Apple M4 Pro에서 Qwen3.5 35B-A3B 돌릴 수 있을까?
쾌적Q4_K_M 파일이 통합 메모리에 올라갑니다. GPU가 쓸 수 있는 33.6GB 중 23.4GB를 씁니다. 판정: 쾌적, 속도: 추정 60.3 tok/s (48.3–72.4, 보정된 추정 ±20%).
통합 메모리 48GB · 273.0 GB/s · FP16 8.1 TFLOPS. 8k 컨텍스트와 f16 KV 캐시를 기준으로 계산했습니다. 판정은 메모리 용량별로 보여 줍니다.
메모리 용량별 판정
이 페이지는 48GB 구성 기준입니다. 다른 용량은 아래와 같습니다.
- 24GB불가IQ4_XS: 겨우 가능추정 62.8 tok/s (44.0–81.7, 이론 추정 ±30%)UD-Q2_K_XL (품질 손실 큼): 쾌적
- 48GB쾌적추정 60.3 tok/s (48.3–72.4, 보정된 추정 ±20%)(이 페이지 기준)
- 64GB쾌적추정 60.3 tok/s (48.3–72.4, 보정된 추정 ±20%)
Apple M4 Pro에서 Qwen3.5 35B-A3B: 양자화별 판정
| 양자화 | 파일 크기 | 판정 | 속도 | 메모리 | 실행 방식 | 참고 |
|---|---|---|---|---|---|---|
| UD-Q2_K_XL | 12.57GB | 쾌적 | 추정 81.5 tok/s65.2–97.8보정된 추정 ±20% | 13.3 / 33.6GB | 통합 메모리 | — |
| IQ4_XS | 18.17GB | 쾌적 | 추정 62.8 tok/s50.3–75.4보정된 추정 ±20% | 18.9 / 33.6GB | 통합 메모리 | — |
| Q4_K_M기준 | 22.63GB | 쾌적 | 추정 60.3 tok/s48.3–72.4보정된 추정 ±20% | 23.4 / 33.6GB | 통합 메모리 | — |
| Q8_0 | 37.80GB | 겨우 가능 | 추정 35.3 tok/s24.7–45.9이론 추정 ±30% | RAM 38.0GB | CPU 전용 | CPU로만 추론하므로 겨우 돌아가는 수준을 넘지 못합니다. |
생각 모드가 있는 모델은 생각하는 데 토큰을 더 쓰기 때문에 속도 기준을 1.5배 엄격하게 잡습니다(30 / 12 / 3 tok/s). 생각 모드를 끄고 쓰면 실제로는 한 단계 위일 수 있습니다.
Q4_K_M 기준 메모리 사용 내역
- 가중치
- 22.6GB
- KV 캐시
- 0.2GB
- 연산 버퍼
- 0.6GB
- 여유
- 10.2GB
- GPU가 못 쓰는 영역
- 14.4GB
컨텍스트 길이와 KV 캐시
| 컨텍스트 | KV f16 | KV q8_0 | KV q4_0 |
|---|---|---|---|
| 4k | 23.3GB쾌적 추정 61.8 tok/s49.5–74.2보정된 추정 ±20% | 23.2GB쾌적 추정 62.6 tok/s50.1–75.1보정된 추정 ±20% | 23.2GB쾌적 추정 63.0 tok/s50.4–75.6보정된 추정 ±20% |
| 8k | 23.4GB쾌적 추정 60.3 tok/s48.3–72.4보정된 추정 ±20% | 23.3GB쾌적 추정 61.7 tok/s49.4–74.1보정된 추정 ±20% | 23.3GB쾌적 추정 62.5 tok/s50.0–75.0보정된 추정 ±20% |
| 16k | 23.6GB쾌적 추정 57.5 tok/s46.0–69.0보정된 추정 ±20% | 23.5GB쾌적 추정 60.1 tok/s48.1–72.2보정된 추정 ±20% | 23.4GB쾌적 추정 61.6 tok/s49.3–74.0보정된 추정 ±20% |
| 32k | 24.1GB쾌적 추정 52.6 tok/s42.1–63.2보정된 추정 ±20% | 23.8GB쾌적 추정 57.2 tok/s45.7–68.6보정된 추정 ±20% | 23.6GB쾌적 추정 59.9 tok/s47.9–71.9보정된 추정 ±20% |
| 64k | 25.1GB쾌적 추정 45.0 tok/s36.0–54.0보정된 추정 ±20% | 24.4GB쾌적 추정 52.0 tok/s41.6–62.4보정된 추정 ±20% | 24.1GB쾌적 추정 56.8 tok/s45.4–68.1보정된 추정 ±20% |
| 128k | 27.0GB쾌적 추정 34.8 tok/s27.9–41.8보정된 추정 ±20% | 25.8GB쾌적 추정 44.1 tok/s35.3–52.9보정된 추정 ±20% | 25.1GB쾌적 추정 51.4 tok/s41.1–61.7보정된 추정 ±20% |
| 256k | 30.9GB원활 추정 24.0 tok/s19.2–28.8보정된 추정 ±20% | 28.4GB쾌적 추정 33.8 tok/s27.0–40.5보정된 추정 ±20% | 27.1GB쾌적 추정 43.2 tok/s34.6–51.9보정된 추정 ±20% |
S = 쾌적 · A = 원활 · B = 겨우 가능 · F = 불가
Q4_K_M 기준으로 판정(쾌적)이 유지되는 컨텍스트는 f16 KV 캐시에서 128k, q8_0에서 256k까지입니다.
예상 속도
- 생성
- 추정 60.3 tok/s (48.3–72.4, 보정된 추정 ±20%)
- 프롬프트 처리
- 약 340 tok/s (204–476, 대략적 추정 ±40%)
이 조합의 벤치마크 결과
이 조합으로 잰 공개 벤치마크 결과는 아직 없습니다. 위 수치는 모두 추정치입니다.
다른 선택지
Apple M4 Pro에서 원활하게 도는 더 큰 모델
쾌적K2-Horizon MoVA 36B-A4B: 쾌적, 추정 36.8 tok/s (25.8–47.8, 이론 추정 ±30%)
실행 방법
UD-Q4_K_M 파일을 쓰는 명령입니다. 두 도구 모두 처음 실행할 때 Hugging Face에서 파일을 내려받습니다.
파일: Qwen3.5-35B-A3B-UD-Q4_K_M.gguf (22.63GB, unsloth/Qwen3.5-35B-A3B-MTP-GGUF).
llama-server -hf unsloth/Qwen3.5-35B-A3B-MTP-GGUF:UD-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 0.09GB로 줄어듭니다.
터미널:
OLLAMA_CONTEXT_LENGTH=8192 ollama serve
ollama run hf.co/unsloth/Qwen3.5-35B-A3B-MTP-GGUF:UD-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
관련 페이지
가이드: 맥 미니·맥북·맥 스튜디오에서 로컬 LLM 돌리기 — M4·M5 통합 메모리는 얼마나 필요할까
Apple M4 Pro에서 다른 모델
다른 하드웨어에서 Qwen3.5 35B-A3B
자주 묻는 질문
Apple M4 Pro에서 Qwen3.5 35B-A3B 돌릴 수 있나요?
Q4_K_M 파일이 통합 메모리에 올라갑니다. GPU가 쓸 수 있는 33.6GB 중 23.4GB를 씁니다. 판정: 쾌적, 속도: 추정 60.3 tok/s (48.3–72.4, 보정된 추정 ±20%). Q4_K_M에는 8k 컨텍스트 기준 23.4GB가 필요하고, 통합 메모리 중 GPU가 쓸 수 있는 양은 33.6GB입니다.
Apple M4 Pro에서 Qwen3.5 35B-A3B 컨텍스트는 얼마까지 쓸 수 있나요?
Q4_K_M 기준으로 판정(쾌적)이 유지되는 컨텍스트는 f16 KV 캐시에서 128k(KV 2.7GB), q8_0 KV 캐시에서 256k(KV 2.9GB)까지입니다. 모델이 지원하는 최대 컨텍스트는 256k입니다.
어떤 양자화 파일을 받아야 하고, 속도는 얼마나 나오나요?
추천 파일은 Q4_K_M(22.63GB)입니다. 판정: 쾌적, 속도: 추정 60.3 tok/s (48.3–72.4, 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.