Apple Silicon M-Series Max (64 GB Unified Memory) — Modelos compatibles, contexto máximo y rendimiento en tok/s

Memoria física: 64 GB
Default / Tuned Usable: 48.0 / 56.3 GB
Ancho de banda de memoria: 546 GB/s
Cómputo FP16: 32.8 TFLOPS
Tarifa nube típica $/h / CapEx: $0.22/hr · $3,499
TDP / Native FP8: 95W · FP16/INT4

Cargar en la calculadora de VRAM → Generar config de vLLM / Ollama → Comparar GPU propia vs API →

Simulador interactivo de cargas de trabajo en Apple M-Max 64GB

Modelo predefinido de pesos abiertos (o personalizado)

Cantidad multidispositivo (1× a 8× Apple M-Max 64GB)

Cuantización de pesos (bpw)

Precisión de caché KV

Longitud de contexto (tokens) 32,768 tokens

Desglose de memoria y techo de ancho de banda

Cabe con holgura

Pesos del modelo: 67% KV: 28.9% Overhead: 4.1%

Memoria total requerida

27.66 GB

Asignación por dispositivo: 27.66 / 64 GB

Pesos del modelo

18.52 GB

KV: 8.00 GB

Decodificación estimada (1 flujo)

11.3 tok/s

Rendimiento estimado por lotes: 11.3 tok/s

Contexto máx. antes de OOM

150,303

tokens

3. Memoria unificada en Apple Silicon y límite superior de ancho de banda en decodificación

macOS limita por defecto la memoria cableada de GPU a unos 48.0 GB (75 %); elevar iogpu.wired_limit_mb desbloquea hasta 56.3 GB (88 %).

sudo sysctl iogpu.wired_limit_mb=57672

En sistemas macOS con Apple Silicon, la asignación cableada predeterminada de GPU se detiene cerca del 75 % de la RAM física unificada salvo que se modifique con sysctl iogpu.wired_limit_mb (modelado hasta un techo seguro del 88 % que preserva la estabilidad del sistema operativo). La velocidad de decodificación autorregresiva está acotada por el ancho de banda efectivo de memoria externa dividido entre los bytes de parámetros activos más los bytes activos de caché KV leídos por paso, verificado cada 12 horas por la canalización automatizada de VRAMLab.

Matriz de compatibilidad de LLM de pesos abiertos en 1× Apple M-Max 64GB (contexto 32K)

Estado de ajuste y tok/s estimados de decodificación de flujo único en FP16, Q8_0 y Q4_K_M sobre un solo dispositivo
Modelo y familia	FP16	Q8_0	Q4_K_M	Mejor cuantización holgada	Contexto máx. (Q4_K_M)	Velocidad decod. (Q4_K_M)
DeepSeek-R1 (671B MoE) 671B · MLA	Memoria insuficiente (OOM)	Memoria insuficiente (OOM)	Memoria insuficiente (OOM)	—	—	—
DeepSeek-V3-0324 (671B MoE) 671B · MLA	Memoria insuficiente (OOM)	Memoria insuficiente (OOM)	Memoria insuficiente (OOM)	—	—	—
DeepSeek-R1-Distill-Llama-70B 70.6B · GQA	Memoria insuficiente (OOM)	Memoria insuficiente (OOM)	Requiere sysctl wired_limit	Q5_K_M	48,209 tokens	6.0 tok/s
DeepSeek-R1-Distill-Qwen-32B 32.8B · GQA	Memoria insuficiente (OOM)	Cabe con holgura	Cabe con holgura	Q8_0	150,303 tokens	11.3 tok/s
Qwen3-235B-A22B (MoE) 235B · GQA	Memoria insuficiente (OOM)	Memoria insuficiente (OOM)	Memoria insuficiente (OOM)	—	—	—
Qwen3-30B-A3B (MoE) 30.5B · GQA	Memoria insuficiente (OOM)	Cabe con holgura	Cabe con holgura	Q8_0	415,417 tokens	61.6 tok/s
Qwen3-32B 32.8B · GQA	Memoria insuficiente (OOM)	Cabe con holgura	Cabe con holgura	Q8_0	150,303 tokens	11.3 tok/s
Qwen3-14B 14.8B · GQA	Cabe con holgura	Cabe con holgura	Cabe con holgura	FP16 / BF16	309,087 tokens	22.4 tok/s
Qwen3-8B 8.2B · GQA	Cabe con holgura	Cabe con holgura	Cabe con holgura	FP16 / BF16	371,379 tokens	32.8 tok/s
QwQ-32B (Reasoning) 32.8B · GQA	Memoria insuficiente (OOM)	Cabe con holgura	Cabe con holgura	Q8_0	150,303 tokens	11.3 tok/s
Qwen2.5-Coder-32B-Instruct 32.8B · GQA	Memoria insuficiente (OOM)	Cabe con holgura	Cabe con holgura	Q8_0	150,303 tokens	11.3 tok/s
Qwen2.5-72B-Instruct 72.7B · GQA	Memoria insuficiente (OOM)	Memoria insuficiente (OOM)	Requiere sysctl wired_limit	Q5_K_M	44,207 tokens	5.9 tok/s
Llama 4 Maverick (400B / 17B-128E MoE) 402B · GQA	Memoria insuficiente (OOM)	Memoria insuficiente (OOM)	Memoria insuficiente (OOM)	—	—	—
Llama 4 Scout (109B / 17B-16E MoE) 109B · HYBRID_SWA	Memoria insuficiente (OOM)	Memoria insuficiente (OOM)	Memoria insuficiente (OOM)	—	—	—
Llama 3.3 70B Instruct 70.6B · GQA	Memoria insuficiente (OOM)	Memoria insuficiente (OOM)	Requiere sysctl wired_limit	Q5_K_M	48,209 tokens	6.0 tok/s
Llama 3.1 405B Instruct 405B · GQA	Memoria insuficiente (OOM)	Memoria insuficiente (OOM)	Memoria insuficiente (OOM)	—	—	—
Llama 3.1 8B Instruct 8.03B · GQA	Cabe con holgura	Cabe con holgura	Cabe con holgura	FP16 / BF16	418,612 tokens	35.1 tok/s
Gemma 3 27B IT (Multimodal) 27.4B · HYBRID_SWA	Requiere sysctl wired_limit	Cabe con holgura	Cabe con holgura	FP16 / BF16	84,214 tokens	16.3 tok/s
Gemma 3 12B IT (Multimodal) 12.2B · HYBRID_SWA	Cabe con holgura	Cabe con holgura	Cabe con holgura	FP16 / BF16	132,915 tokens	32.5 tok/s
Mistral Small 3.1 (24B) 24B · GQA	Requiere sysctl wired_limit	Cabe con holgura	Cabe con holgura	FP16 / BF16	274,023 tokens	16.1 tok/s
Mistral Large 2411 (123B) 123B · GQA	Memoria insuficiente (OOM)	Memoria insuficiente (OOM)	Memoria insuficiente (OOM)	—	—	—
Codestral 22B 22.2B · GQA	Requiere sysctl wired_limit	Cabe con holgura	Cabe con holgura	Q8_0	200,631 tokens	15.3 tok/s
Devstral Small (24B SWE Agent) 23.6B · GQA	Requiere sysctl wired_limit	Cabe con holgura	Cabe con holgura	Q8_0	275,548 tokens	16.3 tok/s
GLM-4-32B-0414 32B · GQA	Memoria insuficiente (OOM)	Cabe con holgura	Cabe con holgura	Q8_0	638,777 tokens	15.0 tok/s
GLM-4-9B-0414 9.4B · GQA	Cabe con holgura	Cabe con holgura	Cabe con holgura	FP16 / BF16	1,048,576 tokens	45.7 tok/s
Microsoft Phi-4 (14B) 14.7B · GQA	Cabe con holgura	Cabe con holgura	Cabe con holgura	FP16 / BF16	247,574 tokens	20.6 tok/s
Microsoft Phi-4-mini-instruct (3.8B) 3.84B · GQA	Cabe con holgura	Cabe con holgura	Cabe con holgura	FP16 / BF16	438,573 tokens	48.5 tok/s
Cohere Command A (111B) 111B · HYBRID_SWA	Memoria insuficiente (OOM)	Memoria insuficiente (OOM)	Memoria insuficiente (OOM)	—	—	—