登录创建钱包

32 GB 的 M2 Pro 能运行什么？

73 个开放模型中有 30 个能在它上面流畅运行。默认情况下，GPU 可以使用 32 GB 中的约 24 GB；它的内存读取速度为 200 GB/s，这决定了生成速度。搭载于：MacBook Pro (14-inch, 2023), MacBook Pro (16-inch, 2023), Mac mini (2023)。

流畅运行中最聪明的Qwen3.6 35B A3B4 位 · 19.7 GB · 53–94 tok/s流畅运行中最大的Qwen3.6 35B A3B4 位 · 19.7 GB · 53–94 tok/s适合写代码Qwen3 Coder 30B A3B Instruct4 位 · 17.2 GB · 47–84 tok/s

流畅运行 30

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
Qwen3.6 35B A3B35B · 激活 3B · 智能 18.24 位19.7 GB53–94
Nemotron 3.5 Lightning 30B A3B30B · 激活 3B · 智能 12.94 位16.9 GB53–94
MiniCPM5 2B2.52B · 智能 12.58 位2.7 GB33–59
Qwen3.5 9B9B · 智能 11.26 位7.3 GB12–22
Granite 4.2 8B8B · 智能 11.18 位8.5 GB11–19
Granite 4.2 3B3B · 智能 9.18 位3.2 GB28–50
gpt-oss-20b21B · 激活 3.6B · 智能 9原生 4.25 位13.8 GB47–84
Nemotron 3 Nano 30B A3B30B · 激活 3.5B · 智能 8.94 位16.9 GB45–80
Gemma 4 E4B8B · 智能 8.98 位8.5 GB19–33
Ministral 3 8B8.9B · 智能 5.56 位7.2 GB13–22
Nemotron 3 Nano 4B3.97B · 智能 4.88 位4.2 GB21–38
Qwen3 Coder 30B A3B Instruct30.5B · 激活 3.3B4 位17.2 GB47–84
GLM-4.7 Flash30B · 激活 3B4 位16.9 GB53–94
Gemma 4 26B A4B25.2B · 激活 3.8B6 位20.5 GB29–52
LFM2.5 24B A2B24B · 激活 2B6 位19.5 GB56–100
Phi-4 Reasoning Vision 15B15B4 位8.4 GB11–19
Phi-4 (14B)14B4 位7.9 GB11–20
Gemma 4 12B Unified12B4 位6.7 GB13–24
Qwen3 8B8.2B8 位8.7 GB10–18
Llama 3.1 8B Instruct8B8 位8.5 GB11–19
Gemma 4 E2B5.1B8 位5.4 GB38–67
Qwen3.5 4B4B8 位4.3 GB21–37
Phi-4 mini instruct3.8B8 位4 GB23–40
Llama 3.2 3B Instruct3.21B8 位3.4 GB26–47
SmolLM3 3B3B8 位3.2 GB28–50
LFM2.5 2.6B2.69B8 位2.9 GB31–55
Qwen3.5 2B2B8 位2.1 GB43–76
Llama 3.2 1B Instruct1.23B8 位1.3 GB69–123
Qwen3.5 0.8B0.8B8 位0.9 GB100–178
Qwen3 0.6B0.6B8 位0.6 GB150–267

能运行，但较慢 9

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
Qwen3.8 27B27B · 智能 33.76 位21.9 GB4–7
Muse Glimmer 30B29.6B · 智能 17.54 位16.7 GB5–10
Gemma 4 31B30.7B · 智能 14.74 位17.3 GB5–9
Granite 4.2 30B30B · 智能 12.74 位16.9 GB5–9
Qwen3.6 27B27B6 位21.9 GB4–7
Devstral Small 2 (24B)24B6 位19.5 GB5–8
Magistral Small 1.2 (2509)24B6 位19.5 GB5–8
Mistral Small 3.2 (24B)24B6 位19.5 GB5–8
Llama 3.3 70B Instruct70B2 位 质量较低21.9 GB4–7

勉强装得下 2

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
Nemotron 3.5 Bolt 74B A9B74B · 激活 9B · 智能 21.42 位 质量较低23.1 GB32–57
Qwen3 Coder Next80B · 激活 3B · 智能 9.22 位 质量较低25 GB100–178

太大 32

所需内存超过 32 GB，即使是 2 位也不行。

其他 Mac

所有 32 GB 的 Mac，不限芯片。

内存更多或更少的 M2 Pro：

相邻芯片：

正面对比：

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

常见问题

32 GB 的 M2 Pro 最适合运行哪个 LLM？
在公布了 Intelligence Index 的模型中，Qwen3.6 35B A3B 是在这台 Mac 上流畅运行的模型里得分最高的：4 位，每秒约 53–94 个 token。
32 GB 的 M2 Pro 能运行 Llama 3.3 70B 吗？
可以，但较慢：2 位（质量较低），每秒约 4–7 个 token。
gpt-oss-20b 在 M2 Pro 上有多快？
每秒约 47–84 个 token（原生 4.25 位），由芯片 200 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。

32 GB 的 M2 Pro 能运行哪些 LLM？所有模型及速度