ApX 标志ApX 标志

趋近智

Apple M5 Max (96GB)

Apple M5 Max (96GB) 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(72 GB)及 614 GB/s 统一内存带宽进行建模。

总显存

96 GB

可用显存上限

72 GB (75% 可用预算)

显存带宽

614 GB/s

最大推理模型级别

70B+ 模型 (Q4)

热设计功耗

150W

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)Nemotron 3.5 Lightning 30B A3B (30B (3B active))Llama 3.1 70B (70B)Step 3.5 Flash (196.81B (11B active))

量化精度:

Apple M5 Max (96GB) 最佳运行大模型与速度矩阵

主流开源大模型在 Apple M5 Max (96GB) 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

30 tok/s

18 tok/s

9 tok/s

~16.3s

~16.3s

~16.4s

#48

Agnes 3.0 Flash

33B

INT4
Q8
FP16

26 tok/s

15 tok/s

7 tok/s

~19.8s

~19.9s

~21.7s

#61

Sarvam-105B

106B (10.3B active)

INT4

67 tok/s

~8.3s

#72

K2 Horizon MoVA 36B A4B

36B (4B active)

INT4
Q8
FP16

110 tok/s

80 tok/s

45 tok/s

~3.2s

~3.2s

~3.8s

#75

Ling 3.0 Flash VL

124B (5.5B active)

INT4

95 tok/s

~6.5s

#83

Qwen3.5-27B

27B

INT4
Q8
FP16

30 tok/s

18 tok/s

9 tok/s

~16.3s

~16.3s

~16.4s

#84

Qwen3.5-122B-A10B

122B (10B active)

INT4

51 tok/s

~9.3s

#92

Sarvam-30B

32B (2.4B active)

INT4
Q8
FP16

137 tok/s

108 tok/s

68 tok/s

~2.2s

~2.2s

~2.4s

#94

Qwen3.6 35B A3B

35B (3B active)

INT4
Q8
FP16

125 tok/s

95 tok/s

55 tok/s

~2.6s

~2.6s

~3.1s

#96

Muse Glimmer 30B

30B

INT4
Q8
FP16

28 tok/s

16 tok/s

8 tok/s

~18.1s

~18.1s

~19.7s

#100

Phi-4 Reasoning Plus

14B

INT4
Q8
FP16

40 tok/s

27 tok/s

16 tok/s

~8.6s

~8.6s

~8.6s

#101

MiMo V2 Flash

15B (309B active)

INT4
Q8
FP16

3 tok/s

2 tok/s

1 tok/s

~178.3s

~178.6s

~179.2s

#106

GLM-4.5-Air

106B (12B active)

INT4

18 tok/s

~11.0s

#108

Gemma 4 26B A4B

25.2B (3.8B active)

INT4
Q8
FP16

117 tok/s

85 tok/s

52 tok/s

~2.9s

~2.9s

~2.9s

#109

Gemma 4 12B

11.95B

INT4
Q8
FP16

45 tok/s

31 tok/s

18 tok/s

~7.3s

~7.4s

~7.4s

#113

Qwen3.5-9B

9B

INT4
Q8
FP16

75 tok/s

47 tok/s

26 tok/s

~5.6s

~5.6s

~5.6s

#114

Qwen3.5-35B-A3B

35B (3B active)

INT4
Q8
FP16

125 tok/s

95 tok/s

55 tok/s

~2.6s

~2.6s

~3.1s

#114

Ling 3.0 Flash

124B (5.1B active)

INT4

99 tok/s

~6.2s

#118

K2 Horizon 7B

7B

INT4
Q8
FP16

90 tok/s

58 tok/s

33 tok/s

~4.3s

~4.4s

~4.4s

#126

Qwen3 Next 80B A3B

80B (79B active)

INT4

9 tok/s

~47.2s

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

Q4

70B+ 模型

8位精度

Q8

32B 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 M5 Max (96GB) 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 614 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 136 tok/s,70B Q4 模型预估生成速度约 16 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