Mémoire unifiée · Apple mémoire unifiée
Mac Studio M4 Max 128 Go : quels LLM peut-il faire tourner ?
Sur 128 Go de mémoire unifiée, environ 96 Go sont utilisables par le GPU. Seul, il charge jusqu’à Mistral Large 123B en Q4. C’est une machine complète : impossible d’y ajouter des cartes.
Caractéristiques
Mémoire128 Go
Bande passante546 Go/s
Calcul FP16~34 TF
Consommation150 W
Prix indicatif4 400 €
€ par Go utile46 €
Face aux cartes de même prix
Recettes avec ce matériel
Llama 70B sur un Mac Studio4 400 €
Modèles et vitesse attendue
| Modèle | Q4 | Q8 | FP16 |
|---|---|---|---|
| Qwen3 4B | ✓ ~118 tok/s | ✓ ~68 tok/s | ✓ ~37 tok/s |
| Llama 3.1 8B | ✓ ~61 tok/s | ✓ ~35 tok/s | ✓ ~19 tok/s |
| Qwen3 8B | ✓ ~59 tok/s | ✓ ~34 tok/s | ✓ ~18 tok/s |
| Gemma 3 12B | ✓ ~41 tok/s | ✓ ~23 tok/s | ✓ ~12 tok/s |
| Mistral Nemo 12B | ✓ ~40 tok/s | ✓ ~23 tok/s | ✓ ~12 tok/s |
| Phi-4 14B | ✓ ~33 tok/s | ✓ ~19 tok/s | ✓ ~10 tok/s |
| Qwen3 14B | ✓ ~33 tok/s | ✓ ~19 tok/s | ✓ ~10 tok/s |
| gpt-oss-20b | ✓ ~130 tok/s | ✓ ~76 tok/s | ✓ ~41 tok/s |
| Mistral Small 24B | ✓ ~21 tok/s | ✓ ~12 tok/s | ✓ ~6,2 tok/s |
| Gemma 3 27B | ✓ ~18 tok/s | ✓ ~10 tok/s | ✓ ~5,5 tok/s |
| Qwen3.8 27B | ✓ ~18 tok/s | ✓ ~10 tok/s | ✓ ~5,3 tok/s |
| Qwen3 30B-A3B | ✓ ~141 tok/s | ✓ ~82 tok/s | ✓ ~44 tok/s |
| Qwen3 32B | ✓ ~15 tok/s | ✓ ~8,6 tok/s | ✓ ~4,6 tok/s |
| Qwen2.5 Coder 32B | ✓ ~15 tok/s | ✓ ~8,6 tok/s | ✓ ~4,6 tok/s |
| DeepSeek R1 Distill 32B | ✓ ~15 tok/s | ✓ ~8,6 tok/s | ✓ ~4,6 tok/s |
| Mixtral 8x7B | ✓ ~38 tok/s | ✓ ~22 tok/s | ✗ |
| Llama 3.3 70B | ✓ ~7,1 tok/s | ✓ ~4,0 tok/s | ✗ |
| GLM-4.5-Air 106B | ✓ ~41 tok/s | ✗ | ✗ |
| gpt-oss-120b | ✓ ~94 tok/s | ✗ | ✗ |
| Mistral Large 123B | ✓ ~4,1 tok/s | ✗ | ✗ |
| Qwen3 235B-A22B | ✗ | ✗ | ✗ |
| GLM-4.5 355B | ✗ | ✗ | ✗ |
| Llama 3.1 405B | ✗ | ✗ | ✗ |
| DeepSeek R1 671B | ✗ | ✗ | ✗ |
| DeepSeek V3.1 671B | ✗ | ✗ | ✗ |
| Kimi K2 1T | ✗ | ✗ | ✗ |
8k tokens, un utilisateur. « 2 × » = nombre de cartes nécessaires, vitesse en parallélisme tensoriel (vLLM). ✗ = ne tient pas, même à 1 cartes.