Apple Mac Studio M4 Max (128 GB Unified Memory) — Modelos compatibles, contexto máximo y rendimiento en tok/s

Memoria física: 128 GB
Default / Tuned Usable: 96.0 / 112.6 GB
Ancho de banda de memoria: 546 GB/s
Cómputo FP16: 36.4 TFLOPS
Tarifa nube típica $/h / CapEx: $0.32/hr · $4,499
TDP / Native FP8: 120W · 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 Mac Studio 128GB

Modelo predefinido de pesos abiertos (o personalizado)

Cantidad multidispositivo (1× a 8× Mac Studio 128GB)

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: 77.4% KV: 19.4% Overhead: 3.2%

Memoria total requerida

51.51 GB

Asignación por dispositivo: 51.51 / 128 GB

Pesos del modelo

39.86 GB

KV: 10.00 GB

Decodificación estimada (1 flujo)

6.0 tok/s

Rendimiento estimado por lotes: 6.0 tok/s

Contexto máx. antes de OOM

232,758

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 96.0 GB (75 %); elevar iogpu.wired_limit_mb desbloquea hasta 112.6 GB (88 %).

sudo sysctl iogpu.wired_limit_mb=115343

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× Mac Studio 128GB (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)	Cabe con holgura	Cabe con holgura	Q8_0	232,758 tokens	6.0 tok/s
DeepSeek-R1-Distill-Qwen-32B 32.8B · GQA	Cabe con holgura	Cabe con holgura	Cabe con holgura	FP16 / BF16	380,989 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	Cabe con holgura	Cabe con holgura	Cabe con holgura	FP16 / BF16	1,030,582 tokens	61.6 tok/s
Qwen3-32B 32.8B · GQA	Cabe con holgura	Cabe con holgura	Cabe con holgura	FP16 / BF16	380,989 tokens	11.3 tok/s
Qwen3-14B 14.8B · GQA	Cabe con holgura	Cabe con holgura	Cabe con holgura	FP16 / BF16	678,186 tokens	22.4 tok/s
Qwen3-8B 8.2B · GQA	Cabe con holgura	Cabe con holgura	Cabe con holgura	FP16 / BF16	781,489 tokens	32.8 tok/s
QwQ-32B (Reasoning) 32.8B · GQA	Cabe con holgura	Cabe con holgura	Cabe con holgura	FP16 / BF16	380,989 tokens	11.3 tok/s
Qwen2.5-Coder-32B-Instruct 32.8B · GQA	Cabe con holgura	Cabe con holgura	Cabe con holgura	FP16 / BF16	380,989 tokens	11.3 tok/s
Qwen2.5-72B-Instruct 72.7B · GQA	Memoria insuficiente (OOM)	Cabe con holgura	Cabe con holgura	Q8_0	228,757 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)	Cabe con holgura	Q8_0	265,971 tokens	24.3 tok/s
Llama 3.3 70B Instruct 70.6B · GQA	Memoria insuficiente (OOM)	Cabe con holgura	Cabe con holgura	Q8_0	232,758 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	879,985 tokens	35.1 tok/s
Gemma 3 27B IT (Multimodal) 27.4B · HYBRID_SWA	Cabe con holgura	Cabe con holgura	Cabe con holgura	FP16 / BF16	203,278 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	286,706 tokens	32.5 tok/s
Mistral Small 3.1 (24B) 24B · GQA	Cabe con holgura	Cabe con holgura	Cabe con holgura	FP16 / BF16	643,122 tokens	16.1 tok/s
Mistral Large 2411 (123B) 123B · GQA	Memoria insuficiente (OOM)	Memoria insuficiente (OOM)	Cabe con holgura	Q6_K	120,821 tokens	3.7 tok/s
Codestral 22B 22.2B · GQA	Cabe con holgura	Cabe con holgura	Cabe con holgura	FP16 / BF16	464,273 tokens	15.3 tok/s
Devstral Small (24B SWE Agent) 23.6B · GQA	Cabe con holgura	Cabe con holgura	Cabe con holgura	FP16 / BF16	644,647 tokens	16.3 tok/s
GLM-4-32B-0414 32B · GQA	Cabe con holgura	Cabe con holgura	Cabe con holgura	FP16 / BF16	1,048,576 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	542,853 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	899,947 tokens	48.5 tok/s
Cohere Command A (111B) 111B · HYBRID_SWA	Memoria insuficiente (OOM)	Memoria insuficiente (OOM)	Cabe con holgura	Q5_K_M	194,714 tokens	4.6 tok/s