Apple M4（Mac mini、MacBook Air、MacBook Pro、iMac）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: 16 GB · 24 GB · 32 GB
内存带宽: 120.0 GB/s
FP16 算力: 3.8 TFLOPS
发布年份: 2024
搭载这款芯片的 Mac: Mac mini：16 GB · 24 GB · 32 GB
MacBook Air：16 GB · 24 GB · 32 GB
MacBook Pro：16 GB · 24 GB · 32 GB
iMac：16 GB · 24 GB · 32 GB
其他写法: M4

判定一览

基于 Q4_K_M（或最接近的可用量化）、8k 上下文。

16 GB运行流畅11 个模型运行良好12 个模型运行较慢5 个模型无法运行30 个模型另有 5 个模型可以用更低的量化运行。
24 GB运行流畅13 个模型运行良好13 个模型运行较慢14 个模型无法运行18 个模型另有 7 个模型可以用更低的量化运行。
32 GB运行流畅15 个模型运行良好14 个模型运行较慢17 个模型无法运行12 个模型另有 3 个模型可以用更低的量化运行。

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 M4 上的全部模型

左右滑动可查看所有列。

58 个模型，内存 32 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 102.3 tok/s81.9–122.8校准估算 ±20%	Q4_K_M	1.5 / 22.4 GB	统一内存	最长 64k	思考模式
Ling-3.0 Tiny	运行流畅	估算 93.7 tok/s65.6–121.9理论估算 ±30%	Q4_K_M	5.5 / 22.4 GB	统一内存	最长 128k	思考模式
Llama 3.2 1B	运行流畅	估算 84.6 tok/s67.7–101.5校准估算 ±20%	Q4_K_M	1.7 / 22.4 GB	统一内存	最长 64k	—
EXAONE 4.0 1.2B	运行流畅	估算 69.4 tok/s55.6–83.3校准估算 ±20%	Q4_K_M	1.9 / 22.4 GB	统一内存	最长 32k	思考模式
Gemma 4 E2B	运行流畅	估算 53.3 tok/s37.3–69.3理论估算 ±30%	Q4_K_M	3.7 / 22.4 GB	统一内存	最长 128k	思考模式
Mellum2.1 12B-A2.5B Thinking	运行流畅	估算 51.2 tok/s40.9–61.4校准估算 ±20%	Q4_K_M	8.8 / 22.4 GB	统一内存	最长 64k	思考模式
LFM2.5 2.6B	运行流畅	估算 50.5 tok/s35.4–65.7理论估算 ±30%	Q4_K_M	2.4 / 22.4 GB	统一内存	最长 64k	思考模式
HyperCLOVA X SEED 1.5B	运行流畅	估算 50.2 tok/s40.2–60.3校准估算 ±20%	Q4_K_M	2.4 / 22.4 GB	统一内存	最长 16k	—
MiniCPM5 2B	运行流畅	估算 47.7 tok/s38.2–57.2校准估算 ±20%	Q4_K_M	2.5 / 22.4 GB	统一内存	最长 32k	思考模式
MiniCPM-V 4.7 35B-A3B	运行流畅	估算 37.5 tok/s30.0–45.0校准估算 ±20%	Q4_K_M	21.9 / 22.4 GB	统一内存	最长 16k	思考模式
gpt-oss-20b	运行流畅gpt-oss-20b 在 Apple M4 上的判定	估算 31.9 tok/s25.5–38.3校准估算 ±20%	MXFP4	12.9 / 22.4 GB	统一内存	最长 8k	思考模式
Spark-X2.5 4B	运行流畅	估算 31.4 tok/s25.1–37.7校准估算 ±20%	Q4_K_M	3.5 / 22.4 GB	统一内存	最长 8k	思考模式
Llama 3.2 3B	运行流畅	估算 30.8 tok/s24.7–37.0校准估算 ±20%	Q4_K_M	3.5 / 22.4 GB	统一内存	最长 16k	—
Qwen3 30B-A3B (2507)	运行流畅Qwen3 30B-A3B (2507) 在 Apple M4 上的判定	估算 29.8 tok/s23.8–35.7校准估算 ±20%	Q4_K_M	19.9 / 22.4 GB	统一内存	最长 16k	—
Kanana 1.5 15.7B-A3B	运行流畅	估算 29.1 tok/s23.3–35.0校准估算 ±20%	Q4_K_M	12.1 / 22.4 GB	统一内存	最长 16k	—
Qwen3.5 4B	运行良好	估算 29.4 tok/s23.5–35.3校准估算 ±20%	Q4_K_M	3.7 / 22.4 GB	统一内存	最长 128k	改用 IQ4_XS：运行流畅思考模式
Gemma 4 E4B	运行良好	估算 27.4 tok/s19.1–35.6理论估算 ±30%	Q4_K_M	5.7 / 22.4 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
Gemma 4 26B-A4B	运行良好	估算 23.6 tok/s18.9–28.4校准估算 ±20%	Q4_K_M	17.7 / 22.4 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
DeepSeek R1 Distill Llama 8B	运行良好	估算 15.2 tok/s12.2–18.3校准估算 ±20%	Q4_K_M	6.6 / 22.4 GB	统一内存	最长 16k	思考模式
Kanana 1.5 8B	运行良好	估算 15.2 tok/s12.2–18.3校准估算 ±20%	Q4_K_M	6.6 / 22.4 GB	统一内存	最长 32k	Q2_K（质量损失大）：运行流畅
Llama 3.1 8B	运行良好Llama 3.1 8B 在 Apple M4 上的判定	估算 15.2 tok/s12.2–18.3校准估算 ±20%	Q4_K_M	6.6 / 22.4 GB	统一内存	最长 32k	Q2_K（质量损失大）：运行流畅
Nanbeige4.2 3B	运行良好	估算 14.9 tok/s10.4–19.4理论估算 ±30%	Q4_K_M	4.7 / 22.4 GB	统一内存	最长 8k	思考模式
Qwen3.5 9B	运行良好	估算 14.9 tok/s11.9–17.8校准估算 ±20%	Q4_K_M	6.7 / 22.4 GB	统一内存	最长 32k	思考模式
DeepSeek R1 0528 Qwen3 8B	运行良好	估算 14.6 tok/s11.7–17.5校准估算 ±20%	Q4_K_M	6.8 / 22.4 GB	统一内存	最长 16k	思考模式
Qwen3 8B	运行良好	估算 14.6 tok/s11.7–17.5校准估算 ±20%	Q4_K_M	6.8 / 22.4 GB	统一内存	最长 16k	思考模式
K2-Horizon 7B	运行良好	估算 13.4 tok/s10.7–16.1校准估算 ±20%	Q4_K_M	7.4 / 22.4 GB	统一内存	最长 8k	思考模式
Gemma 4 12B	运行良好	估算 12.6 tok/s10.1–15.1校准估算 ±20%	Q4_K_M	7.8 / 22.4 GB	统一内存	最长 16k	思考模式
Gemma 3 12B	运行良好Gemma 3 12B 在 Apple M4 上的判定	估算 11.6 tok/s9.3–14.0校准估算 ±20%	Q4_K_M	8.4 / 22.4 GB	统一内存	最长 32k	—
Phi-4	运行良好	估算 8.5 tok/s6.8–10.2校准估算 ±20%	Q4_K_M	11.3 / 22.4 GB	统一内存	最长 8k	—
Qwen3.6 35B-A3B	运行较慢	估算 25.4 tok/s17.8–33.1理论估算 ±30%	Q4_K_M	22.5 GB 内存	纯 CPU	最长 256k	CPU 推理：最高只能判为“运行较慢” 改用 IQ4_XS：运行流畅思考模式
Qwen3.5 35B-A3B	运行较慢	估算 25.1 tok/s17.6–32.6理论估算 ±30%	Q4_K_M	22.8 GB 内存	纯 CPU	最长 256k	CPU 推理：最高只能判为“运行较慢” 改用 IQ4_XS：运行流畅思考模式
Nemotron 3.5 Lightning 30B-A3B	运行较慢	估算 20.9 tok/s14.6–27.1理论估算 ±30%	Q4_K_M	25.5 GB 内存	纯 CPU	最长 256k	CPU 推理：最高只能判为“运行较慢” 改用 IQ4_XS：运行流畅思考模式
K2-Horizon MoVA 36B-A4B	运行较慢	估算 12.9 tok/s9.0–16.8理论估算 ±30%	Q4_K_M	24.0 GB 内存	纯 CPU	最长 16k	CPU 推理：最高只能判为“运行较慢” 思考模式
HyperCLOVA X SEED Think 14B	运行较慢	估算 8.9 tok/s6.3–11.6理论估算 ±30%	Q4_K_M	10.8 / 22.4 GB	统一内存	最长 64k	思考模式
Qwen3 14B	运行较慢Qwen3 14B 在 Apple M4 上的判定	估算 8.8 tok/s7.1–10.6校准估算 ±20%	Q4_K_M	10.9 / 22.4 GB	统一内存	最长 32k	Q2_K（质量损失大）：运行良好思考模式
DeepSeek R1 Distill Qwen 14B	运行较慢	估算 8.6 tok/s6.9–10.3校准估算 ±20%	Q4_K_M	11.2 / 22.4 GB	统一内存	最长 32k	Q2_K（质量损失大）：运行良好思考模式
Mistral Small 3.2 24B	运行较慢	估算 5.8 tok/s4.7–7.0校准估算 ±20%	Q4_K_M	16.2 / 22.4 GB	统一内存	最长 32k	Q2_K（质量损失大）：运行良好
Gemma 3 27B	运行较慢	估算 5.3 tok/s4.2–6.4校准估算 ±20%	Q4_K_M	17.8 / 22.4 GB	统一内存	最长 32k	Q2_K（质量损失大）：运行良好
Qwen3.6 27B	运行较慢	估算 5.3 tok/s4.2–6.3校准估算 ±20%	Q4_K_M	17.9 / 22.4 GB	统一内存	最长 64k	思考模式
Muse Glimmer 30B	运行较慢	估算 5.2 tok/s4.2–6.3校准估算 ±20%	Q4_K_M	18.0 / 22.4 GB	统一内存	最长 128k	思考模式
Qwen3.5 27B	运行较慢	估算 5.2 tok/s4.1–6.2校准估算 ±20%	Q4_K_M	18.2 / 22.4 GB	统一内存	最长 32k	思考模式
Qwen3.8 27B	运行较慢	估算 5.1 tok/s4.1–6.1校准估算 ±20%	Q4_K_M	18.6 / 22.4 GB	统一内存	最长 32k	思考模式
Gemma 4 31B	运行较慢	估算 4.8 tok/s3.8–5.8校准估算 ±20%	Q4_K_M	19.6 / 22.4 GB	统一内存	最长 32k	思考模式
Granite 4.2 30B	运行较慢	估算 4.6 tok/s3.7–5.5校准估算 ±20%	Q4_K_M	20.4 / 22.4 GB	统一内存	最长 8k	思考模式
EXAONE 4.0 32B	运行较慢	估算 4.6 tok/s3.7–5.5校准估算 ±20%	Q4_K_M	20.5 / 22.4 GB	统一内存	最长 32k	思考模式
EXAONE 4.5 33B	运行较慢	估算 4.4 tok/s3.5–5.3校准估算 ±20%	Q4_K_M	21.2 / 22.4 GB	统一内存	最长 16k	思考模式
DeepSeek R1 Distill Qwen 32B	无法运行改用 Q2_K（质量损失大）：运行较慢	估算 6.3 tok/s5.0–7.6校准估算 ±20%	Q2_K	15.0 / 22.4 GB	统一内存	最长 32k	思考模式
Qwen3 32B	无法运行改用 IQ4_XS：运行较慢	估算 4.6 tok/s3.7–5.5校准估算 ±20%	IQ4_XS	20.4 / 22.4 GB	统一内存	最长 8k	思考模式
Llama 3.3 70B	无法运行改用 IQ2_M（质量损失大）：运行较慢	估算 2.2 tok/s1.6–2.9理论估算 ±30%	IQ2_M	26.8 GB 内存	纯 CPU	最长 8k	—
DeepSeek V4 Flash 0731	无法运行	—	MXFP4	需要 155.6 GB	—	—	约需 155.6 GB；可用内存 28.0 GB（其中 GPU 可用 22.4 GB）思考模式
GLM-5.3 Flash	无法运行	—	Q4_K_M	需要 182.1 GB	—	—	约需 182.1 GB；可用内存 28.0 GB（其中 GPU 可用 22.4 GB）思考模式
gpt-oss-120b	无法运行gpt-oss-120b 在 Apple M4 上的判定	—	MXFP4	需要 64.3 GB	—	—	约需 64.3 GB；可用内存 28.0 GB（其中 GPU 可用 22.4 GB）思考模式
Kolibri 1	无法运行	—	Q4_K_M	需要 50.5 GB	—	—	约需 50.5 GB；可用内存 28.0 GB（其中 GPU 可用 22.4 GB）思考模式
Laguna S 2.1	无法运行	—	Q4_K_M	需要 68.6 GB	—	—	约需 68.6 GB；可用内存 28.0 GB（其中 GPU 可用 22.4 GB）思考模式
Ling-3.0 Flash	无法运行	—	Q4_K_M	需要 77.7 GB	—	—	约需 77.7 GB；可用内存 28.0 GB（其中 GPU 可用 22.4 GB）思考模式
Qwen3.5 122B-A10B	无法运行	—	Q4_K_M	需要 79.0 GB	—	—	约需 79.0 GB；可用内存 28.0 GB（其中 GPU 可用 22.4 GB）思考模式
Solar Open 100B	无法运行	—	Q4_K_M	需要 64.4 GB	—	—	约需 64.4 GB；可用内存 28.0 GB（其中 GPU 可用 22.4 GB）思考模式
Solar Open 2 250B	无法运行	—	IQ4_XS	需要 137.2 GB	—	—	约需 137.2 GB；可用内存 28.0 GB（其中 GPU 可用 22.4 GB）思考模式

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	16 GB	24 GB	32 GB
MiniCPM5 1B	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
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
Gemma 4 E2B	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
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
MiniCPM-V 4.7 35B-A3B	无法运行	无法运行	运行流畅
gpt-oss-20b	无法运行	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
Qwen3 30B-A3B (2507)	无法运行	运行较慢	运行流畅
Kanana 1.5 15.7B-A3B	运行较慢	运行流畅	运行流畅
Qwen3.5 4B	运行良好	运行良好	运行良好
Gemma 4 E4B	运行良好	运行良好	运行良好
Gemma 4 26B-A4B	无法运行	运行较慢	运行良好
DeepSeek R1 Distill Llama 8B	运行良好	运行良好	运行良好
Kanana 1.5 8B	运行良好	运行良好	运行良好
Llama 3.1 8B	运行良好	运行良好	运行良好
Nanbeige4.2 3B	运行良好	运行良好	运行良好
Qwen3.5 9B	运行良好	运行良好	运行良好
DeepSeek R1 0528 Qwen3 8B	运行良好	运行良好	运行良好
Qwen3 8B	运行良好	运行良好	运行良好
K2-Horizon 7B	运行良好	运行良好	运行良好
Gemma 4 12B	运行良好	运行良好	运行良好
Gemma 3 12B	运行良好	运行良好	运行良好
Phi-4	运行较慢	运行良好	运行良好
Qwen3.6 35B-A3B	无法运行	无法运行	运行较慢
Qwen3.5 35B-A3B	无法运行	无法运行	运行较慢
Nemotron 3.5 Lightning 30B-A3B	无法运行	无法运行	运行较慢
K2-Horizon MoVA 36B-A4B	无法运行	无法运行	运行较慢
HyperCLOVA X SEED Think 14B	运行较慢	运行较慢	运行较慢
Qwen3 14B	运行较慢	运行较慢	运行较慢
DeepSeek R1 Distill Qwen 14B	运行较慢	运行较慢	运行较慢
Mistral Small 3.2 24B	无法运行	运行较慢	运行较慢
Gemma 3 27B	无法运行	运行较慢	运行较慢
Qwen3.6 27B	无法运行	运行较慢	运行较慢
Muse Glimmer 30B	无法运行	运行较慢	运行较慢
Qwen3.5 27B	无法运行	运行较慢	运行较慢
Qwen3.8 27B	无法运行	运行较慢	运行较慢
Gemma 4 31B	无法运行	运行较慢	运行较慢
Granite 4.2 30B	无法运行	运行较慢	运行较慢
EXAONE 4.0 32B	无法运行	运行较慢	运行较慢
EXAONE 4.5 33B	无法运行	无法运行	运行较慢
DeepSeek R1 Distill Qwen 32B	无法运行	无法运行	无法运行
Qwen3 32B	无法运行	无法运行	无法运行
Llama 3.3 70B	无法运行	无法运行	无法运行
DeepSeek V4 Flash 0731	无法运行	无法运行	无法运行
GLM-5.3 Flash	无法运行	无法运行	无法运行
gpt-oss-120b	无法运行	无法运行	无法运行
Kolibri 1	无法运行	无法运行	无法运行
Laguna S 2.1	无法运行	无法运行	无法运行
Ling-3.0 Flash	无法运行	无法运行	无法运行
Qwen3.5 122B-A10B	无法运行	无法运行	无法运行
Solar Open 100B	无法运行	无法运行	无法运行
Solar Open 2 250B	无法运行	无法运行	无法运行

Apple M4 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 M4 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
llama-2-7b	Q4_0	llama.cpp	512	221.0	24.1	Metal, b1550 (2023)	github.com	2024-11-10

常见问题

能完全在 Apple M4 上运行的最大模型是什么？

Qwen3.5 35B-A3B IQ4_XS（18.17 GB 文件）在 8k 上下文下可完整装入 32 GB 统一内存，估算 31.0 tok/s（24.8–37.2，校准估算 ±20%）。

Apple M4 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 32 GB，在 58 个已收录的模型中，15 个运行流畅、14 个运行良好、17 个运行较慢，12 个无法运行。

Apple M4 能运行 Llama 3.3 70B 这样的 70B 模型吗？

运行较慢——纯 CPU，IQ2_M（质量损失大）：估算 2.2 tok/s（1.6–2.9，理论估算 ±30%）。

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。