Apple M4에서 Qwen3 30B-A3B (2507) 돌릴 수 있을까?

쾌적Q4_K_M 파일이 통합 메모리에 올라갑니다. GPU가 쓸 수 있는 22.4GB 중 19.9GB를 씁니다. 판정: 쾌적, 속도: 추정 29.8 tok/s (23.8–35.7, 보정된 추정 ±20%).

통합 메모리: 기본 설정에서는 GPU가 약 70%까지 쓸 수 있습니다오픈 라이선스 · Apache-2.0 커뮤니티 GGUF · unsloth

통합 메모리 32GB · 120.0 GB/s · FP16 3.8 TFLOPS. 8k 컨텍스트와 f16 KV 캐시를 기준으로 계산했습니다. 판정은 메모리 용량별로 보여 줍니다.

메모리 용량별 판정

이 페이지는 32GB 구성 기준입니다. 다른 용량은 아래와 같습니다.

16GB불가Q4_K_M: 메모리에 안 들어감
24GB겨우 가능추정 18.3 tok/s (12.8–23.8, 이론 추정 ±30%)Q2_K (품질 손실 큼): 쾌적
32GB쾌적추정 29.8 tok/s (23.8–35.7, 보정된 추정 ±20%)(이 페이지 기준)

Apple M4에서 Qwen3 30B-A3B (2507): 양자화별 판정

등록된 GGUF 파일 4개, 작은 파일부터, 8k 컨텍스트 기준
양자화	파일 크기	판정	속도	메모리	실행 방식	참고
Q2_K	11.26GB	쾌적	추정 37.0 tok/s29.6–44.4보정된 추정 ±20%	12.6 / 22.4GB	통합 메모리	—
IQ4_XS	16.38GB	쾌적	추정 31.3 tok/s25.1–37.6보정된 추정 ±20%	17.8 / 22.4GB	통합 메모리	—
Q4_K_M기준	18.56GB	쾌적	추정 29.8 tok/s23.8–35.7보정된 추정 ±20%	19.9 / 22.4GB	통합 메모리	—
Q8_0	32.48GB	불가	—	약 33.9GB가 필요한데, 여유 메모리는 28.0GB입니다(GPU가 쓸 수 있는 양 22.4GB).	—	—

Q4_K_M 기준 메모리 사용 내역

가중치·KV 캐시·연산 버퍼는 모델이 쓰고, OS 예약은 화면 출력 드라이버가 씁니다.

통합 메모리

가중치: 18.6GB
KV 캐시: 0.8GB
연산 버퍼: 0.6GB
여유: 2.5GB
GPU가 못 쓰는 영역: 9.6GB

컨텍스트 길이와 KV 캐시

컨텍스트: 8k

KV 캐시f16q8_0q4_0

Q4_K_M 기준으로 컨텍스트 길이와 KV 캐시 종류에 따른 필요 메모리, 판정, 예상 tok/s를 보여 줍니다.
컨텍스트	KV f16	KV q8_0	KV q4_0
4k	19.5GB쾌적 추정 34.3 tok/s27.4–41.1보정된 추정 ±20%	19.3GB쾌적 추정 36.8 tok/s29.5–44.2보정된 추정 ±20%	19.2GB쾌적 추정 38.4 tok/s30.7–46.1보정된 추정 ±20%
8k	19.9GB쾌적 추정 29.8 tok/s23.8–35.7보정된 추정 ±20%	19.6GB쾌적 추정 33.9 tok/s27.1–40.7보정된 추정 ±20%	19.4GB쾌적 추정 36.6 tok/s29.3–44.0보정된 추정 ±20%
16k	20.8GB쾌적 추정 23.6 tok/s18.8–28.3보정된 추정 ±20%	20.1GB쾌적 추정 29.2 tok/s23.4–35.1보정된 추정 ±20%	19.7GB쾌적 추정 33.5 tok/s26.8–40.2보정된 추정 ±20%
32k	21.8GB겨우 가능 추정 9.9 tok/s6.9–12.8이론 추정 ±30%	21.1GB쾌적 추정 22.9 tok/s18.3–27.5보정된 추정 ±20%	20.3GB쾌적 추정 28.7 tok/s23.0–34.4보정된 추정 ±20%
64k	25.0GB겨우 가능 추정 6.1 tok/s4.3–7.9이론 추정 ±30%	22.0GB겨우 가능 추정 9.5 tok/s6.6–12.3이론 추정 ±30%	21.5GB쾌적 추정 22.3 tok/s17.8–26.7보정된 추정 ±20%
128k	33.1GB미탑재	25.5GB겨우 가능 추정 5.8 tok/s4.1–7.5이론 추정 ±30%	22.2GB겨우 가능 추정 9.1 tok/s6.4–11.8이론 추정 ±30%
256k	47.2GB미탑재	35.2GB미탑재	25.9GB겨우 가능 추정 5.5 tok/s3.9–7.2이론 추정 ±30%

S = 쾌적 · A = 원활 · B = 겨우 가능 · F = 불가

Q4_K_M 기준으로 판정(쾌적)이 유지되는 컨텍스트는 f16 KV 캐시에서 16k, q8_0에서 32k까지입니다.

예상 속도

생성: 추정 29.8 tok/s (23.8–35.7, 보정된 추정 ±20%)
프롬프트 처리: 약 182 tok/s (109–255, 대략적 추정 ±40%)

이 조합의 벤치마크 결과

이 조합으로 잰 공개 벤치마크 결과는 아직 없습니다. 위 수치는 모두 추정치입니다.

다른 선택지

Apple M4에서 원활하게 도는 더 큰 모델
쾌적
MiniCPM-V 4.7 35B-A3B: 쾌적, 추정 37.5 tok/s (30.0–45.0, 보정된 추정 ±20%)

실행 방법

Q4_K_M 파일을 쓰는 명령입니다. 두 도구 모두 처음 실행할 때 Hugging Face에서 파일을 내려받습니다.

파일: Qwen3-30B-A3B-Instruct-2507-Q4_K_M.gguf (18.56GB, unsloth/Qwen3-30B-A3B-Instruct-2507-GGUF).

llama.cpp

llama-server -hf unsloth/Qwen3-30B-A3B-Instruct-2507-GGUF:Q4_K_M -c 8192 -ngl all -fa on

-ngl all: 모든 층을 GPU에 올립니다.
-fa on: 플래시 어텐션을 켭니다. KV 캐시를 양자화하려면 필요합니다.
--cache-type-k q8_0 --cache-type-v q8_0: 8k 기준 KV 캐시가 0.43GB로 줄어듭니다.

올라마(Ollama)

터미널:

OLLAMA_CONTEXT_LENGTH=8192 ollama serve
ollama run hf.co/unsloth/Qwen3-30B-A3B-Instruct-2507-GGUF:Q4_K_M

Ollama는 24GB 미만 GPU에서 컨텍스트 기본값이 4k입니다. 서버를 띄울 때 OLLAMA_CONTEXT_LENGTH를 지정하거나, 대화 안에서 /set parameter num_ctx를 쓰세요.
/set parameter num_ctx 8192

자주 묻는 질문

Apple M4에서 Qwen3 30B-A3B (2507) 돌릴 수 있나요?

Q4_K_M 파일이 통합 메모리에 올라갑니다. GPU가 쓸 수 있는 22.4GB 중 19.9GB를 씁니다. 판정: 쾌적, 속도: 추정 29.8 tok/s (23.8–35.7, 보정된 추정 ±20%). Q4_K_M에는 8k 컨텍스트 기준 19.9GB가 필요하고, 통합 메모리 중 GPU가 쓸 수 있는 양은 22.4GB입니다.

Apple M4에서 Qwen3 30B-A3B (2507) 컨텍스트는 얼마까지 쓸 수 있나요?

Q4_K_M 기준으로 판정(쾌적)이 유지되는 컨텍스트는 f16 KV 캐시에서 16k(KV 1.6GB), q8_0 KV 캐시에서 32k(KV 1.7GB)까지입니다. 모델이 지원하는 최대 컨텍스트는 256k입니다.

어떤 양자화 파일을 받아야 하고, 속도는 얼마나 나오나요?

추천 파일은 Q4_K_M(18.56GB)입니다. 판정: 쾌적, 속도: 추정 29.8 tok/s (23.8–35.7, 보정된 추정 ±20%). 같은 판정이 나오는 파일 가운데 가장 큰 파일이기도 합니다.

속도는 메모리 대역폭으로 계산한 추정치를 공개 벤치마크로 보정한 값입니다. 모든 수치에는 오차 범위와 신뢰 라벨을 함께 표시합니다. 실제 속도는 드라이버, 백엔드, 컨텍스트 길이, 발열에 따라 달라집니다.