Apple M3 Ultra（Mac Studio）能跑哪些本地大模型？

统一内存：默认设置下 GPU 大约可以使用其中的 70%

按 8k 上下文和 f16 KV 缓存计算。判定按内存容量分别列出。

规格

内存配置: 96 GB · 256 GB · 512 GB
内存带宽: 819.0 GB/s
FP16 算力: 28.3 TFLOPS
发布年份: 2025
搭载这款芯片的 Mac: Mac Studio：96 GB · 256 GB · 512 GB
其他写法: M3 Ultra

判定一览

基于 Q4_K_M（或最接近的可用量化）、8k 上下文。

96 GB运行流畅41 个模型运行良好11 个模型运行较慢3 个模型无法运行3 个模型
256 GB运行流畅46 个模型运行良好11 个模型运行较慢1 个模型无法运行0 个模型
512 GB运行流畅46 个模型运行良好12 个模型运行较慢0 个模型无法运行0 个模型

判定说明

运行流畅: 全部载入显卡，且达到 20 tok/s 及以上
运行良好: 全部载入显卡且为 8–20 tok/s；MoE 专家放在系统内存且达到 20 tok/s 及以上；或至少 90% 载入显卡且达到 8 tok/s 及以上
运行较慢: 2–8 tok/s；纯 CPU；载入显卡不足 90%；或 MoE 专家放在系统内存且低于 20 tok/s
无法运行: 内存装不下，或低于 2 tok/s

Apple M3 Ultra 上的全部模型

左右滑动可查看所有列。

58 个模型，内存 512 GB，按判定和速度排序
模型	判定	速度	量化	显存/内存	运行方式	上下文	备注
MiniCPM5 1B	运行流畅	估算 523.7 tok/s419.0–628.5校准估算 ±20%	Q4_K_M	1.5 / 358.4 GB	统一内存	最长 128k	思考模式
Llama 3.2 1B	运行流畅	估算 432.9 tok/s346.3–519.5校准估算 ±20%	Q4_K_M	1.7 / 358.4 GB	统一内存	最长 128k	—
EXAONE 4.0 1.2B	运行流畅	估算 355.5 tok/s284.4–426.6校准估算 ±20%	Q4_K_M	1.9 / 358.4 GB	统一内存	最长 64k	思考模式
LFM2.5 2.6B	运行流畅	估算 258.7 tok/s181.1–336.4理论估算 ±30%	Q4_K_M	2.4 / 358.4 GB	统一内存	最长 128k	思考模式
HyperCLOVA X SEED 1.5B	运行流畅	估算 257.2 tok/s205.7–308.6校准估算 ±20%	Q4_K_M	2.4 / 358.4 GB	统一内存	最长 16k	—
MiniCPM5 2B	运行流畅	估算 244.1 tok/s195.3–292.9校准估算 ±20%	Q4_K_M	2.5 / 358.4 GB	统一内存	最长 128k	思考模式
Ling-3.0 Tiny	运行流畅	估算 229.2 tok/s160.4–298.0理论估算 ±30%	Q4_K_M	5.5 / 358.4 GB	统一内存	最长 128k	思考模式
Gemma 4 E2B	运行流畅	估算 197.2 tok/s138.0–256.4理论估算 ±30%	Q4_K_M	3.7 / 358.4 GB	统一内存	最长 128k	思考模式
Spark-X2.5 4B	运行流畅	估算 160.9 tok/s128.7–193.0校准估算 ±20%	Q4_K_M	3.5 / 358.4 GB	统一内存	最长 256k	思考模式
Llama 3.2 3B	运行流畅	估算 157.7 tok/s126.2–189.3校准估算 ±20%	Q4_K_M	3.5 / 358.4 GB	统一内存	最长 128k	—
Mellum2.1 12B-A2.5B Thinking	运行流畅	估算 151.7 tok/s121.3–182.0校准估算 ±20%	Q4_K_M	8.8 / 358.4 GB	统一内存	最长 128k	思考模式
Qwen3.5 4B	运行流畅	估算 150.7 tok/s120.5–180.8校准估算 ±20%	Q4_K_M	3.7 / 358.4 GB	统一内存	最长 256k	思考模式
Nemotron 3.5 Lightning 30B-A3B	运行流畅	估算 126.5 tok/s88.5–164.4理论估算 ±30%	Q4_K_M	26.1 / 358.4 GB	统一内存	最长 256k	思考模式
Gemma 4 E4B	运行流畅	估算 117.0 tok/s81.9–152.1理论估算 ±30%	Q4_K_M	5.7 / 358.4 GB	统一内存	最长 128k	思考模式
gpt-oss-20b	运行流畅	115.5 tok/s8k 估算 136.7 tok/s（109.4–164.1，校准估算 ±20%）实测（1 次，2k 上下文）	MXFP4	12.9 / 358.4 GB	统一内存	最长 128k	思考模式
MiniCPM-V 4.7 35B-A3B	运行流畅	估算 109.0 tok/s87.2–130.8校准估算 ±20%	Q4_K_M	21.9 / 358.4 GB	统一内存	最长 256k	思考模式
Qwen3.6 35B-A3B	运行流畅	估算 103.7 tok/s82.9–124.4校准估算 ±20%	Q4_K_M	23.0 / 358.4 GB	统一内存	最长 256k	思考模式
Kanana 1.5 15.7B-A3B	运行流畅	估算 101.3 tok/s81.0–121.5校准估算 ±20%	Q4_K_M	12.1 / 358.4 GB	统一内存	最长 32k	—
gpt-oss-120b	运行流畅	估算 96.0 tok/s76.8–115.2校准估算 ±20%	MXFP4	64.3 / 358.4 GB	统一内存	最长 128k	思考模式
Qwen3.5 35B-A3B	运行流畅	估算 94.8 tok/s75.8–113.8校准估算 ±20%	Q4_K_M	23.4 / 358.4 GB	统一内存	最长 256k	思考模式
Gemma 4 26B-A4B	运行流畅	估算 89.0 tok/s71.2–106.8校准估算 ±20%	Q4_K_M	17.7 / 358.4 GB	统一内存	最长 256k	思考模式
Qwen3 30B-A3B (2507)	运行流畅	估算 88.3 tok/s70.7–106.0校准估算 ±20%	Q4_K_M	19.9 / 358.4 GB	统一内存	最长 128k	—
Kolibri 1	运行流畅	估算 85.3 tok/s68.2–102.4校准估算 ±20%	Q4_K_M	50.5 / 358.4 GB	统一内存	最长 256k	思考模式
Ling-3.0 Flash	运行流畅	估算 84.6 tok/s59.2–110.0理论估算 ±30%	Q4_K_M	77.7 / 358.4 GB	统一内存	最长 256k	思考模式
DeepSeek R1 Distill Llama 8B	运行流畅	估算 77.9 tok/s62.3–93.5校准估算 ±20%	Q4_K_M	6.6 / 358.4 GB	统一内存	最长 64k	思考模式
Kanana 1.5 8B	运行流畅	估算 77.9 tok/s62.3–93.5校准估算 ±20%	Q4_K_M	6.6 / 358.4 GB	统一内存	最长 32k	—
Llama 3.1 8B	运行流畅	估算 77.9 tok/s62.3–93.5校准估算 ±20%	Q4_K_M	6.6 / 358.4 GB	统一内存	最长 128k	—
Nanbeige4.2 3B	运行流畅	估算 76.2 tok/s53.3–99.1理论估算 ±30%	Q4_K_M	4.7 / 358.4 GB	统一内存	最长 32k	思考模式
Qwen3.5 9B	运行流畅	估算 76.1 tok/s60.8–91.3校准估算 ±20%	Q4_K_M	6.7 / 358.4 GB	统一内存	最长 256k	思考模式
DeepSeek R1 0528 Qwen3 8B	运行流畅	估算 74.8 tok/s59.9–89.8校准估算 ±20%	Q4_K_M	6.8 / 358.4 GB	统一内存	最长 64k	思考模式
Qwen3 8B	运行流畅	估算 74.8 tok/s59.9–89.8校准估算 ±20%	Q4_K_M	6.8 / 358.4 GB	统一内存	最长 32k	思考模式
K2-Horizon 7B	运行流畅	估算 68.7 tok/s54.9–82.4校准估算 ±20%	Q4_K_M	7.4 / 358.4 GB	统一内存	最长 64k	思考模式
Gemma 4 12B	运行流畅	估算 64.4 tok/s51.5–77.2校准估算 ±20%	Q4_K_M	7.8 / 358.4 GB	统一内存	最长 256k	思考模式
K2-Horizon MoVA 36B-A4B	运行流畅	估算 63.9 tok/s44.7–83.0理论估算 ±30%	Q4_K_M	24.6 / 358.4 GB	统一内存	最长 32k	思考模式
Gemma 3 12B	运行流畅	估算 59.6 tok/s47.7–71.5校准估算 ±20%	Q4_K_M	8.4 / 358.4 GB	统一内存	最长 128k	—
Laguna S 2.1	运行流畅	估算 48.1 tok/s38.5–57.7校准估算 ±20%	Q4_K_M	68.6 / 358.4 GB	统一内存	最长 64k	思考模式
HyperCLOVA X SEED Think 14B	运行流畅	估算 45.8 tok/s32.1–59.5理论估算 ±30%	Q4_K_M	10.8 / 358.4 GB	统一内存	最长 32k	思考模式
Qwen3 14B	运行流畅	估算 45.1 tok/s36.1–54.2校准估算 ±20%	Q4_K_M	10.9 / 358.4 GB	统一内存	最长 32k	思考模式
DeepSeek R1 Distill Qwen 14B	运行流畅	估算 44.0 tok/s35.2–52.8校准估算 ±20%	Q4_K_M	11.2 / 358.4 GB	统一内存	最长 32k	思考模式
Qwen3.5 122B-A10B	运行流畅	估算 43.8 tok/s35.0–52.6校准估算 ±20%	Q4_K_M	79.0 / 358.4 GB	统一内存	最长 128k	思考模式
Phi-4	运行流畅	估算 43.5 tok/s34.8–52.2校准估算 ±20%	Q4_K_M	11.3 / 358.4 GB	统一内存	最长 16k	—
Solar Open 100B	运行流畅	估算 42.0 tok/s33.6–50.4校准估算 ±20%	Q4_K_M	64.4 / 358.4 GB	统一内存	最长 16k	思考模式
DeepSeek V4 Flash 0731	运行流畅	估算 37.4 tok/s26.2–48.6理论估算 ±30%	MXFP4	155.6 / 358.4 GB	统一内存	最长 256k	思考模式
Solar Open 2 250B	运行流畅	估算 37.0 tok/s29.6–44.4校准估算 ±20%	IQ4_XS	137.2 / 358.4 GB	统一内存	最长 64k	思考模式
Mistral Small 3.2 24B	运行流畅	估算 29.8 tok/s23.8–35.7校准估算 ±20%	Q4_K_M	16.2 / 358.4 GB	统一内存	最长 32k	—
Gemma 3 27B	运行流畅	估算 27.1 tok/s21.7–32.5校准估算 ±20%	Q4_K_M	17.8 / 358.4 GB	统一内存	最长 64k	—
GLM-5.3 Flash	运行良好	估算 28.1 tok/s19.7–36.5理论估算 ±30%	Q4_K_M	182.1 / 358.4 GB	统一内存	最长 256k	思考模式
Qwen3.6 27B	运行良好	估算 26.9 tok/s21.5–32.3校准估算 ±20%	Q4_K_M	17.9 / 358.4 GB	统一内存	最长 256k	UD-Q2_K_XL（质量损失大）：运行流畅思考模式
Muse Glimmer 30B	运行良好	估算 26.8 tok/s21.4–32.2校准估算 ±20%	Q4_K_M	18.0 / 358.4 GB	统一内存	最长 128k	改用 IQ4_XS：运行流畅思考模式
Qwen3 32B	运行良好	26.7 tok/s8k 估算 21.3 tok/s（17.0–25.6，校准估算 ±20%）实测（1 次，512 上下文）	Q4_K_M	22.5 / 358.4 GB	统一内存	最长 32k	Q2_K（质量损失大）：运行流畅思考模式
Qwen3.5 27B	运行良好	估算 26.5 tok/s21.2–31.7校准估算 ±20%	Q4_K_M	18.2 / 358.4 GB	统一内存	最长 256k	UD-Q2_K_XL（质量损失大）：运行流畅思考模式
Qwen3.8 27B	运行良好	估算 26.0 tok/s20.8–31.2校准估算 ±20%	Q4_K_M	18.6 / 358.4 GB	统一内存	最长 256k	Q2_K（质量损失大）：运行流畅思考模式
Gemma 4 31B	运行良好	估算 24.6 tok/s19.7–29.5校准估算 ±20%	Q4_K_M	19.6 / 358.4 GB	统一内存	最长 128k	UD-Q2_K_XL（质量损失大）：运行流畅思考模式
Granite 4.2 30B	运行良好	估算 23.5 tok/s18.8–28.2校准估算 ±20%	Q4_K_M	20.4 / 358.4 GB	统一内存	最长 64k	Q2_K（质量损失大）：运行流畅思考模式
EXAONE 4.0 32B	运行良好	估算 23.5 tok/s18.8–28.2校准估算 ±20%	Q4_K_M	20.5 / 358.4 GB	统一内存	最长 128k	思考模式
EXAONE 4.5 33B	运行良好	估算 22.7 tok/s18.1–27.2校准估算 ±20%	Q4_K_M	21.2 / 358.4 GB	统一内存	最长 256k	思考模式
DeepSeek R1 Distill Qwen 32B	运行良好	估算 21.2 tok/s17.0–25.5校准估算 ±20%	Q4_K_M	22.6 / 358.4 GB	统一内存	最长 64k	Q2_K（质量损失大）：运行流畅思考模式
Llama 3.3 70B	运行良好	14.4 tok/s8k 估算 10.3 tok/s（8.3–12.4，校准估算 ±20%）实测（1 次，512 上下文）	Q4_K_M	45.8 / 358.4 GB	统一内存	最长 32k	—

带思考模式的模型会额外花 token 来思考，所以速度门槛按 1.5 倍从严设定（30 / 12 / 3 tok/s）。关闭思考模式后，判定可能会高一级。

不同内存容量下的判定

各内存配置下的 Q4_K_M 判定，速度请打开模型页面查看
模型	96 GB	256 GB	512 GB
MiniCPM5 1B	运行流畅	运行流畅	运行流畅
Llama 3.2 1B	运行流畅	运行流畅	运行流畅
EXAONE 4.0 1.2B	运行流畅	运行流畅	运行流畅
LFM2.5 2.6B	运行流畅	运行流畅	运行流畅
HyperCLOVA X SEED 1.5B	运行流畅	运行流畅	运行流畅
MiniCPM5 2B	运行流畅	运行流畅	运行流畅
Ling-3.0 Tiny	运行流畅	运行流畅	运行流畅
Gemma 4 E2B	运行流畅	运行流畅	运行流畅
Spark-X2.5 4B	运行流畅	运行流畅	运行流畅
Llama 3.2 3B	运行流畅	运行流畅	运行流畅
Mellum2.1 12B-A2.5B Thinking	运行流畅	运行流畅	运行流畅
Qwen3.5 4B	运行流畅	运行流畅	运行流畅
Nemotron 3.5 Lightning 30B-A3B	运行流畅	运行流畅	运行流畅
Gemma 4 E4B	运行流畅	运行流畅	运行流畅
gpt-oss-20b	运行流畅	运行流畅	运行流畅
MiniCPM-V 4.7 35B-A3B	运行流畅	运行流畅	运行流畅
Qwen3.6 35B-A3B	运行流畅	运行流畅	运行流畅
Kanana 1.5 15.7B-A3B	运行流畅	运行流畅	运行流畅
gpt-oss-120b	运行流畅	运行流畅	运行流畅
Qwen3.5 35B-A3B	运行流畅	运行流畅	运行流畅
Gemma 4 26B-A4B	运行流畅	运行流畅	运行流畅
Qwen3 30B-A3B (2507)	运行流畅	运行流畅	运行流畅
Kolibri 1	运行流畅	运行流畅	运行流畅
Ling-3.0 Flash	运行较慢	运行流畅	运行流畅
DeepSeek R1 Distill Llama 8B	运行流畅	运行流畅	运行流畅
Kanana 1.5 8B	运行流畅	运行流畅	运行流畅
Llama 3.1 8B	运行流畅	运行流畅	运行流畅
Nanbeige4.2 3B	运行流畅	运行流畅	运行流畅
Qwen3.5 9B	运行流畅	运行流畅	运行流畅
DeepSeek R1 0528 Qwen3 8B	运行流畅	运行流畅	运行流畅
Qwen3 8B	运行流畅	运行流畅	运行流畅
K2-Horizon 7B	运行流畅	运行流畅	运行流畅
Gemma 4 12B	运行流畅	运行流畅	运行流畅
K2-Horizon MoVA 36B-A4B	运行流畅	运行流畅	运行流畅
Gemma 3 12B	运行流畅	运行流畅	运行流畅
Laguna S 2.1	运行较慢	运行流畅	运行流畅
HyperCLOVA X SEED Think 14B	运行流畅	运行流畅	运行流畅
Qwen3 14B	运行流畅	运行流畅	运行流畅
DeepSeek R1 Distill Qwen 14B	运行流畅	运行流畅	运行流畅
Qwen3.5 122B-A10B	运行较慢	运行流畅	运行流畅
Phi-4	运行流畅	运行流畅	运行流畅
Solar Open 100B	运行流畅	运行流畅	运行流畅
DeepSeek V4 Flash 0731	无法运行	运行流畅	运行流畅
Solar Open 2 250B	无法运行	运行流畅	运行流畅
Mistral Small 3.2 24B	运行流畅	运行流畅	运行流畅
Gemma 3 27B	运行流畅	运行流畅	运行流畅
GLM-5.3 Flash	无法运行	运行较慢	运行良好
Qwen3.6 27B	运行良好	运行良好	运行良好
Muse Glimmer 30B	运行良好	运行良好	运行良好
Qwen3 32B	运行良好	运行良好	运行良好
Qwen3.5 27B	运行良好	运行良好	运行良好
Qwen3.8 27B	运行良好	运行良好	运行良好
Gemma 4 31B	运行良好	运行良好	运行良好
Granite 4.2 30B	运行良好	运行良好	运行良好
EXAONE 4.0 32B	运行良好	运行良好	运行良好
EXAONE 4.5 33B	运行良好	运行良好	运行良好
DeepSeek R1 Distill Qwen 32B	运行良好	运行良好	运行良好
Llama 3.3 70B	运行良好	运行良好	运行良好

Apple M3 Ultra 的实测结果

我们用于校准的公开基准测试。它们的测试条件（上下文、后端、运行参数）可能与上方的估算不同。

Apple M3 Ultra 的实测结果
模型	量化	后端	上下文	提示词处理（tok/s）	生成（tok/s）	运行参数	来源	测量日期
gpt-oss-20b	MXFP4	llama.cpp	2k	2,816.0	115.5	—	github.com	2025-08-28
llama-2-7b	Q4_0	llama.cpp	512	1,471.0	92.1	Metal, b1550 (2023)	github.com	2025-03-23
Qwen3.5 27B	Q8_0	llama.cpp	32k	—	19.6	—	github.com	2026-09-23
Llama 3.3 70B	Q4_K_M	llama.cpp	512	162.0	14.4	Metal	github.com	2025-12-10
Qwen3 32B	Q4_K_M	llama.cpp	512	335.0	26.7	Metal	github.com	2025-12-08

常见问题

能完全在 Apple M3 Ultra 上运行的最大模型是什么？

GLM-5.3 Flash Q4_K_M（181.37 GB 文件）在 8k 上下文下可完整装入 512 GB 统一内存，估算 28.1 tok/s（19.7–36.5，理论估算 ±30%）。

Apple M3 Ultra 上有多少本地大模型能运行良好？

按 Q4_K_M、8k 上下文计算，内存 512 GB，在 58 个已收录的模型中，46 个运行流畅、12 个运行良好、0 个运行较慢，0 个无法运行。

Apple M3 Ultra 能运行 Llama 3.3 70B 这样的 70B 模型吗？

运行良好——统一内存，Q4_K_M：实测 14.4 tok/s（512 上下文，1 次；8k 估算 10.3 tok/s，8.3–12.4，校准估算 ±20%）。

速度是根据内存带宽得出的估算值，并用公开基准测试结果校准，每个数值都附有误差范围和可信度标签。实际结果会因驱动、后端、上下文长度和散热情况而有所不同。