趋近智
Apple M3 Pro (18GB)
Apple M3 Pro (18GB) 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（13.5 GB）及 150 GB/s 统一内存带宽进行建模。
总显存
18 GB
可用显存上限
13.5 GB （75% 可用预算）
显存带宽
150 GB/s
最大推理模型级别
14B 模型 (Q4)
热设计功耗
75W
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）。
量化精度:
Apple M3 Pro (18GB) 最佳运行大模型与速度矩阵
主流开源大模型在 Apple M3 Pro (18GB) 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 TPS | TTFT | 可运行 |
|---|---|---|---|---|---|---|
#100 | Phi-4 Reasoning Plus | 14B | INT4 | 10 tok/s | ~24.2s | |
#101 | MiMo V2 Flash | 15B (309B active) | INT4 | 1 tok/s | ~545.2s | |
#109 | Gemma 4 12B | 11.95B | INT4 | 12 tok/s | ~19.1s | |
#113 | Qwen3.5-9B | 9B | INT4 Q8 | 23 tok/s 13 tok/s | ~14.4s ~14.4s | |
#118 | K2 Horizon 7B | 7B | INT4 Q8 | 28 tok/s 17 tok/s | ~11.3s ~11.3s | |
#128 | NVIDIA Nemotron 3 Nano 30B-A3B | 3.5B (30B active) | INT4 Q8 FP16 | 7 tok/s 4 tok/s 2 tok/s | ~45.5s ~45.6s ~45.8s | |
#132 | Qwen3.5-4B | 4B | INT4 Q8 FP16 | 45 tok/s 28 tok/s 15 tok/s | ~6.6s ~6.6s ~6.7s | |
#146 | Granite 4.2 8B | 8B | INT4 Q8 | 25 tok/s 15 tok/s | ~12.8s ~12.9s | |
#150 | Gemma 4 E4B | 8B | INT4 Q8 | 25 tok/s 15 tok/s | ~12.8s ~12.9s | |
#158 | GLM-4V | 9B | INT4 Q8 | 16 tok/s 10 tok/s | ~14.4s ~15.7s | |
#160 | Phi-4 | 14B | INT4 | 15 tok/s | ~22.3s | |
#169 | OLMo 3 7B Think | 7B | INT4 Q8 | 19 tok/s 13 tok/s | ~11.3s ~11.3s | |
#172 | DeepSeek-R1 14B | 14B | INT4 | 15 tok/s | ~22.3s | |
#173 | Ministral 3 14B | 14B | INT4 | 10 tok/s | ~24.2s | |
#177 | Gemma 3 12B | 12B | INT4 Q8 | 17 tok/s 9 tok/s | ~19.1s ~22.6s | |
#181 | Mistral-Small-2501 | 24B | INT4 | 8 tok/s | ~44.4s | |
#182 | Ministral 3 8B | 8B | INT4 Q8 | 18 tok/s 11 tok/s | ~12.9s ~14.0s | |
#183 | Qwen3.5-2B | 2B | INT4 Q8 FP16 | 75 tok/s 49 tok/s 28 tok/s | ~3.5s ~3.5s ~3.5s | |
#184 | MiniCPM5-2B | 2B | INT4 Q8 FP16 | 75 tok/s 49 tok/s 28 tok/s | ~3.5s ~3.5s ~3.5s | |
#185 | Qwen2.5-14B | 14B | INT4 | 15 tok/s | ~22.3s | |
#188 | Gemma 4 E2B | 5.1B | INT4 Q8 FP16 | 37 tok/s 22 tok/s 11 tok/s | ~8.3s ~8.3s ~9.1s | |
#189 | Qwen3-4B | 4B | INT4 Q8 FP16 | 45 tok/s 28 tok/s 15 tok/s | ~6.6s ~6.6s ~6.7s | |
#190 | DeepSeek-R1 8B | 8B | INT4 Q8 | 26 tok/s 15 tok/s | ~12.8s ~12.9s | |
#193 | Ministral 3 3B | 3B | INT4 Q8 FP16 | 35 tok/s 26 tok/s 16 tok/s | ~5.1s ~5.1s ~5.1s | |
#195 | Qwen3-14B | 14B | INT4 | 15 tok/s | ~22.3s | |
#197 | Gemma 2 9B | 9B | INT4 Q8 | 23 tok/s 13 tok/s | ~14.4s ~14.4s | |
#198 | Qwen2.5-7B | 7B | INT4 Q8 | 28 tok/s 17 tok/s | ~11.3s ~11.3s | |
#199 | Qwen3-8B | 8B | INT4 Q8 | 25 tok/s 15 tok/s | ~12.8s ~12.9s | |
#200 | Gemma 3 4B | 4B | INT4 Q8 FP16 | 45 tok/s 28 tok/s 15 tok/s | ~6.6s ~6.6s ~6.7s | |
#201 | DeepSeek-R1 7B | 7B | INT4 Q8 | 29 tok/s 17 tok/s | ~11.3s ~11.3s | |
#202 | Llama 3.1 8B | 8B | INT4 Q8 | 25 tok/s 15 tok/s | ~12.8s ~12.9s | |
#204 | Qwen3-1.7B | 1.7B | INT4 Q8 FP16 | 85 tok/s 56 tok/s 32 tok/s | ~3.0s ~3.0s ~3.0s | |
#206 | Gemma 3 270M | 0.27B | INT4 Q8 FP16 | 178 tok/s 154 tok/s 116 tok/s | ~464 ms ~465 ms ~467 ms | |
#208 | Llama 3 8B | 8B | INT4 Q8 | 25 tok/s 15 tok/s | ~12.8s ~12.9s | |
#209 | Qwen3-0.6B | 0.6B | INT4 Q8 FP16 | 160 tok/s 119 tok/s 76 tok/s | ~1.0s ~1.0s ~1.1s | |
#210 | Phi-4-Mini | 3.8B | INT4 Q8 FP16 | 47 tok/s 29 tok/s 16 tok/s | ~6.3s ~6.3s ~6.3s | |
#212 | Ministral-8B-2410 | 8B | INT4 Q8 | 25 tok/s 15 tok/s | ~12.8s ~12.9s | |
#213 | DeepSeek-R1 1.5B | 1.5B | INT4 Q8 FP16 | 92 tok/s 62 tok/s 36 tok/s | ~2.6s ~2.7s ~2.7s | |
#214 | Llama 3.2 3B | 3B | INT4 Q8 FP16 | 57 tok/s 35 tok/s 19 tok/s | ~5.0s ~5.1s ~5.1s | |
#215 | Qwen3.5-0.8B | 0.8B | INT4 Q8 FP16 | 137 tok/s 99 tok/s 61 tok/s | ~1.4s ~1.4s ~1.4s | |
#216 | Phi-3-mini | 3.8B | INT4 Q8 FP16 | 47 tok/s 29 tok/s 16 tok/s | ~6.3s ~6.3s ~6.3s | |
#217 | Gemma 3n E2B IT | 6B (2B active) | INT4 Q8 | 35 tok/s 29 tok/s | ~3.8s ~3.8s | |
#218 | Mistral-7B-Instruct-v0.1 | 7.3B | INT4 Q8 | 27 tok/s 16 tok/s | ~11.7s ~11.8s | |
#219 | Llama 3.2 1B | 1B | INT4 Q8 FP16 | 119 tok/s 84 tok/s 51 tok/s | ~1.8s ~1.8s ~1.8s | |
#220 | Gemma 2 2B | 2B | INT4 Q8 FP16 | 75 tok/s 49 tok/s 28 tok/s | ~3.5s ~3.5s ~3.5s | |
#221 | Phi-3-medium | 14B | INT4 | 15 tok/s | ~22.3s | |
#222 | OLMo 3 7B Instruct | 7B | INT4 Q8 | 19 tok/s 13 tok/s | ~11.3s ~11.3s | |
#224 | Qwen2-7B | 7B | INT4 Q8 | 28 tok/s 17 tok/s | ~11.3s ~11.3s | |
#225 | Phi-3-small | 7B | INT4 Q8 | 28 tok/s 17 tok/s | ~11.3s ~11.3s | |
#226 | Gemma 3 1B | 1B | INT4 Q8 FP16 | 119 tok/s 84 tok/s 51 tok/s | ~1.8s ~1.8s ~1.8s | |
#227 | Mistral-7B-Instruct-v0.2 | 7.3B | INT4 Q8 | 27 tok/s 16 tok/s | ~11.7s ~11.8s | |
#229 | Gemma 1 7B | 7B | INT4 Q8 | 19 tok/s 13 tok/s | ~11.3s ~11.3s | |
#230 | Gemma 1 2B | 2B | INT4 Q8 FP16 | 82 tok/s 52 tok/s 29 tok/s | ~3.5s ~3.5s ~3.5s | |
#231 | ChatGLM3-6B | 6B | INT4 Q8 | 22 tok/s 15 tok/s | ~9.7s ~9.8s | |
#232 | ChatGLM2-6B | 6B | INT4 Q8 | 22 tok/s 15 tok/s | ~9.7s ~9.8s | |
#233 | ChatGLM-6B | 6B | INT4 Q8 | 22 tok/s 15 tok/s | ~9.7s ~9.8s | |
未上榜模型（按推理速度排序） | ||||||
- | Qwen2-0.5B | 0.5B | INT4 Q8 FP16 | 174 tok/s 133 tok/s 87 tok/s | ~866 ms ~868 ms ~871 ms | |
- | Qwen2.5-0.5B | 0.5B | INT4 Q8 FP16 | 174 tok/s 133 tok/s 87 tok/s | ~866 ms ~868 ms ~871 ms | |
- | ERNIE-4.5-0.3B | 0.3B | INT4 Q8 FP16 | 168 tok/s 145 tok/s 108 tok/s | ~518 ms ~519 ms ~521 ms | |
- | ERNIE-4.5-0.3B-Base | 0.3B | INT4 Q8 FP16 | 168 tok/s 145 tok/s 108 tok/s | ~518 ms ~519 ms ~521 ms | |
- | Falcon-1B | 1B | INT4 Q8 FP16 | 129 tok/s 88 tok/s 52 tok/s | ~1.8s ~1.8s ~1.8s | |
- | Falcon3-1B | 1B | INT4 Q8 FP16 | 119 tok/s 84 tok/s 51 tok/s | ~1.8s ~1.8s ~1.8s | |
- | Qwen2-1.5B | 1.5B | INT4 Q8 FP16 | 92 tok/s 62 tok/s 36 tok/s | ~2.6s ~2.7s ~2.7s | |
- | Qwen2.5-1.5B | 1.5B | INT4 Q8 FP16 | 92 tok/s 62 tok/s 36 tok/s | ~2.6s ~2.7s ~2.7s | |
- | Spark X2.5 1.7B | 1.7B | INT4 Q8 FP16 | 85 tok/s 56 tok/s 32 tok/s | ~3.0s ~3.0s ~3.0s | |
- | Hy-MT2 1.8B | 1.8B | INT4 Q8 FP16 | 82 tok/s 54 tok/s 31 tok/s | ~3.2s ~3.2s ~3.2s | |
- | Falcon-3B | 3B | INT4 Q8 FP16 | 61 tok/s 37 tok/s 20 tok/s | ~5.0s ~5.1s ~5.1s | |
- | CroissantLLM Base | 1.3B | INT4 Q8 FP16 | 59 tok/s 48 tok/s 32 tok/s | ~2.3s ~2.3s ~2.3s | |
- | Phi-1 | 1.3B | INT4 Q8 FP16 | 59 tok/s 48 tok/s 32 tok/s | ~2.3s ~2.3s ~2.3s | |
- | Phi-1.5 | 1.3B | INT4 Q8 FP16 | 59 tok/s 48 tok/s 32 tok/s | ~2.3s ~2.3s ~2.3s | |
- | DeepSeek-R1 3B | 3B | INT4 Q8 FP16 | 58 tok/s 36 tok/s 19 tok/s | ~5.0s ~5.1s ~5.1s | |
- | Falcon3-3B | 3B | INT4 Q8 FP16 | 57 tok/s 35 tok/s 19 tok/s | ~5.0s ~5.1s ~5.1s | |
- | Qwen2.5-3B | 3B | INT4 Q8 FP16 | 57 tok/s 35 tok/s 19 tok/s | ~5.0s ~5.1s ~5.1s | |
- | ERNIE-4.5-21B-A3B | 21B (3B active) | INT4 | 45 tok/s | ~6.7s | |
- | ERNIE-4.5-21B-A3B-Base | 21B (3B active) | INT4 | 45 tok/s | ~6.7s | |
- | Spark X2.5 4B | 4B | INT4 Q8 FP16 | 45 tok/s 28 tok/s 15 tok/s | ~6.6s ~6.6s ~6.7s | |
- | Phi-2 | 2.7B | INT4 Q8 FP16 | 37 tok/s 28 tok/s 18 tok/s | ~4.6s ~4.6s ~4.6s | |
- | MaLLaM-3B | 3B | INT4 Q8 FP16 | 35 tok/s 26 tok/s 16 tok/s | ~5.1s ~5.1s ~5.1s | |
- | SmolLM3 3B | 3B | INT4 Q8 FP16 | 35 tok/s 26 tok/s 16 tok/s | ~5.1s ~5.1s ~5.1s | |
- | Falcon-7B | 7B | INT4 Q8 | 30 tok/s 17 tok/s | ~11.3s ~11.3s | |
- | Falcon3-7B | 7B | INT4 Q8 | 28 tok/s 17 tok/s | ~11.3s ~11.3s | |
- | Hy-MT2 7B | 7B | INT4 Q8 | 28 tok/s 17 tok/s | ~11.3s ~11.3s | |
- | Mistral-7B-v0.1 | 7.3B | INT4 Q8 | 27 tok/s 16 tok/s | ~11.7s ~11.8s | |
- | LensVLM 9B | 9B | INT4 Q8 | 23 tok/s 13 tok/s | ~14.4s ~14.4s | |
- | MiMo V2.6 Distill Qwen 9B | 9B | INT4 Q8 | 23 tok/s 13 tok/s | ~14.4s ~14.4s | |
- | ChatGLM3-6B-32K | 6B | INT4 Q8 | 22 tok/s 15 tok/s | ~9.7s ~9.8s | |
- | Yi-6B | 6B | INT4 Q8 | 22 tok/s 15 tok/s | ~9.7s ~9.8s | |
- | Falcon2-11B | 11B | INT4 Q8 | 20 tok/s 11 tok/s | ~17.5s ~19.1s | |
- | Falcon3-10B | 10B | INT4 Q8 | 20 tok/s 11 tok/s | ~16.0s ~17.4s | |
- | Hunyuan Lite | 7B | INT4 Q8 | 19 tok/s 13 tok/s | ~11.3s ~11.3s | |
- | OLMo 3 7B Base | 7B | INT4 Q8 | 19 tok/s 13 tok/s | ~11.3s ~11.3s | |
- | SEA-LION-7B | 7.1B | INT4 Q8 | 19 tok/s 13 tok/s | ~11.4s ~11.5s | |
- | SEA-LION-7B-Instruct | 7.1B | INT4 Q8 | 19 tok/s 13 tok/s | ~11.4s ~11.5s | |
- | Kimi-VL-A3B-Instruct | 16B (3B active) | INT4 | 18 tok/s | ~7.0s | |
- | Sahabat-AI-Llama3-8B-Instruct | 8B | INT4 Q8 | 18 tok/s 11 tok/s | ~12.9s ~14.0s | |
- | Typhoon-2-8B | 8B | INT4 Q8 | 18 tok/s 11 tok/s | ~12.9s ~14.0s | |
- | GLM-4-9B | 9B | INT4 Q8 | 16 tok/s 10 tok/s | ~14.4s ~15.7s | |
- | GLM-4-9B-Chat | 9B | INT4 Q8 | 16 tok/s 10 tok/s | ~14.4s ~15.7s | |
- | GLM-4-9B-Chat-1M | 9B | INT4 Q8 | 16 tok/s 10 tok/s | ~14.4s ~15.7s | |
- | Sahabat-AI-Gemma2-9B | 9.2B | INT4 Q8 | 16 tok/s 10 tok/s | ~14.7s ~16.1s | |
- | Sahabat-AI-Gemma2-9B-Instruct | 9.2B | INT4 Q8 | 16 tok/s 10 tok/s | ~14.7s ~16.1s | |
- | Yi-9B | 9B | INT4 Q8 | 16 tok/s 10 tok/s | ~14.4s ~15.7s | |
- | GreenMind-14B-R1 | 14B | INT4 | 10 tok/s | ~24.2s | |
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
14B 模型
8位精度
8B 模型
16位全精度
3B 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
14B 模型
LoRA
8B 模型
全参数微调
1B 模型
负载与选型建议
Apple M3 Pro (18GB) 上的最佳量化精度与运行规格建议。
最佳推理区间
非常适合 8B 模型长上下文推理（32k+）。14B 模型在 Q4 精度及标准上下文下也能流畅运行。
显存带宽与推理速率
具备 150 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 33 tok/s，70B Q4 模型预估生成速度约 4 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。