ApX 标志ApX 标志

趋近智

Apple M3 Max (36GB)

Apple M3 Max (36GB) 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(27 GB)及 300 GB/s 统一内存带宽进行建模。

总显存

36 GB

可用显存上限

27 GB (75% 可用预算)

显存带宽

300 GB/s

最大推理模型级别

32B 模型 (Q4)

热设计功耗

115W

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 3B (3B)Mistral-7B-v0.1 (7.3B)Mistral-Small-2501 (24B)AliceAI Foundation 80B A3B Base (80B (3B active))

量化精度:

Apple M3 Max (36GB) 最佳运行大模型与速度矩阵

主流开源大模型在 Apple M3 Max (36GB) 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

#33

Qwen 3.8 27B

27B

INT4

16 tok/s

~25.4s

#48

Agnes 3.0 Flash

33B

INT4

13 tok/s

~30.9s

#72

K2 Horizon MoVA 36B A4B

36B (4B active)

INT4

66 tok/s

~5.0s

#83

Qwen3.5-27B

27B

INT4

16 tok/s

~25.4s

#92

Sarvam-30B

32B (2.4B active)

INT4

87 tok/s

~3.5s

#94

Qwen3.6 35B A3B

35B (3B active)

INT4

78 tok/s

~4.0s

#96

Muse Glimmer 30B

30B

INT4

14 tok/s

~28.2s

#100

Phi-4 Reasoning Plus

14B

INT4
Q8

21 tok/s

14 tok/s

~13.4s

~13.4s

#101

MiMo V2 Flash

15B (309B active)

INT4
Q8

1 tok/s

1 tok/s

~278.0s

~278.6s

#108

Gemma 4 26B A4B

25.2B (3.8B active)

INT4
Q8

71 tok/s

44 tok/s

~4.5s

~5.4s

#109

Gemma 4 12B

11.95B

INT4
Q8
FP16

24 tok/s

16 tok/s

8 tok/s

~11.4s

~11.5s

~13.5s

#113

Qwen3.5-9B

9B

INT4
Q8
FP16

42 tok/s

25 tok/s

13 tok/s

~8.7s

~8.7s

~8.7s

#114

Qwen3.5-35B-A3B

35B (3B active)

INT4

78 tok/s

~4.0s

#118

K2 Horizon 7B

7B

INT4
Q8
FP16

52 tok/s

31 tok/s

17 tok/s

~6.8s

~6.8s

~6.8s

#128

NVIDIA Nemotron 3 Nano 30B-A3B

3.5B (30B active)

INT4
Q8
FP16

14 tok/s

8 tok/s

4 tok/s

~27.3s

~27.3s

~27.4s

#129

Gemma 4 31B

30.7B

INT4

14 tok/s

~28.8s

#131

Nemotron 3.5 Lightning

30B (3B active)

INT4

28 tok/s

~4.3s

#132

Qwen3.5-4B

4B

INT4
Q8
FP16

79 tok/s

51 tok/s

28 tok/s

~4.0s

~4.0s

~4.0s

#133

Qwen3-30B-A3B

30B (3B active)

INT4

79 tok/s

~4.0s

#136

GPT-OSS 20B

21B (3.6B active)

INT4
Q8

33 tok/s

26 tok/s

~4.3s

~5.0s

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

32B 模型

8位精度

Q8

14B 模型

16位全精度

FP16

8B 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

32B 模型

LoRA

16-bit

14B 模型

全参数微调

3B 模型

负载与选型建议

Apple M3 Max (36GB) 上的最佳量化精度与运行规格建议。

最佳推理区间

适合在全精度或 Q8 精度下运行 14B 模型,以及在 Q4 精度下搭配最高 32k 上下文运行 32B 模型。

显存带宽与推理速率

具备 300 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 67 tok/s,70B Q4 模型预估生成速度约 8 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