Apple M4 Max（40-core GPU，MacBook Pro、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: 48 GB · 64 GB · 128 GB
内存带宽: 546.0 GB/s
FP16 算力: 16.2 TFLOPS
发布年份: 2024
搭载这款芯片的 Mac: MacBook Pro：48 GB · 64 GB · 128 GB
Mac Studio：48 GB · 64 GB · 128 GB
其他写法: M4 Max, M4 Max 40

判定一览

基于 Q4_K_M（或最接近的可用量化）、8k 上下文。

48 GB运行流畅38 个模型运行良好10 个模型运行较慢0 个模型无法运行10 个模型另有 4 个模型可以用更低的量化运行。
64 GB运行流畅38 个模型运行良好10 个模型运行较慢2 个模型无法运行8 个模型另有 2 个模型可以用更低的量化运行。
128 GB运行流畅44 个模型运行良好11 个模型运行较慢0 个模型无法运行3 个模型另有 2 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 Max (40-core GPU) 上的全部模型

左右滑动可查看所有列。

58 个模型，内存 128 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 465.6 tok/s372.4–558.7校准估算 ±20%	Q4_K_M	1.5 / 89.6 GB	统一内存	最长 128k	思考模式
Llama 3.2 1B	运行流畅	估算 384.8 tok/s307.8–461.7校准估算 ±20%	Q4_K_M	1.7 / 89.6 GB	统一内存	最长 128k	—
EXAONE 4.0 1.2B	运行流畅	估算 316.0 tok/s252.8–379.2校准估算 ±20%	Q4_K_M	1.9 / 89.6 GB	统一内存	最长 64k	思考模式
Ling-3.0 Tiny	运行流畅	估算 266.6 tok/s186.6–346.5理论估算 ±30%	Q4_K_M	5.5 / 89.6 GB	统一内存	最长 128k	思考模式
LFM2.5 2.6B	运行流畅	估算 230.0 tok/s161.0–299.0理论估算 ±30%	Q4_K_M	2.4 / 89.6 GB	统一内存	最长 128k	思考模式
HyperCLOVA X SEED 1.5B	运行流畅	估算 228.6 tok/s182.9–274.3校准估算 ±20%	Q4_K_M	2.4 / 89.6 GB	统一内存	最长 16k	—
MiniCPM5 2B	运行流畅	估算 217.0 tok/s173.6–260.4校准估算 ±20%	Q4_K_M	2.5 / 89.6 GB	统一内存	最长 128k	思考模式
Gemma 4 E2B	运行流畅	估算 182.3 tok/s127.6–237.0理论估算 ±30%	Q4_K_M	3.7 / 89.6 GB	统一内存	最长 128k	思考模式
Mellum2.1 12B-A2.5B Thinking	运行流畅	估算 166.4 tok/s133.1–199.7校准估算 ±20%	Q4_K_M	8.8 / 89.6 GB	统一内存	最长 128k	思考模式
Spark-X2.5 4B	运行流畅	估算 143.0 tok/s114.4–171.6校准估算 ±20%	Q4_K_M	3.5 / 89.6 GB	统一内存	最长 256k	思考模式
Llama 3.2 3B	运行流畅	估算 140.2 tok/s112.2–168.3校准估算 ±20%	Q4_K_M	3.5 / 89.6 GB	统一内存	最长 128k	—
Qwen3.5 4B	运行流畅	估算 133.9 tok/s107.1–160.7校准估算 ±20%	Q4_K_M	3.7 / 89.6 GB	统一内存	最长 256k	思考模式
gpt-oss-20b	运行流畅	估算 131.1 tok/s104.9–157.4校准估算 ±20%	MXFP4	12.9 / 89.6 GB	统一内存	最长 128k	思考模式
Nemotron 3.5 Lightning 30B-A3B	运行流畅	估算 124.5 tok/s87.2–161.9理论估算 ±30%	Q4_K_M	26.1 / 89.6 GB	统一内存	最长 256k	思考模式
MiniCPM-V 4.7 35B-A3B	运行流畅	估算 120.3 tok/s96.3–144.4校准估算 ±20%	Q4_K_M	21.9 / 89.6 GB	统一内存	最长 256k	思考模式
Qwen3.6 35B-A3B	运行流畅	估算 113.1 tok/s90.5–135.7校准估算 ±20%	Q4_K_M	23.0 / 89.6 GB	统一内存	最长 256k	思考模式
Gemma 4 E4B	运行流畅	估算 106.4 tok/s74.5–138.3理论估算 ±30%	Q4_K_M	5.7 / 89.6 GB	统一内存	最长 128k	思考模式
Kanana 1.5 15.7B-A3B	运行流畅	估算 105.3 tok/s84.2–126.3校准估算 ±20%	Q4_K_M	12.1 / 89.6 GB	统一内存	最长 32k	—
Qwen3.5 35B-A3B	运行流畅	估算 101.5 tok/s81.2–121.8校准估算 ±20%	Q4_K_M	23.4 / 89.6 GB	统一内存	最长 256k	思考模式
Qwen3 30B-A3B (2507)	运行流畅	估算 96.9 tok/s77.5–116.2校准估算 ±20%	Q4_K_M	19.9 / 89.6 GB	统一内存	最长 128k	—
gpt-oss-120b	运行流畅	估算 92.5 tok/s74.0–111.0校准估算 ±20%	MXFP4	64.3 / 89.6 GB	统一内存	最长 128k	思考模式
Gemma 4 26B-A4B	运行流畅	估算 89.8 tok/s71.8–107.8校准估算 ±20%	Q4_K_M	17.7 / 89.6 GB	统一内存	最长 256k	思考模式
Ling-3.0 Flash	运行流畅	估算 88.6 tok/s62.0–115.2理论估算 ±30%	Q4_K_M	77.7 / 89.6 GB	统一内存	最长 256k	思考模式
Kolibri 1	运行流畅	估算 88.5 tok/s70.8–106.2校准估算 ±20%	Q4_K_M	50.5 / 89.6 GB	统一内存	最长 256k	思考模式
DeepSeek R1 Distill Llama 8B	运行流畅	估算 69.2 tok/s55.4–83.1校准估算 ±20%	Q4_K_M	6.6 / 89.6 GB	统一内存	最长 64k	思考模式
Kanana 1.5 8B	运行流畅	估算 69.2 tok/s55.4–83.1校准估算 ±20%	Q4_K_M	6.6 / 89.6 GB	统一内存	最长 32k	—
Llama 3.1 8B	运行流畅	估算 69.2 tok/s55.4–83.1校准估算 ±20%	Q4_K_M	6.6 / 89.6 GB	统一内存	最长 64k	—
Nanbeige4.2 3B	运行流畅	估算 67.7 tok/s47.4–88.1理论估算 ±30%	Q4_K_M	4.7 / 89.6 GB	统一内存	最长 32k	思考模式
Qwen3.5 9B	运行流畅	估算 67.6 tok/s54.1–81.1校准估算 ±20%	Q4_K_M	6.7 / 89.6 GB	统一内存	最长 128k	思考模式
DeepSeek R1 0528 Qwen3 8B	运行流畅	估算 66.5 tok/s53.2–79.8校准估算 ±20%	Q4_K_M	6.8 / 89.6 GB	统一内存	最长 32k	思考模式
Qwen3 8B	运行流畅	估算 66.5 tok/s53.2–79.8校准估算 ±20%	Q4_K_M	6.8 / 89.6 GB	统一内存	最长 32k	思考模式
K2-Horizon MoVA 36B-A4B	运行流畅	估算 65.1 tok/s45.6–84.7理论估算 ±30%	Q4_K_M	24.6 / 89.6 GB	统一内存	最长 32k	思考模式
K2-Horizon 7B	运行流畅	估算 61.0 tok/s48.8–73.3校准估算 ±20%	Q4_K_M	7.4 / 89.6 GB	统一内存	最长 32k	思考模式
Gemma 4 12B	运行流畅	估算 57.2 tok/s45.8–68.6校准估算 ±20%	Q4_K_M	7.8 / 89.6 GB	统一内存	最长 256k	思考模式
Gemma 3 12B	运行流畅	估算 52.9 tok/s42.4–63.5校准估算 ±20%	Q4_K_M	8.4 / 89.6 GB	统一内存	最长 128k	—
Laguna S 2.1	运行流畅	估算 49.1 tok/s39.2–58.9校准估算 ±20%	Q4_K_M	68.6 / 89.6 GB	统一内存	最长 64k	思考模式
Qwen3.5 122B-A10B	运行流畅	估算 43.0 tok/s34.4–51.6校准估算 ±20%	Q4_K_M	79.0 / 89.6 GB	统一内存	最长 128k	思考模式
Solar Open 100B	运行流畅	估算 41.0 tok/s32.8–49.3校准估算 ±20%	Q4_K_M	64.4 / 89.6 GB	统一内存	最长 16k	思考模式
HyperCLOVA X SEED Think 14B	运行流畅	估算 40.7 tok/s28.5–52.9理论估算 ±30%	Q4_K_M	10.8 / 89.6 GB	统一内存	最长 16k	思考模式
Qwen3 14B	运行流畅	估算 40.1 tok/s32.1–48.1校准估算 ±20%	Q4_K_M	10.9 / 89.6 GB	统一内存	最长 16k	思考模式
DeepSeek R1 Distill Qwen 14B	运行流畅	估算 39.1 tok/s31.3–47.0校准估算 ±20%	Q4_K_M	11.2 / 89.6 GB	统一内存	最长 16k	思考模式
Phi-4	运行流畅	估算 38.7 tok/s30.9–46.4校准估算 ±20%	Q4_K_M	11.3 / 89.6 GB	统一内存	最长 16k	—
Mistral Small 3.2 24B	运行流畅	估算 26.5 tok/s21.2–31.8校准估算 ±20%	Q4_K_M	16.2 / 89.6 GB	统一内存	最长 32k	—
Gemma 3 27B	运行流畅	估算 24.1 tok/s19.3–28.9校准估算 ±20%	Q4_K_M	17.8 / 89.6 GB	统一内存	最长 32k	—
Qwen3.6 27B	运行良好	估算 23.9 tok/s19.1–28.7校准估算 ±20%	Q4_K_M	17.9 / 89.6 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 23.8 tok/s19.1–28.6校准估算 ±20%	Q4_K_M	18.0 / 89.6 GB	统一内存	最长 128k	Q2_K（质量损失大）：运行流畅思考模式
Qwen3.5 27B	运行良好	估算 23.5 tok/s18.8–28.2校准估算 ±20%	Q4_K_M	18.2 / 89.6 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 23.1 tok/s18.5–27.7校准估算 ±20%	Q4_K_M	18.6 / 89.6 GB	统一内存	最长 128k	Q2_K（质量损失大）：运行流畅思考模式
Gemma 4 31B	运行良好	估算 21.9 tok/s17.5–26.2校准估算 ±20%	Q4_K_M	19.6 / 89.6 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 20.9 tok/s16.7–25.1校准估算 ±20%	Q4_K_M	20.4 / 89.6 GB	统一内存	最长 32k	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 20.9 tok/s16.7–25.1校准估算 ±20%	Q4_K_M	20.5 / 89.6 GB	统一内存	最长 128k	思考模式
EXAONE 4.5 33B	运行良好	估算 20.2 tok/s16.1–24.2校准估算 ±20%	Q4_K_M	21.2 / 89.6 GB	统一内存	最长 128k	思考模式
Qwen3 32B	运行良好	估算 18.9 tok/s15.2–22.7校准估算 ±20%	Q4_K_M	22.5 / 89.6 GB	统一内存	最长 32k	思考模式
DeepSeek R1 Distill Qwen 32B	运行良好	估算 18.9 tok/s15.1–22.6校准估算 ±20%	Q4_K_M	22.6 / 89.6 GB	统一内存	最长 32k	思考模式
Llama 3.3 70B	运行良好	估算 9.2 tok/s7.3–11.0校准估算 ±20%	Q4_K_M	45.8 / 89.6 GB	统一内存	最长 16k	—
DeepSeek V4 Flash 0731	无法运行改用 Q2_K（质量损失大）：运行较慢	估算 38.4 tok/s26.9–49.9理论估算 ±30%	Q2_K	117.4 GB 内存	纯 CPU	最长 256k	CPU 推理：最高只能判为“运行较慢” 思考模式
Solar Open 2 250B	无法运行改用 Q2_K（质量损失大）：运行较慢	估算 38.4 tok/s26.8–49.9理论估算 ±30%	Q2_K	95.8 GB 内存	纯 CPU	最长 256k	CPU 推理：最高只能判为“运行较慢” 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 124.0 GB（其中 GPU 可用 89.6 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	48 GB	64 GB	128 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
Ling-3.0 Tiny	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
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
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
Qwen3.5 4B	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
Nemotron 3.5 Lightning 30B-A3B	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
Gemma 4 E4B	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
Qwen3.5 35B-A3B	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
gpt-oss-120b	无法运行	无法运行	运行流畅
Gemma 4 26B-A4B	运行流畅	运行流畅	运行流畅
Ling-3.0 Flash	无法运行	无法运行	运行流畅
Kolibri 1	无法运行	运行较慢	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 MoVA 36B-A4B	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
Gemma 3 12B	运行流畅	运行流畅	运行流畅
Laguna S 2.1	无法运行	无法运行	运行流畅
Qwen3.5 122B-A10B	无法运行	无法运行	运行流畅
Solar Open 100B	无法运行	无法运行	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
Phi-4	运行流畅	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
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
Qwen3.5 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
Qwen3 32B	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	无法运行	运行较慢	运行良好
DeepSeek V4 Flash 0731	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
GLM-5.3 Flash	无法运行	无法运行	无法运行

Apple M4 Max (40-core GPU) 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 Max (40-core GPU) 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	886.0	83.1	Metal, b1550 (2023)	github.com	2024-11-13

常见问题

能完全在 Apple M4 Max (40-core GPU) 上运行的最大模型是什么？

Ling-3.0 Flash Q4_K_M（77.01 GB 文件）在 8k 上下文下可完整装入 128 GB 统一内存，估算 88.6 tok/s（62.0–115.2，理论估算 ±30%）。

Apple M4 Max (40-core GPU) 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 128 GB，在 58 个已收录的模型中，44 个运行流畅、11 个运行良好、0 个运行较慢，3 个无法运行。

Apple M4 Max (40-core GPU) 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：估算 9.2 tok/s（7.3–11.0，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。