Mac M5 32G 能跑哪些大模型？
在 32GB、4K 上下文下，索引中 112 个模型有 83 个可从容运行，各自取仍留有余量的最高质量档位。
Mac M5 32G 的简短答案
32 GB，153 GB/s Unified LPDDR5X。索引中 112 个模型里有 83 个能在 4K 上下文下从容运行，88 个至少能加载。
- 能装下的最大模型
- Seed-OSS 36B Instruct — Q3_K_M 下约 19.3 GB —— 4K 时仅剩 4.7 GB，上下文再拉长就要动用这点余量。
- 留有余量的选择
- ERNIE 4.5 21B-A3B — Q4_K_M 下约 14.1 GB —— 占用不到显存的 60%，留下 10.0 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 153 GB/s 给出的硬上限约为 33 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 32 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 153 GB/s，模型装下之后，决定 tok/s 的就是这个数字。
32B · 25
| 模型 | 量化档位 | 预估显存 | 余量 | tok/s |
|---|---|---|---|---|
| Seed-OSS 36B Instruct36B | Q3_K_M | 19.3 GB | +4.7 GB | ≤9天花板 |
| Qwen3 32B Instruct32B | Q3_K_M | 17.66 GB | +6.3 GB | ≤10天花板 |
| Qwen2.5 32B Instruct32B | Q3_K_M | 17.53 GB | +6.5 GB | ≤10天花板 |
| DeepSeek-R1-Distill-Qwen-32B32B | Q3_K_M | 17.53 GB | +6.5 GB | ≤10天花板 |
| Nemotron 3.5 Lightning 30B-A3B30B-A3B | Q4_0 | 19.79 GB | +4.2 GB | ≤90天花板 |
| Gemma 4 31B IT31B | Q4_K_M | 21.08 GB | +2.9 GB | ≤9天花板 |
| Qwen3 30B-A3B Instruct30B-A3B | Q4_K_M | 19.73 GB | +4.3 GB | ≤89天花板 |
| Qwen3-Coder 30B-A3B Instruct30B-A3B | Q4_K_M | 19.73 GB | +4.3 GB | ≤89天花板 |
| Qwen3-VL 30B-A3B Instruct30B-A3B | Q4_K_M | 19.73 GB | +4.3 GB | ≤89天花板 |
| North Mini Code 1.0 30B-A3B30B-A3B | Q4_K_M | 20.01 GB | +4 GB | ≤87天花板 |
| GLM-4.7-Flash30B-A3B | Q4_K_M | 19.19 GB | +4.8 GB | ≤89天花板 |
| Granite 4.2 30B30B | Q4_K_M | 19.61 GB | +4.4 GB | ≤9天花板 |
| Muse Glimmer 30B30B | Q4_K_M | 17.66 GB | +6.3 GB | ≤10天花板 |
| Qwen3.8 27B27B | Q4_K_M | 17.47 GB | +6.5 GB | ≤10天花板 |
| Qwen3.6 27B27B | Q4_K_M | 19.07 GB | +4.9 GB | ≤9天花板 |
| Gemma 3 27B IT27B | Q4_K_M | 18.37 GB | +5.6 GB | ≤10天花板 |
| Gemma 2 27B Instruct27B | Q4_K_M | 18.81 GB | +5.2 GB | ≤10天花板 |
| Gemma 4 26B-A4B IT26B-A4B | Q4_K_M | 16.39 GB | +7.6 GB | ≤66天花板 |
| Mistral Small 24B Instruct24B | Q4_K_M | 15.89 GB | +8.1 GB | ≤11天花板 |
| LFM2.5 24B-A2B24B-A2B | Q4_K_M | 15.27 GB | +8.7 GB | ≤108天花板 |
| Devstral Small 1.1 24B24B | Q6_K | 20.91 GB | +3.1 GB | ≤8天花板 |
| Magistral Small 1.2 24B24B | Q6_K | 20.91 GB | +3.1 GB | ≤8天花板 |
| Codestral 22B22B | Q4_K_M | 15.03 GB | +9 GB | ≤12天花板 |
| ERNIE 4.5 21B-A3B21B-A3B | Q4_K_M | 14.05 GB | +10 GB | ≤89天花板 |
| GPT-OSS 20B21B MoE | MXFP4 | 12.76 GB | +11.2 GB | ≤77天花板 |
14B · 19
| 模型 | 量化档位 | 预估显存 | 余量 | tok/s |
|---|---|---|---|---|
| InternLM2 20B Chat20B | Q5_K_M | 15.59 GB | +8.4 GB | ≤11天花板 |
| DeepSeek-Coder-V2-Lite Instruct16B-A2.4B | Q8_0 | 17.56 GB | +6.4 GB | ≤63天花板 |
| DeepSeek-V2-Lite Chat16B-A2.4B | Q4_K_M | 10.08 GB | +13.9 GB | ≤111天花板 |
| StarCoder2 15B15B | Q4_K_M | 10.19 GB | +13.8 GB | ≤18天花板 |
| Qwen3 14B Instruct14B | Q5_K_M | 11.65 GB | +12.4 GB | ≤15天花板 |
| Qwen2.5 14B Instruct14B | Q5_K_M | 11.73 GB | +12.3 GB | ≤15天花板 |
| DeepSeek-R1-Distill-Qwen-14B14B | Q4_K_M | 10.14 GB | +13.9 GB | ≤18天花板 |
| Phi-4 14B14B | Q5_K_M | 11.77 GB | +12.2 GB | ≤15天花板 |
| Phi-3 Medium 14B Instruct14B | Q6_K | 12.86 GB | +11.1 GB | ≤14天花板 |
| Mistral Nemo 12B Instruct12B | Q6_K | 11.14 GB | +12.9 GB | ≤16天花板 |
| Gemma 3 12B IT12B | Q5_K_M | 9.84 GB | +14.2 GB | ≤19天花板 |
| Mellum2.1 12B-A2.5B Thinking12B-A2.5B | Q8_0 | 13.6 GB | +10.4 GB | ≤61天花板 |
| Stable LM 2 12B Chat12B | Q4_K_M | 8.35 GB | +15.7 GB | ≤22天花板 |
| Gemma 4 12B IT12B | Q8_0 | 13.82 GB | +10.2 GB | ≤13天花板 |
| Llama 3.2 11B Vision Instruct11B | Q8_0 | 12.9 GB | +11.1 GB | ≤14天花板 |
| Solar 10.7B Instruct11B | Q4_K_M | 7.6 GB | +16.4 GB | ≤25天花板 |
| Falcon 3 10B Instruct10B | Q4_K_M | 7.28 GB | +16.7 GB | ≤26天花板 |
| Gemma 2 9B Instruct9B | Q8_0 | 11.7 GB | +12.3 GB | ≤16天花板 |
| Qwen3.5 9B9B | Q8_0 | 10.37 GB | +13.6 GB | ≤16天花板 |
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 | +13.8 GB | ≤17天花板 |
| Qwen3-VL 8B Instruct8B | Q8_0 | 10.39 GB | +13.6 GB | ≤17天花板 |
| Granite 4.2 8B8B | Q8_0 | 10.45 GB | +13.6 GB | ≤17天花板 |
| Ministral 3 8B Instruct8B | Q8_0 | 10.02 GB | +14 GB | ≤18天花板 |
| Qwen2-VL 7B Instruct7B | Q4_K_M | 5.49 GB | +18.5 GB | ≤32天花板 |
| Granite 3.1 8B Instruct8B | Q4_K_M | 5.88 GB | +18.1 GB | ≤32天花板 |
| Qwen3 8B Instruct8B | Q6_K | 7.64 GB | +16.4 GB | ≤24天花板 |
| Llama 3.1 8B Instruct8B | Q8_0 | 9.47 GB | +14.5 GB | ≤19天花板 |
| Nous Hermes 3 Llama 3.1 8B8B | Q4_K_M | 5.64 GB | +18.4 GB | ≤33天花板 |
| Aya 23 8B8B | Q4_K_M | 5.64 GB | +18.4 GB | ≤33天花板 |
| OpenChat 3.6 8B8B | Q4_K_M | 5.64 GB | +18.4 GB | ≤33天花板 |
| DeepSeek-R1-Distill-Llama-8B8B | Q5_K_M | 6.51 GB | +17.5 GB | ≤28天花板 |
| InternLM2 7B Chat7B | Q4_K_M | 5.45 GB | +18.6 GB | ≤34天花板 |
| Qwen2.5 7B Instruct7B | Q6_K | 6.77 GB | +17.2 GB | ≤26天花板 |
| Qwen2.5-Coder 7B Instruct7B | Q4_K_M | 5.07 GB | +18.9 GB | ≤35天花板 |
| DeepSeek-R1-Distill-Qwen-7B7B | Q4_K_M | 5.07 GB | +18.9 GB | ≤35天花板 |
| Gemma 4 E4B ITE4B | Q8_0 | 8.46 GB | +15.5 GB | ≤20天花板 |
| OLMo 2 7B Instruct7B | Q8_0 | 10.3 GB | +13.7 GB | ≤21天花板 |
| OLMo 3 7B Instruct7B | Q8_0 | 10.3 GB | +13.7 GB | ≤21天花板 |
| WizardLM-2 7B7B | Q4_K_M | 5.14 GB | +18.9 GB | ≤37天花板 |
| Mistral 7B Instruct v0.37B | Q6_K | 6.75 GB | +17.3 GB | ≤27天花板 |
| Zephyr 7B Beta7B | Q6_K | 6.75 GB | +17.3 GB | ≤27天花板 |
| Gemma 4 E2B ITE2B | Q8_0 | 5.2 GB | +18.8 GB | ≤33天花板 |
| Qwen3.5 4B4B | Q8_0 | 4.97 GB | +19 GB | ≤35天花板 |
| Gemma 3 4B IT4B | Q8_0 | 5.05 GB | +19 GB | ≤35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 | +20 GB | ≤49天花板 |
| Phi-4 Mini Instruct3.8B | Q8_0 | 4.81 GB | +19.2 GB | ≤39天花板 |
| Phi-3.5 Mini Instruct3.8B | Q8_0 | 5.89 GB | +18.1 GB | ≤40天花板 |
| Granite 4.2 3B3B | Q8_0 | 4.41 GB | +19.6 GB | ≤41天花板 |
| Llama 3.2 3B Instruct3B | Q8_0 | 4.05 GB | +20 GB | ≤47天花板 |
| Qwen2.5 3B Instruct3B | Q8_0 | 3.59 GB | +20.4 GB | ≤49天花板 |
| SmolLM3 3B3B | Q8_0 | 3.73 GB | +20.3 GB | ≤49天花板 |
| Gemma 2 2B Instruct2B | Q8_0 | 3.34 GB | +20.7 GB | ≤58天花板 |
| Qwen3.5 2B2B | Q8_0 | 2.23 GB | +21.8 GB | ≤77天花板 |
| Qwen3 1.7B Instruct1.7B | Q8_0 | 2.39 GB | +21.6 GB | ≤88天花板 |
| Qwen2.5 1.5B Instruct1.5B | Q8_0 | 1.83 GB | +22.2 GB | ≤99天花板 |
| Llama 3.2 1B Instruct1B | Q8_0 | 1.51 GB | +22.5 GB | ≤122天花板 |
| Qwen3.5 0.8B0.8B | Q8_0 | 0.94 GB | +23.1 GB | ≤189天花板 |
| Qwen2.5 0.5B Instruct0.5B | Q8_0 | 0.6 GB | +23.4 GB | ≤312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 5 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 M5 32G 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。
显存预算相同的显卡
同样是 32GB，但放在系统内存里是另一台机器 —— 本页所有模型都「装得下」，速度却由内存通道决定，而不是显卡总线： 32 GB RAM (CPU)
这张卡的部署指南
针对 Mac M5 32G 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 M4 Max 36G（36GB）比这张卡多装下 5 个索引内的模型。 Mac M4 Max 36G →
常见问题
Mac M5 32G 上最适合本地运行的大模型是哪个？
日常使用推荐 ERNIE 4.5 21B-A3B（Q4_K_M）—— 在 4K 上下文下约占这张卡 32 GB 中的 14.1 GB，还剩 10.0 GB 给更长的窗口。如果你要的是能加载的最大模型，那是 Seed-OSS 36B Instruct（Q3_K_M，约 19.3 GB，余量 4.7 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 M5 32G 能跑 Mixtral 8x7B Instruct 吗？
不能。它在本索引中最小的构建 Q4_K_M 约需 30.1 GB，而这张卡可用约 24.0 GB —— 在 4K 之外的上下文还没算上之前就已经差了 6.1 GB。这张卡能从容运行的最大模型是 Seed-OSS 36B Instruct。
Mac M5 32G 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 153 GB/s —— 上限约 33 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 M5 32G 还是 RTX 5090？
两者装得下的模型并不相同：4K 下 Mac M5 32G 可从容运行 112 个中的 83 个，RTX 5090 为 90 个——macOS 会从 Mac M5 32G 的统一内存里留出一部分不给 GPU，可用约 24 GB。另一个差别在吞吐 —— 153 GB/s 对 1,792 GB/s，读取权重的速度相差 11.7 倍，而 token 生成正是受此限制。两张卡都装得下的模型，RTX 5090 生成更快。
在 32GB、4K 上下文下，索引中 112 个模型有 83 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 2026-10-20 RSS → /zh/feed.xml