ApX 标志ApX 标志

趋近智

Apple M4 Max (128GB)

Apple M4 Max (128GB) 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(96 GB)及 546 GB/s 统一内存带宽进行建模。

总显存

128 GB

可用显存上限

96 GB (75% 可用预算)

显存带宽

546 GB/s

最大推理模型级别

70B+ 模型 (Q4)

热设计功耗

140W

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)DeepSeek-R1 32B (32B)AliceAI Foundation 80B A3B Base (80B (3B active))GLM-5.3 Flash (313.3B (17.3B active))

量化精度:

Apple M4 Max (128GB) 最佳运行大模型与速度矩阵

主流开源大模型在 Apple M4 Max (128GB) 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
Q8
FP16

27 tok/s

16 tok/s

8 tok/s

~15.9s

~15.9s

~16.0s

#41

Qwen 3.8 Flash

176B (6B active)

INT4

90 tok/s

~3.7s

#48

Agnes 3.0 Flash

33B

INT4
Q8
FP16

23 tok/s

13 tok/s

7 tok/s

~19.3s

~19.4s

~19.4s

#61

Sarvam-105B

106B (10.3B active)

INT4

61 tok/s

~8.1s

#72

K2 Horizon MoVA 36B A4B

36B (4B active)

INT4
Q8
FP16

102 tok/s

74 tok/s

45 tok/s

~3.1s

~3.1s

~3.1s

#75

Ling 3.0 Flash VL

124B (5.5B active)

INT4

93 tok/s

~5.8s

#83

Qwen3.5-27B

27B

INT4
Q8
FP16

27 tok/s

16 tok/s

8 tok/s

~15.9s

~15.9s

~16.0s

#84

Qwen3.5-122B-A10B

122B (10B active)

INT4

48 tok/s

~8.3s

#92

Sarvam-30B

32B (2.4B active)

INT4
Q8
FP16

128 tok/s

100 tok/s

66 tok/s

~2.2s

~2.2s

~2.2s

#94

Qwen3.6 35B A3B

35B (3B active)

INT4
Q8
FP16

117 tok/s

88 tok/s

56 tok/s

~2.5s

~2.5s

~2.5s

#96

Muse Glimmer 30B

30B

INT4
Q8
FP16

25 tok/s

14 tok/s

7 tok/s

~17.6s

~17.6s

~17.7s

#100

Phi-4 Reasoning Plus

14B

INT4
Q8
FP16

36 tok/s

24 tok/s

14 tok/s

~8.4s

~8.4s

~8.4s

#101

MiMo V2 Flash

15B (309B active)

INT4
Q8
FP16

3 tok/s

1 tok/s

1 tok/s

~173.8s

~174.1s

~174.7s

#106

GLM-4.5-Air

106B (12B active)

INT4

18 tok/s

~9.1s

#108

Gemma 4 26B A4B

25.2B (3.8B active)

INT4
Q8
FP16

108 tok/s

78 tok/s

48 tok/s

~2.8s

~2.8s

~2.9s

#109

Gemma 4 12B

11.95B

INT4
Q8
FP16

41 tok/s

28 tok/s

16 tok/s

~7.2s

~7.2s

~7.2s

#113

Qwen3.5-9B

9B

INT4
Q8
FP16

69 tok/s

43 tok/s

23 tok/s

~5.4s

~5.4s

~5.4s

#114

Qwen3.5-35B-A3B

35B (3B active)

INT4
Q8
FP16

117 tok/s

88 tok/s

56 tok/s

~2.5s

~2.5s

~2.5s

#114

Ling 3.0 Flash

124B (5.1B active)

INT4

97 tok/s

~5.6s

#118

K2 Horizon 7B

7B

INT4
Q8
FP16

82 tok/s

53 tok/s

29 tok/s

~4.2s

~4.2s

~4.3s

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 M4 Max (128GB) 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 546 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 121 tok/s,70B Q4 模型预估生成速度约 14 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