96GB 显存
Mac M2 Max 96G 能跑哪些大模型？
在 96GB、4K 上下文下，索引中 110 个模型有 97 个可从容运行，各自取仍留有余量的最高质量档位。
Mac M2 Max 96G 的简短答案
96 GB，400 GB/s Unified LPDDR5。索引中 110 个模型里有 97 个能在 4K 上下文下从容运行，99 个至少能加载。
- 能装下的最大模型
- GPT-OSS 120B — Q4_K_M 下约 62.7 GB —— 4K 时仅剩 9.3 GB，上下文再拉长就要动用这点余量。
- 留有余量的选择
- Nemotron 3.5 Bolt 74B-A9B — IQ2_XXS 下约 23.1 GB —— 占用不到显存的 60%，留下 49.0 GB 给长上下文或第二个进程。
- 速度上限
- Llama 3.1 8B Instruct 在 Q4_K_M 下每个 token 要读取 4.6 GB 权重，因此 400 GB/s 给出的硬上限约为 87 tok/s。这是两个公开数字的算术结果，不是跑分 —— 实际吞吐会低于它。 本站没有在这张卡上的实测记录，因此无法与这个上限对照。
- 你会先撞到的墙
- 瓶颈是 GPU 能用到的那部分统一内存，而不是标称的 96 GB。macOS 会为系统保留一部分，并限制单个进程可以锁定的内存量，因此实际预算明显低于标称值 —— 这个上限可以调整（`iogpu.wired_limit_mb`），但它确实存在。带宽为 400 GB/s，模型装下之后，决定 tok/s 的就是这个数字。
70B+ · 10
| 模型 | 量化档位 | 预估显存 | 余量 | tok/s |
|---|---|---|---|---|
| GPT-OSS 120B117B MoE | Q4_K_M | 62.73 GB | +9.3 GB | ≤161天花板 |
| Llama 4 Scout 17B (16E)109B MoE | Q3_K_M | 55.92 GB | +16.1 GB | ≤51天花板 |
| GLM-4.5-Air106B MoE | Q3_K_M | 54.37 GB | +17.6 GB | ≤73天花板 |
| Llama 3.2 90B Vision Instruct90B | Q4_K_M | 57.5 GB | +14.5 GB | ≤8天花板 |
| Nemotron 3.5 Bolt 74B-A9B74B-A9B | IQ2_XXS | 23.05 GB | +49 GB | ≤157天花板 |
| Qwen2.5 72B Instruct72B | Q5_K_M | 55.31 GB | +16.7 GB | ≤8天花板 |
| Llama 3.1 70B Instruct70B | Q5_K_M | 53.75 GB | +18.3 GB | ≤8天花板 |
| Llama 3.3 70B Instruct70B | Q5_K_M | 53.75 GB | +18.3 GB | ≤8天花板 |
| DeepSeek-R1-Distill-Llama-70B70B | Q4_K_M | 46.1 GB | +25.9 GB | ≤10天花板 |
| Jamba 1.5 Mini52B-A12B | Q4_K_M | 33.01 GB | +39 GB | ≤58天花板 |
32B · 30
| 模型 | 量化档位 | 预估显存 | 余量 | tok/s |
|---|---|---|---|---|
| Kimi Linear 48B-A3B Instruct48B-A3B | Q8_0 | 53.33 GB | +18.7 GB | ≤132天花板 |
| Mixtral 8x7B Instruct47B MoE | Q4_K_M | 30.13 GB | +41.9 GB | ≤54天花板 |
| Seed-OSS 36B Instruct36B | Q5_K_M | 27.81 GB | +44.2 GB | ≤16天花板 |
| Qwen3.6 35B-A3B35B-A3B | Q8_0 | 39.6 GB | +32.4 GB | ≤132天花板 |
| Command R 35B35B | Q4_K_M | 22.86 GB | +49.1 GB | ≤20天花板 |
| Yi 1.5 34B Chat34B | Q4_K_M | 22.82 GB | +49.2 GB | ≤20天花板 |
| Qwen3 32B Instruct32B | Q4_K_M | 21.85 GB | +50.2 GB | 12–15推算 |
| Qwen2.5 32B Instruct32B | Q4_K_M | 21.69 GB | +50.3 GB | 12–16推算 |
| Qwen2.5-Coder 32B Instruct32B | Q4_K_M | 21.69 GB | +50.3 GB | 12–16推算 |
| DeepSeek-R1-Distill-Qwen-32B32B | Q4_K_M | 21.69 GB | +50.3 GB | 12–16推算 |
| Nemotron 3.5 Lightning 30B-A3B30B-A3B | Q8_0 | 35.14 GB | +36.9 GB | ≤132天花板 |
| Gemma 4 31B IT31B | Q8_0 | 35.72 GB | +36.3 GB | 7–9推算 |
| Qwen3 30B-A3B Instruct30B-A3B | Q5_K_M | 23.04 GB | +49 GB | ≤198天花板 |
| Qwen3-Coder 30B-A3B Instruct30B-A3B | Q5_K_M | 23.04 GB | +49 GB | ≤198天花板 |
| Qwen3-VL 30B-A3B Instruct30B-A3B | Q8_0 | 34.28 GB | +37.7 GB | ≤132天花板 |
| GLM-4.7-Flash30B-A3B | Q8_0 | 33.47 GB | +38.5 GB | ≤132天花板 |
| Granite 4.2 30B30B | Q8_0 | 33.61 GB | +38.4 GB | 7–10推算 |
| Muse Glimmer 30B30B | Q8_0 | 31.08 GB | +40.9 GB | 8–10推算 |
| Qwen3.8 27B27B | Q4_K_M | 17.47 GB | +54.5 GB | 14–19推算 |
| Qwen3.6 27B27B | Q8_0 | 30.71 GB | +41.3 GB | 8–10推算 |
| Gemma 3 27B IT27B | Q4_K_M | 18.37 GB | +53.6 GB | 14–18推算 |
| Gemma 2 27B Instruct27B | Q5_K_M | 21.76 GB | +50.2 GB | 12–16推算 |
| Gemma 4 26B-A4B IT26B-A4B | Q8_0 | 28.42 GB | +43.6 GB | ≤99天花板 |
| Mistral Small 24B Instruct24B | Q4_K_M | 15.89 GB | +56.1 GB | 16–21推算 |
| LFM2.5 24B-A2B24B-A2B | Q8_0 | 26.73 GB | +45.3 GB | ≤162天花板 |
| Devstral Small 1.1 24B24B | Q6_K | 20.91 GB | +51.1 GB | 12–16推算 |
| Magistral Small 1.2 24B24B | Q6_K | 20.91 GB | +51.1 GB | 12–16推算 |
| Codestral 22B22B | Q4_K_M | 15.03 GB | +57 GB | 17–23推算 |
| ERNIE 4.5 21B-A3B21B-A3B | Q8_0 | 24.44 GB | +47.6 GB | ≤132天花板 |
| GPT-OSS 20B21B MoE | MXFP4 | 12.76 GB | +59.2 GB | ≤202天花板 |
14B · 18
| 模型 | 量化档位 | 预估显存 | 余量 | tok/s |
|---|---|---|---|---|
| InternLM2 20B Chat20B | Q5_K_M | 15.59 GB | +56.4 GB | 16–22推算 |
| DeepSeek-Coder-V2-Lite Instruct16B-A2.4B | Q8_0 | 17.56 GB | +54.4 GB | ≤165天花板 |
| DeepSeek-V2-Lite Chat16B-A2.4B | Q4_K_M | 10.08 GB | +61.9 GB | ≤289天花板 |
| StarCoder2 15B15B | Q4_K_M | 10.19 GB | +61.8 GB | 25–34推算 |
| Qwen3 14B Instruct14B | Q5_K_M | 11.65 GB | +60.4 GB | 22–29推算 |
| Qwen2.5 14B Instruct14B | Q5_K_M | 11.73 GB | +60.3 GB | 22–29推算 |
| DeepSeek-R1-Distill-Qwen-14B14B | Q4_K_M | 10.14 GB | +61.9 GB | 26–34推算 |
| Phi-4 14B14B | Q5_K_M | 11.77 GB | +60.2 GB | 22–29推算 |
| Phi-3 Medium 14B Instruct14B | Q6_K | 12.86 GB | +59.1 GB | 20–27推算 |
| Mistral Nemo 12B Instruct12B | Q6_K | 11.14 GB | +60.9 GB | 23–31推算 |
| Gemma 3 12B IT12B | Q5_K_M | 9.84 GB | +62.2 GB | 27–35推算 |
| Mellum2.1 12B-A2.5B Thinking12B-A2.5B | Q8_0 | 13.6 GB | +58.4 GB | ≤159天花板 |
| Stable LM 2 12B Chat12B | Q4_K_M | 8.35 GB | +63.7 GB | 31–42推算 |
| Llama 3.2 11B Vision Instruct11B | Q8_0 | 12.9 GB | +59.1 GB | 20–26推算 |
| Solar 10.7B Instruct11B | Q4_K_M | 7.6 GB | +64.4 GB | 36–47推算 |
| Falcon 3 10B Instruct10B | Q4_K_M | 7.28 GB | +64.7 GB | 37–48推算 |
| Gemma 2 9B Instruct9B | Q8_0 | 11.7 GB | +60.3 GB | 24–31推算 |
| Qwen3.5 9B9B | Q8_0 | 10.37 GB | +61.6 GB | 24–31推算 |
7B · 25
| 模型 | 量化档位 | 预估显存 | 余量 | tok/s |
|---|---|---|---|---|
| GLM-4-9B-Chat9B | Q8_0 | 10.16 GB | +61.8 GB | 24–32推算 |
| Qwen3-VL 8B Instruct8B | Q8_0 | 10.39 GB | +61.6 GB | 25–33推算 |
| Granite 4.2 8B8B | Q8_0 | 10.45 GB | +61.6 GB | 25–33推算 |
| Ministral 3 8B Instruct8B | Q8_0 | 10.02 GB | +62 GB | 26–34推算 |
| Qwen2-VL 7B Instruct7B | Q4_K_M | 5.49 GB | +66.5 GB | 46–61推算 |
| Granite 3.1 8B Instruct8B | Q4_K_M | 5.88 GB | +66.1 GB | 46–62推算 |
| Qwen3 8B Instruct8B | Q6_K | 7.64 GB | +64.4 GB | 34–46推算 |
| Llama 3.1 8B Instruct8B | Q8_0 | 9.47 GB | +62.5 GB | 27–36推算 |
| Nous Hermes 3 Llama 3.1 8B8B | Q4_K_M | 5.64 GB | +66.4 GB | 47–63推算 |
| Aya 23 8B8B | Q4_K_M | 5.64 GB | +66.4 GB | 47–63推算 |
| OpenChat 3.6 8B8B | Q4_K_M | 5.64 GB | +66.4 GB | 47–63推算 |
| DeepSeek-R1-Distill-Llama-8B8B | Q5_K_M | 6.51 GB | +65.5 GB | 40–54推算 |
| InternLM2 7B Chat7B | Q4_K_M | 5.45 GB | +66.6 GB | 49–65推算 |
| Qwen2.5 7B Instruct7B | Q6_K | 6.77 GB | +65.2 GB | 37–49推算 |
| Qwen2.5-Coder 7B Instruct7B | Q4_K_M | 5.07 GB | +66.9 GB | 50–66推算 |
| DeepSeek-R1-Distill-Qwen-7B7B | Q4_K_M | 5.07 GB | +66.9 GB | 50–66推算 |
| Gemma 4 E4B ITE4B | Q8_0 | 8.46 GB | +63.5 GB | 29–38推算 |
| OLMo 2 7B Instruct7B | Q8_0 | 10.3 GB | +61.7 GB | 30–39推算 |
| OLMo 3 7B Instruct7B | Q8_0 | 10.3 GB | +61.7 GB | 30–39推算 |
| WizardLM-2 7B7B | Q4_K_M | 5.14 GB | +66.9 GB | 53–70推算 |
| Mistral 7B Instruct v0.37B | Q6_K | 6.75 GB | +65.3 GB | 39–51推算 |
| Zephyr 7B Beta7B | Q6_K | 6.75 GB | +65.3 GB | 39–51推算 |
| Gemma 4 E2B ITE2B | Q8_0 | 5.2 GB | +66.8 GB | ≤85天花板 |
| Qwen3.5 4B4B | Q8_0 | 4.97 GB | +67 GB | ≤91天花板 |
| Gemma 3 4B IT4B | Q8_0 | 5.05 GB | +67 GB | ≤92天花板 |
≤3B · 14
| 模型 | 量化档位 | 预估显存 | 余量 | tok/s |
|---|---|---|---|---|
| Qwen3 4B Instruct4B | Q6_K | 4.05 GB | +68 GB | ≤128天花板 |
| Phi-4 Mini Instruct3.8B | Q8_0 | 4.81 GB | +67.2 GB | ≤103天花板 |
| Phi-3.5 Mini Instruct3.8B | Q8_0 | 5.89 GB | +66.1 GB | ≤104天花板 |
| Granite 4.2 3B3B | Q8_0 | 4.41 GB | +67.6 GB | ≤108天花板 |
| Llama 3.2 3B Instruct3B | Q8_0 | 4.05 GB | +68 GB | ≤123天花板 |
| Qwen2.5 3B Instruct3B | Q8_0 | 3.59 GB | +68.4 GB | ≤128天花板 |
| SmolLM3 3B3B | Q8_0 | 3.73 GB | +68.3 GB | ≤129天花板 |
| Gemma 2 2B Instruct2B | Q8_0 | 3.34 GB | +68.7 GB | ≤152天花板 |
| Qwen3.5 2B2B | Q8_0 | 2.23 GB | +69.8 GB | ≤202天花板 |
| Qwen3 1.7B Instruct1.7B | Q8_0 | 2.39 GB | +69.6 GB | ≤230天花板 |
| Qwen2.5 1.5B Instruct1.5B | Q8_0 | 1.83 GB | +70.2 GB | ≤258天花板 |
| Llama 3.2 1B Instruct1B | Q8_0 | 1.51 GB | +70.5 GB | ≤320天花板 |
| Qwen3.5 0.8B0.8B | Q8_0 | 0.94 GB | +71.1 GB | ≤494天花板 |
| Qwen2.5 0.5B Instruct0.5B | Q8_0 | 0.6 GB | +71.4 GB | ≤816天花板 |
这个列表是怎么算出来的
每一行取该模型中困惑度损失最低、且预估总量（权重 + 4K 上下文下的 KV 缓存 + 激活缓冲）不超过显存 88% 的量化档位。88% 是计算器的"绿色"阈值，因此这里每一行都留有真实余量，而不是刚好装下。提高上下文长度，列表会变短；计算器可直接验证任意组合。速度一列是这张卡自己的：实测、按这张卡的 Llama 2 7B 跑分缩放出来的范围，或带宽天花板。只有 RTX 4090 上才有的数字会标明是那张卡。
另有 2 个模型能加载但不留余量（占用至多为显存的 105%）—— 模型库的显卡快捷筛选把它们也计入，因此那里的数字更大。
在这张卡上的实测数据
本索引中没有在 Mac M2 Max 96G 上跑出的基准记录。本页所有数字都是根据模型架构与量化档位计算得出的估算，不是实测值。
这张卡的部署指南
针对 Mac M2 Max 96G 的运行时或显存容量编写的分步指南，包括具体命令，以及确认模型确实跑在这张卡上的检查方法。
再往上一档
Mac M5 Max 128G（128GB）比这张卡多装下 3 个索引内的模型。 Mac M5 Max 128G →
常见问题
Mac M2 Max 96G 上最适合本地运行的大模型是哪个？
日常使用推荐 Nemotron 3.5 Bolt 74B-A9B（IQ2_XXS）—— 在 4K 上下文下约占这张卡 96 GB 中的 23.1 GB，还剩 49.0 GB 给更长的窗口。如果你要的是能加载的最大模型，那是 GPT-OSS 120B（Q4_K_M，约 62.7 GB，余量 9.3 GB）。这里的「最适合」指的是最契合显存预算 —— 本索引不跑任务基准，无法告诉你哪个模型更聪明。
Mac M2 Max 96G 能跑 Nemotron 3.5 Super VL 120B-A12B 吗？
勉强。它在本索引中最小的构建 Q4_0 约需 75.1 GB，而这张卡可用约 72.0 GB —— 在没有其他程序占用时能加载，但没有任何余量留给更长的上下文。上面的清单里没有它，因为那份清单要求模型占用不超过可用显存的 88%。
Mac M2 Max 96G 跑 8B 模型的 Q4 量化大概有多少 tok/s？
本索引没有这张卡的实测记录，因此不公布具体数字。可以从规格推出的是：生成一个 token 需要把每个权重都读一遍，Llama 3.1 8B Instruct 在 Q4_K_M 下权重为 4.6 GB，而这张卡的带宽是 400 GB/s —— 上限约 87 tok/s。批大小、上下文长度、运行时以及缓存命中情况都会把实际值压到这个数以下。
本地跑大模型，Mac M2 Max 96G 还是 Mac M5 Max 128G？
两者装得下的模型并不相同：4K 下 Mac M2 Max 96G 可从容运行 110 个中的 97 个，Mac M5 Max 128G 为 100 个——macOS 会从 Mac M2 Max 96G 的统一内存里留出一部分不给 GPU，可用约 72 GB。另一个差别在吞吐 —— 400 GB/s 对 614 GB/s，读取权重的速度相差 1.5 倍，而 token 生成正是受此限制。两张卡都装得下的模型，Mac M5 Max 128G 生成更快。
在 96GB、4K 上下文下，索引中 110 个模型有 97 个可从容运行，各自取仍留有余量的最高质量档位。
本页数字会随模型数据或运行时版本的变化而更新。最近更新 2026-10-18 RSS → /zh/feed.xml