登录创建钱包

64 GB 的 M5 Max 能运行什么？

73 个开放模型中有 39 个能在它上面流畅运行。默认情况下，GPU 可以使用 64 GB 中的约 48 GB；它的内存读取速度为 614 GB/s，这决定了生成速度。搭载于：MacBook Pro (14-inch, M5 Pro or M5 Max), MacBook Pro (16-inch, M5 Pro or M5 Max), Mac Studio (M5 Max or M5 Ultra)。

流畅运行中最聪明的Qwen3.8 27B8 位 · 28.7 GB · 10–17 tok/s流畅运行中最大的Nemotron 3.5 Bolt 74B A9B4 位 · 41.6 GB · 54–96 tok/s适合写代码Qwen3 Coder 30B A3B Instruct8 位 · 32.4 GB · 79–140 tok/s

流畅运行 47

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 GB10–17
Nemotron 3.5 Bolt 74B A9B74B · 激活 9B · 智能 21.44 位41.6 GB54–96
Qwen3.6 35B A3B35B · 激活 3B · 智能 18.28 位37.2 GB86–154
Muse Glimmer 30B29.6B · 智能 17.56 位24.1 GB11–20
Gemma 4 31B30.7B · 智能 14.76 位24.9 GB11–20
Nemotron 3.5 Lightning 30B A3B30B · 激活 3B · 智能 12.98 位31.9 GB86–154
Granite 4.2 30B30B · 智能 12.76 位24.4 GB11–20
MiniCPM5 2B2.52B · 智能 12.58 位2.7 GB102–182
Qwen3.5 9B9B · 智能 11.28 位9.6 GB29–51
Granite 4.2 8B8B · 智能 11.18 位8.5 GB33–58
Granite 4.2 3B3B · 智能 9.18 位3.2 GB86–154
gpt-oss-20b21B · 激活 3.6B · 智能 9原生 4.25 位13.8 GB145–259
Nemotron 3 Nano 30B A3B30B · 激活 3.5B · 智能 8.98 位31.9 GB75–133
Gemma 4 E4B8B · 智能 8.98 位8.5 GB58–102
Ministral 3 8B8.9B · 智能 5.58 位9.5 GB29–52
Nemotron 3 Nano 4B3.97B · 智能 4.88 位4.2 GB66–117
Qwen3 Coder 30B A3B Instruct30.5B · 激活 3.3B8 位32.4 GB79–140
GLM-4.7 Flash30B · 激活 3B8 位31.9 GB86–154
Qwen3.6 27B27B8 位28.7 GB10–17
Gemma 4 26B A4B25.2B · 激活 3.8B8 位26.8 GB69–123
Devstral Small 2 (24B)24B8 位25.5 GB11–19
Magistral Small 1.2 (2509)24B8 位25.5 GB11–19
Mistral Small 3.2 (24B)24B8 位25.5 GB11–19
LFM2.5 24B A2B24B · 激活 2B8 位25.5 GB132–234
Phi-4 Reasoning Vision 15B15B8 位15.9 GB17–31
Phi-4 (14B)14B8 位14.9 GB19–33
Gemma 4 12B Unified12B8 位12.7 GB22–39
Qwen3 8B8.2B8 位8.7 GB32–56
Llama 3.1 8B Instruct8B8 位8.5 GB33–58
Gemma 4 E2B5.1B8 位5.4 GB115–205
Qwen3.5 4B4B8 位4.3 GB64–114
Phi-4 mini instruct3.8B8 位4 GB69–123
Llama 3.2 3B Instruct3.21B8 位3.4 GB81–144
SmolLM3 3B3B8 位3.2 GB86–154
LFM2.5 2.6B2.69B8 位2.9 GB95–169
Qwen3.5 2B2B8 位2.1 GB132–234
Llama 3.2 1B Instruct1.23B8 位1.3 GB213–378
Qwen3.5 0.8B0.8B8 位0.9 GB307–546
Qwen3 0.6B0.6B8 位0.6 GB461–819
Qwen3.5 122B A10B122B · 激活 10B · 智能 15.62 位 质量较低38.1 GB89–158
gpt-oss-120b117B · 激活 5.1B · 智能 11.62 位 质量较低36.6 GB173–307
Mistral Small 4 (119B)119B · 激活 6.5B · 智能 11.32 位 质量较低37.2 GB138–246
Qwen3 Coder Next80B · 激活 3B · 智能 9.23 位 质量较低35 GB213–378
Llama 4 Scout 17B-16E Instruct109B · 激活 17B · 智能 6.52 位 质量较低34.1 GB52–93
Ornith 1.5 122B122B · 激活 10B2 位 质量较低38.1 GB89–158
Nemotron 3 Super 120B A12B120B · 激活 12B2 位 质量较低37.5 GB73–129
GLM-4.5 Air106B · 激活 12B2 位 质量较低33.1 GB73–129

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 Instruct70B4 位39.4 GB7–12
Mistral Medium 3.5 (128B)128B · 智能 14.22 位 质量较低40 GB7–12
Devstral 2 (123B)123B2 位 质量较低38.4 GB7–13

太大 23

所需内存超过 64 GB，即使是 2 位也不行。

其他 Mac

所有 64 GB 的 Mac，不限芯片。

内存更多或更少的 M5 Max：

相邻芯片：

正面对比：

对比 PC 和显卡：

与任意 Mac 或 GPU 对比 · 用 M5 Max 运行本地 AI · 运行本地 LLM 的最佳 Mac · 所有 Mac

常见问题

64 GB 的 M5 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：8 位，每秒约 10–17 个 token。能流畅运行的最大模型是 Nemotron 3.5 Bolt 74B A9B。
64 GB 的 M5 Max 能运行 Llama 3.3 70B 吗？
可以，但较慢：4 位，每秒约 7–12 个 token。
gpt-oss-20b 在 M5 Max 上有多快？
每秒约 145–259 个 token（原生 4.25 位），由芯片 614 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。

64 GB 的 M5 Max 能运行哪些 LLM？所有模型及速度