ApX 标志ApX 标志

趋近智

Apple M2 Ultra (192GB)

Apple M2 Ultra (192GB) 采用统一内存架构。为了在避免系统内存压力的情况下确保本地大模型稳定推理,本评测以 75% 可用配额(144 GB)及 800 GB/s 统一内存带宽进行建模。

总显存

192 GB

可用显存上限

144 GB (75% 可用预算)

显存带宽

800 GB/s

最大推理模型级别

70B+ 模型 (Q4)

热设计功耗

230W

显存占用随上下文长度变化曲线

随上下文长度增长的显存需求评估。当曲线超过参考线时将导致显存不足(OOM)。

DeepSeek-R1 14B (14B)OLMo 3 32B Base (32B)GPT-OSS 120B (117B (5.1B active))ERNIE-4.5-VL-424B-A47B-Base (424B (47B active))

量化精度:

Apple M2 Ultra (192GB) 最佳运行大模型与速度矩阵

主流开源大模型在 Apple M2 Ultra (192GB) 上的推理速度、显存兼容性与生成吞吐表现。

排序:

上下文长度:

KV 缓存:

排名模型参数量量化精度预估 TPSTTFT可运行

#30

DeepSeek-V4-Flash-Vision-Exp

290.9B (20.4B active)

INT4

46 tok/s

~8.5s

#33

Qwen 3.8 27B

27B

INT4
Q8
FP16

39 tok/s

23 tok/s

12 tok/s

~10.0s

~10.0s

~10.0s

#41

Qwen 3.8 Flash

176B (6B active)

INT4

122 tok/s

~2.1s

#42

DeepSeek-V4-Flash

284B (13B active)

INT4

65 tok/s

~5.4s

#48

Agnes 3.0 Flash

33B

INT4
Q8
FP16

32 tok/s

19 tok/s

10 tok/s

~12.1s

~12.1s

~12.2s

#61

Sarvam-105B

106B (10.3B active)

INT4
Q8

82 tok/s

52 tok/s

~5.1s

~5.1s

#72

K2 Horizon MoVA 36B A4B

36B (4B active)

INT4
Q8
FP16

129 tok/s

97 tok/s

62 tok/s

~2.0s

~2.0s

~2.0s

#75

Ling 3.0 Flash VL

124B (5.5B active)

INT4
Q8

119 tok/s

79 tok/s

~3.6s

~4.0s

#82

Qwen3 235B A22B Thinking

235B (22B active)

INT4

14 tok/s

~11.8s

#83

Qwen3.5-27B

27B

INT4
Q8
FP16

39 tok/s

23 tok/s

12 tok/s

~10.0s

~10.0s

~10.0s

#84

Qwen3.5-122B-A10B

122B (10B active)

INT4
Q8

66 tok/s

44 tok/s

~5.2s

~5.7s

#92

Sarvam-30B

32B (2.4B active)

INT4
Q8
FP16

157 tok/s

127 tok/s

88 tok/s

~1.4s

~1.4s

~1.4s

#94

Qwen3.6 35B A3B

35B (3B active)

INT4
Q8
FP16

145 tok/s

113 tok/s

76 tok/s

~1.6s

~1.6s

~1.6s

#96

Muse Glimmer 30B

30B

INT4
Q8
FP16

35 tok/s

21 tok/s

11 tok/s

~11.0s

~11.1s

~11.1s

#100

Phi-4 Reasoning Plus

14B

INT4
Q8
FP16

50 tok/s

34 tok/s

20 tok/s

~5.2s

~5.3s

~5.3s

#101

MiMo V2 Flash

15B (309B active)

INT4
Q8
FP16

4 tok/s

2 tok/s

1 tok/s

~108.9s

~109.2s

~109.6s

#106

GLM-4.5-Air

106B (12B active)

INT4
Q8

25 tok/s

21 tok/s

~5.7s

~6.2s

#108

Gemma 4 26B A4B

25.2B (3.8B active)

INT4
Q8
FP16

136 tok/s

102 tok/s

65 tok/s

~1.8s

~1.8s

~1.8s

#109

Gemma 4 12B

11.95B

INT4
Q8
FP16

56 tok/s

39 tok/s

23 tok/s

~4.5s

~4.5s

~4.5s

#111

MiniMax M2

229B (10B active)

INT4

17 tok/s

~6.8s

推理能力评估

不同量化精度下可运行的最大模型参数级别。

上下文长度:

4位量化

Q4

70B+ 模型

8位精度

Q8

70B 模型

16位全精度

FP16

32B 模型

微调能力评估

本地模型训练与适配器微调支持能力。

微调上下文:

QLoRA

4-bit

70B+ 模型

LoRA

16-bit

70B 模型

全参数微调

7B-8B 模型

负载与选型建议

Apple M2 Ultra (192GB) 上的最佳量化精度与运行规格建议。

最佳推理区间

适合在 Q4/Q8 精度下运行 70B 参数级模型并支持 32k 上下文扩展,或对中小型模型进行高并发批处理推理。

显存带宽与推理速率

具备 800 GB/s 聚合带宽,单批次推理处于显存带宽受限模式。8B Q4 模型预估生成速度约 178 tok/s,70B Q4 模型预估生成速度约 21 tok/s。

统一内存配额

采用 75% 可用分配预算建模,以保留系统内存供 macOS 系统及图形渲染进程稳定运行。

常见问题解答