Apple Silicon M-Series Max (64 GB Unified Memory) — Modelli eseguibili, contesto massimo e prestazioni in tok/s

Memoria fisica: 64 GB
Default / Tuned Usable: 48.0 / 56.3 GB
Banda di memoria: 546 GB/s
Calcolo FP16: 32.8 TFLOPS
Tariffa cloud tipica $/h / CapEx: $0.22/hr · $3,499
TDP / Native FP8: 95W · FP16/INT4

Apri nel calcolatore VRAM → Genera config vLLM / Ollama → Confronta GPU self-hosted vs API →

Simulatore interattivo dei carichi di lavoro su Apple M-Max 64GB

Preset modello open-weight (o personalizzato)

Numero multi-dispositivo (da 1× a 8× Apple M-Max 64GB)

Quantizzazione dei pesi (bpw)

Precisione KV Cache

Lunghezza contesto (token) 32,768 token

Ripartizione memoria e limite di banda passante

Entra comodamente

Pesi del modello: 67% KV: 28.9% Overhead: 4.1%

Memoria totale richiesta

27.66 GB

Allocazione per dispositivo: 27.66 / 64 GB

Pesi del modello

18.52 GB

KV: 8.00 GB

Decodifica stimata (singolo flusso)

11.3 tok/s

Throughput batch stimato: 11.3 tok/s

Contesto max prima di OOM

150,303

token

3. Memoria unificata Apple Silicon e limite superiore di banda in decodifica

macOS limita di default la memoria GPU wired a circa 48.0 GB (75%); aumentando iogpu.wired_limit_mb si sbloccano fino a 56.3 GB (88%).

sudo sysctl iogpu.wired_limit_mb=57672

Sui sistemi macOS con Apple Silicon, l’allocazione GPU wired predefinita si ferma intorno al 75% della RAM fisica unificata salvo modifica tramite sysctl iogpu.wired_limit_mb (modellata fino a un tetto sicuro dell’88% che tutela la stabilità del sistema operativo). La velocità di decodifica autoregressiva è limitata dalla banda effettiva della memoria esterna divisa per i byte dei parametri attivi più i byte attivi della KV cache letti ad ogni passo, verificata ogni 12 ore dalla pipeline automatizzata di VRAMLab.

Matrice di compatibilità LLM open-weight su 1× Apple M-Max 64GB (contesto 32K)

Stato di compatibilità e tok/s stimati in decodifica singolo flusso per FP16, Q8_0 e Q4_K_M su singolo dispositivo
Modello e famiglia	FP16	Q8_0	Q4_K_M	Migliore quant. comoda	Contesto max (Q4_K_M)	Velocità decod. (Q4_K_M)
DeepSeek-R1 (671B MoE) 671B · MLA	Memoria esaurita (OOM)	Memoria esaurita (OOM)	Memoria esaurita (OOM)	—	—	—
DeepSeek-V3-0324 (671B MoE) 671B · MLA	Memoria esaurita (OOM)	Memoria esaurita (OOM)	Memoria esaurita (OOM)	—	—	—
DeepSeek-R1-Distill-Llama-70B 70.6B · GQA	Memoria esaurita (OOM)	Memoria esaurita (OOM)	Richiede sysctl wired_limit	Q5_K_M	48,209 token	6.0 tok/s
DeepSeek-R1-Distill-Qwen-32B 32.8B · GQA	Memoria esaurita (OOM)	Entra comodamente	Entra comodamente	Q8_0	150,303 token	11.3 tok/s
Qwen3-235B-A22B (MoE) 235B · GQA	Memoria esaurita (OOM)	Memoria esaurita (OOM)	Memoria esaurita (OOM)	—	—	—
Qwen3-30B-A3B (MoE) 30.5B · GQA	Memoria esaurita (OOM)	Entra comodamente	Entra comodamente	Q8_0	415,417 token	61.6 tok/s
Qwen3-32B 32.8B · GQA	Memoria esaurita (OOM)	Entra comodamente	Entra comodamente	Q8_0	150,303 token	11.3 tok/s
Qwen3-14B 14.8B · GQA	Entra comodamente	Entra comodamente	Entra comodamente	FP16 / BF16	309,087 token	22.4 tok/s
Qwen3-8B 8.2B · GQA	Entra comodamente	Entra comodamente	Entra comodamente	FP16 / BF16	371,379 token	32.8 tok/s
QwQ-32B (Reasoning) 32.8B · GQA	Memoria esaurita (OOM)	Entra comodamente	Entra comodamente	Q8_0	150,303 token	11.3 tok/s
Qwen2.5-Coder-32B-Instruct 32.8B · GQA	Memoria esaurita (OOM)	Entra comodamente	Entra comodamente	Q8_0	150,303 token	11.3 tok/s
Qwen2.5-72B-Instruct 72.7B · GQA	Memoria esaurita (OOM)	Memoria esaurita (OOM)	Richiede sysctl wired_limit	Q5_K_M	44,207 token	5.9 tok/s
Llama 4 Maverick (400B / 17B-128E MoE) 402B · GQA	Memoria esaurita (OOM)	Memoria esaurita (OOM)	Memoria esaurita (OOM)	—	—	—
Llama 4 Scout (109B / 17B-16E MoE) 109B · HYBRID_SWA	Memoria esaurita (OOM)	Memoria esaurita (OOM)	Memoria esaurita (OOM)	—	—	—
Llama 3.3 70B Instruct 70.6B · GQA	Memoria esaurita (OOM)	Memoria esaurita (OOM)	Richiede sysctl wired_limit	Q5_K_M	48,209 token	6.0 tok/s
Llama 3.1 405B Instruct 405B · GQA	Memoria esaurita (OOM)	Memoria esaurita (OOM)	Memoria esaurita (OOM)	—	—	—
Llama 3.1 8B Instruct 8.03B · GQA	Entra comodamente	Entra comodamente	Entra comodamente	FP16 / BF16	418,612 token	35.1 tok/s
Gemma 3 27B IT (Multimodal) 27.4B · HYBRID_SWA	Richiede sysctl wired_limit	Entra comodamente	Entra comodamente	FP16 / BF16	84,214 token	16.3 tok/s
Gemma 3 12B IT (Multimodal) 12.2B · HYBRID_SWA	Entra comodamente	Entra comodamente	Entra comodamente	FP16 / BF16	132,915 token	32.5 tok/s
Mistral Small 3.1 (24B) 24B · GQA	Richiede sysctl wired_limit	Entra comodamente	Entra comodamente	FP16 / BF16	274,023 token	16.1 tok/s
Mistral Large 2411 (123B) 123B · GQA	Memoria esaurita (OOM)	Memoria esaurita (OOM)	Memoria esaurita (OOM)	—	—	—
Codestral 22B 22.2B · GQA	Richiede sysctl wired_limit	Entra comodamente	Entra comodamente	Q8_0	200,631 token	15.3 tok/s
Devstral Small (24B SWE Agent) 23.6B · GQA	Richiede sysctl wired_limit	Entra comodamente	Entra comodamente	Q8_0	275,548 token	16.3 tok/s
GLM-4-32B-0414 32B · GQA	Memoria esaurita (OOM)	Entra comodamente	Entra comodamente	Q8_0	638,777 token	15.0 tok/s
GLM-4-9B-0414 9.4B · GQA	Entra comodamente	Entra comodamente	Entra comodamente	FP16 / BF16	1,048,576 token	45.7 tok/s
Microsoft Phi-4 (14B) 14.7B · GQA	Entra comodamente	Entra comodamente	Entra comodamente	FP16 / BF16	247,574 token	20.6 tok/s
Microsoft Phi-4-mini-instruct (3.8B) 3.84B · GQA	Entra comodamente	Entra comodamente	Entra comodamente	FP16 / BF16	438,573 token	48.5 tok/s
Cohere Command A (111B) 111B · HYBRID_SWA	Memoria esaurita (OOM)	Memoria esaurita (OOM)	Memoria esaurita (OOM)	—	—	—