ApX 标志ApX 标志

趋近智

Apple M4 (24GB)

Apple M4 (24GB) 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(18 GB)及 120 GB/s 统一内存带宽进行建模。

总显存

24 GB

可用显存上限

18 GB (75% 可用预算)

显存带宽

120 GB/s

最大推理模型级别

14B 模型 (Q4)

热设计功耗

45W

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)SEA-LION-7B-Instruct (7.1B)Qwen3-14B (14B)Mixtral-8x7B-v0.1 (46.7B (7B active))

量化精度:

Apple M4 (24GB) 最佳运行大模型与速度矩阵

主流开源大模型在 Apple M4 (24GB) 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

6 tok/s

~69.2s

#48

Agnes 3.0 Flash

33B

INT4

5 tok/s

~91.1s

#83

Qwen3.5-27B

27B

INT4

6 tok/s

~69.2s

#92

Sarvam-30B

32B (2.4B active)

INT4

38 tok/s

~10.2s

#96

Muse Glimmer 30B

30B

INT4

5 tok/s

~83.0s

#100

Phi-4 Reasoning Plus

14B

INT4
Q8

9 tok/s

5 tok/s

~33.5s

~39.5s

#101

MiMo V2 Flash

15B (309B active)

INT4

1 tok/s

~696.5s

#108

Gemma 4 26B A4B

25.2B (3.8B active)

INT4

31 tok/s

~12.4s

#109

Gemma 4 12B

11.95B

INT4
Q8

10 tok/s

6 tok/s

~28.7s

~31.2s

#113

Qwen3.5-9B

9B

INT4
Q8

18 tok/s

11 tok/s

~21.7s

~21.7s

#118

K2 Horizon 7B

7B

INT4
Q8
FP16

23 tok/s

13 tok/s

7 tok/s

~16.9s

~17.0s

~18.5s

#128

NVIDIA Nemotron 3 Nano 30B-A3B

3.5B (30B active)

INT4
Q8
FP16

6 tok/s

3 tok/s

2 tok/s

~68.3s

~68.4s

~68.7s

#129

Gemma 4 31B

30.7B

INT4

5 tok/s

~84.9s

#132

Qwen3.5-4B

4B

INT4
Q8
FP16

37 tok/s

22 tok/s

12 tok/s

~9.9s

~9.9s

~10.0s

#133

Qwen3-30B-A3B

30B (3B active)

INT4

34 tok/s

~11.7s

#136

GPT-OSS 20B

21B (3.6B active)

INT4

13 tok/s

~11.6s

#146

Granite 4.2 8B

8B

INT4
Q8
FP16

20 tok/s

12 tok/s

6 tok/s

~19.3s

~19.3s

~21.1s

#150

Gemma 4 E4B

8B

INT4
Q8
FP16

20 tok/s

12 tok/s

6 tok/s

~19.3s

~19.3s

~21.1s

#151

Nemotron 3.5 Lightning 30B A3B

30B (3B active)

INT4

34 tok/s

~11.7s

#153

Qwen3-32B

32B

INT4

5 tok/s

~88.4s

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

14B 模型

8位精度

Q8

8B 模型

16位全精度

FP16

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

4-bit

14B 模型

LoRA

16-bit

8B 模型

全参数微调

1B 模型

负载与选型建议

Apple M4 (24GB) 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 120 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 27 tok/s,70B Q4 模型预估生成速度约 3 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