ApX 标志ApX 标志

趋近智

Apple M3 Ultra (512GB)

Apple M3 Ultra (512GB) 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(384 GB)及 819 GB/s 统一内存带宽进行建模。

总显存

512 GB

可用显存上限

384 GB (75% 可用预算)

显存带宽

819.2 GB/s

最大推理模型级别

70B+ 模型 (Q4)

热设计功耗

250W

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)Command R (35B)Qwen3-235B-A22B (235B (22B active))MiMo V2.6 Pro RL (1020B (42B active))

量化精度:

Apple M3 Ultra (512GB) 最佳运行大模型与速度矩阵

主流开源大模型在 Apple M3 Ultra (512GB) 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

#11

GLM-5.3

753.9B (51.6B active)

INT4

21 tok/s

~20.5s

#13

DeepSeek V4.1 Flash

552B (16B active)

INT4

63 tok/s

~10.0s

#21

GLM-5.2

744B (40B active)

INT4

26 tok/s

~15.9s

#24

Hunyuan 4 Preview

770B (49B active)

INT4

22 tok/s

~19.5s

#30

DeepSeek-V4-Flash-Vision-Exp

290.9B (20.4B active)

INT4
Q8

52 tok/s

31 tok/s

~6.9s

~6.9s

#33

Qwen 3.8 27B

27B

INT4
Q8
FP16

39 tok/s

23 tok/s

12 tok/s

~9.5s

~9.6s

~9.6s

#35

Hunyuan 4 Preview

770B (49B active)

INT4

22 tok/s

~19.5s

#40

MiMo-V2.6-Flash

309B

INT4
Q8

4 tok/s

2 tok/s

~107.0s

~116.5s

#41

Qwen 3.8 Flash

176B (6B active)

INT4
Q8
FP16

123 tok/s

83 tok/s

46 tok/s

~2.1s

~2.1s

~2.2s

#42

DeepSeek-V4-Flash

284B (13B active)

INT4
Q8

74 tok/s

45 tok/s

~4.4s

~4.4s

#43

K2 Horizon 375B A23B

375B (23B active)

INT4
Q8

34 tok/s

21 tok/s

~11.1s

~13.1s

#48

Agnes 3.0 Flash

33B

INT4
Q8
FP16

33 tok/s

19 tok/s

10 tok/s

~11.6s

~11.6s

~11.7s

#50

Qwen3.5-397B-A17B

397B (17B active)

INT4
Q8

40 tok/s

26 tok/s

~9.3s

~10.9s

#54

GLM-4.5

355B (32B active)

INT4
Q8

11 tok/s

9 tok/s

~14.1s

~16.6s

#57

GLM-5.1

754B (40B active)

INT4

25 tok/s

~22.1s

#61

Sarvam-105B

106B (10.3B active)

INT4
Q8
FP16

83 tok/s

53 tok/s

30 tok/s

~4.9s

~4.9s

~4.9s

#68

GLM-4.7

358B (32B active)

INT4
Q8

11 tok/s

9 tok/s

~14.1s

~16.6s

#72

K2 Horizon MoVA 36B A4B

36B (4B active)

INT4
Q8
FP16

131 tok/s

99 tok/s

63 tok/s

~1.9s

~1.9s

~1.9s

#75

Ling 3.0 Flash VL

124B (5.5B active)

INT4
Q8
FP16

120 tok/s

84 tok/s

51 tok/s

~3.5s

~3.5s

~3.5s

#77

DeepSeek-V3.2

671B (37B active)

INT4

29 tok/s

~13.6s

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

70B 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 M3 Ultra (512GB) 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 819.2 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 182 tok/s,70B Q4 模型预估生成速度约 22 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