B122B · 激活 10B · 智能 15.6	3 位质量较低	53.4 GB	41–73
Mistral Small 4 (119B)119B · 激活 6.5B · 智能 11.3	3 位质量较低	52.1 GB	64–114
Ornith 1.5 122B122B · 激活 10B	3 位质量较低	53.4 GB	41–73
Nemotron 3 Super 120B A12B120B · 激活 12B	3 位质量较低	52.5 GB	34–60

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
Llama 3.3 70B Instruct70B	6 位	56.9 GB	3–6
Mistral Medium 3.5 (128B)128B · 智能 14.2	3 位质量较低	56 GB	3–6
Devstral 2 (123B)123B	3 位质量较低	53.8 GB	3–6

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
MiniMax M2.7230B · 激活 10B	2 位质量较低	71.9 GB	58–103

其他 Mac

所有 96 GB 的 Mac，不限芯片。

内存更多或更少的 M2 Max：

相邻芯片：

正面对比：

与任意 Mac 或 GPU 对比 · 用 M2 Max 运行本地 AI · 运行本地 LLM 的最佳 Mac · 所有 Mac

常见问题

96 GB 的 M2 Max 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：4 位，每秒约 12–21 个 token。能流畅运行的最大模型是 gpt-oss-120b。
96 GB 的 M2 Max 能运行 Llama 3.3 70B 吗？: 可以，但较慢：6 位，每秒约 3–6 个 token。
gpt-oss-20b 在 M2 Max 上有多快？: 每秒约 95–168 个 token（原生 4.25 位），由芯片 400 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。

96 GB 的 M2 Max 能运行什么？