登录创建钱包

96 GB 的 M5 Ultra 能运行什么？

73 个开放模型中有 44 个能在它上面流畅运行。默认情况下，GPU 可以使用 96 GB 中的约 72 GB；它的内存读取速度为 1,200 GB/s，这决定了生成速度。搭载于：Mac Studio (M5 Max or M5 Ultra)。

流畅运行中最聪明的Qwen3.8 27B8 位 · 28.7 GB · 19–33 tok/s流畅运行中最大的gpt-oss-120b原生 4.25 位 · 65.3 GB · 200–356 tok/s适合写代码Qwen3 Coder Next6 位 · 65 GB · 225–400 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 GB19–33
Nemotron 3.5 Bolt 74B A9B74B · 激活 9B · 智能 21.46 位60.1 GB74–132
Qwen3.6 35B A3B35B · 激活 3B · 智能 18.28 位37.2 GB169–300
Muse Glimmer 30B29.6B · 智能 17.58 位31.5 GB17–30
Gemma 4 31B30.7B · 智能 14.78 位32.6 GB17–29
Nemotron 3.5 Lightning 30B A3B30B · 激活 3B · 智能 12.98 位31.9 GB169–300
Granite 4.2 30B30B · 智能 12.78 位31.9 GB17–30
MiniCPM5 2B2.52B · 智能 12.58 位2.7 GB200–356
gpt-oss-120b117B · 激活 5.1B · 智能 11.6原生 4.25 位65.3 GB200–356
Qwen3.5 9B9B · 智能 11.28 位9.6 GB56–100
Granite 4.2 8B8B · 智能 11.18 位8.5 GB64–113
Qwen3 Coder Next80B · 激活 3B · 智能 9.26 位65 GB225–400
Granite 4.2 3B3B · 智能 9.18 位3.2 GB169–300
gpt-oss-20b21B · 激活 3.6B · 智能 9原生 4.25 位13.8 GB284–505
Nemotron 3 Nano 30B A3B30B · 激活 3.5B · 智能 8.98 位31.9 GB146–259
Gemma 4 E4B8B · 智能 8.98 位8.5 GB113–200
Llama 4 Scout 17B-16E Instruct109B · 激活 17B · 智能 6.54 位61.3 GB56–100
Ministral 3 8B8.9B · 智能 5.58 位9.5 GB57–101
Nemotron 3 Nano 4B3.97B · 智能 4.88 位4.2 GB129–229
GLM-4.5 Air106B · 激活 12B4 位59.6 GB79–141
Llama 3.3 70B Instruct70B4 位39.4 GB14–24
Qwen3 Coder 30B A3B Instruct30.5B · 激活 3.3B8 位32.4 GB154–274
GLM-4.7 Flash30B · 激活 3B8 位31.9 GB169–300
Qwen3.6 27B27B8 位28.7 GB19–33
Gemma 4 26B A4B25.2B · 激活 3.8B8 位26.8 GB135–240
Devstral Small 2 (24B)24B8 位25.5 GB21–38
Magistral Small 1.2 (2509)24B8 位25.5 GB21–38
Mistral Small 3.2 (24B)24B8 位25.5 GB21–38
LFM2.5 24B A2B24B · 激活 2B8 位25.5 GB257–457
Phi-4 Reasoning Vision 15B15B8 位15.9 GB34–60
Phi-4 (14B)14B8 位14.9 GB36–64
Gemma 4 12B Unified12B8 位12.7 GB43–76
Qwen3 8B8.2B8 位8.7 GB62–110
Llama 3.1 8B Instruct8B8 位8.5 GB64–113
Gemma 4 E2B5.1B8 位5.4 GB225–400
Qwen3.5 4B4B8 位4.3 GB126–223
Phi-4 mini instruct3.8B8 位4 GB135–240
Llama 3.2 3B Instruct3.21B8 位3.4 GB159–282
SmolLM3 3B3B8 位3.2 GB169–300
LFM2.5 2.6B2.69B8 位2.9 GB186–331
Qwen3.5 2B2B8 位2.1 GB257–457
Llama 3.2 1B Instruct1.23B8 位1.3 GB415–738
Qwen3.5 0.8B0.8B8 位0.9 GB600–1067
Qwen3 0.6B0.6B8 位0.6 GB900–1600
Qwen3.8 Flash Next180B · 激活 6B · 智能 39.82 位 质量较低56.3 GB284–505
Qwen3.5 122B A10B122B · 激活 10B · 智能 15.63 位 质量较低53.4 GB123–218
Mistral Medium 3.5 (128B)128B · 智能 14.23 位 质量较低56 GB10–17
Mistral Small 4 (119B)119B · 激活 6.5B · 智能 11.33 位 质量较低52.1 GB193–343
Devstral 2 (123B)123B3 位 质量较低53.8 GB10–18
Ornith 1.5 122B122B · 激活 10B3 位 质量较低53.4 GB123–218
Nemotron 3 Super 120B A12B120B · 激活 12B3 位 质量较低52.5 GB102–181

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 10B2 位 质量较低71.9 GB174–310

太大 21

所需内存超过 96 GB，即使是 2 位也不行。

其他 Mac

所有 96 GB 的 Mac，不限芯片。

内存更多或更少的 M5 Ultra：

相邻芯片：

正面对比：

对比 PC 和显卡：

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

常见问题

96 GB 的 M5 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 19–33 个 token。能流畅运行的最大模型是 gpt-oss-120b。
96 GB 的 M5 Ultra 能运行 Llama 3.3 70B 吗？
可以：4 位，每秒约 14–24 个 token。
gpt-oss-20b 在 M5 Ultra 上有多快？
每秒约 284–505 个 token（原生 4.25 位），由芯片 1,200 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。

96 GB 的 M5 Ultra 能运行哪些 LLM？所有模型及速度