Apple Mac Studio M4 Max (128 GB Unified Memory) — Modelli eseguibili, contesto massimo e prestazioni in tok/s

Memoria fisica: 128 GB
Default / Tuned Usable: 96.0 / 112.6 GB
Banda di memoria: 546 GB/s
Calcolo FP16: 36.4 TFLOPS
Tariffa cloud tipica $/h / CapEx: $0.32/hr · $4,499
TDP / Native FP8: 120W · FP16/INT4

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

Simulatore interattivo dei carichi di lavoro su Mac Studio 128GB

Preset modello open-weight (o personalizzato)

Numero multi-dispositivo (da 1× a 8× Mac Studio 128GB)

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: 77.4% KV: 19.4% Overhead: 3.2%

Memoria totale richiesta

51.51 GB

Allocazione per dispositivo: 51.51 / 128 GB

Pesi del modello

39.86 GB

KV: 10.00 GB

Decodifica stimata (singolo flusso)

6.0 tok/s

Throughput batch stimato: 6.0 tok/s

Contesto max prima di OOM

232,758

token

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

macOS limita di default la memoria GPU wired a circa 96.0 GB (75%); aumentando iogpu.wired_limit_mb si sbloccano fino a 112.6 GB (88%).

sudo sysctl iogpu.wired_limit_mb=115343

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× Mac Studio 128GB (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)	Entra comodamente	Entra comodamente	Q8_0	232,758 token	6.0 tok/s
DeepSeek-R1-Distill-Qwen-32B 32.8B · GQA	Entra comodamente	Entra comodamente	Entra comodamente	FP16 / BF16	380,989 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	Entra comodamente	Entra comodamente	Entra comodamente	FP16 / BF16	1,030,582 token	61.6 tok/s
Qwen3-32B 32.8B · GQA	Entra comodamente	Entra comodamente	Entra comodamente	FP16 / BF16	380,989 token	11.3 tok/s
Qwen3-14B 14.8B · GQA	Entra comodamente	Entra comodamente	Entra comodamente	FP16 / BF16	678,186 token	22.4 tok/s
Qwen3-8B 8.2B · GQA	Entra comodamente	Entra comodamente	Entra comodamente	FP16 / BF16	781,489 token	32.8 tok/s
QwQ-32B (Reasoning) 32.8B · GQA	Entra comodamente	Entra comodamente	Entra comodamente	FP16 / BF16	380,989 token	11.3 tok/s
Qwen2.5-Coder-32B-Instruct 32.8B · GQA	Entra comodamente	Entra comodamente	Entra comodamente	FP16 / BF16	380,989 token	11.3 tok/s
Qwen2.5-72B-Instruct 72.7B · GQA	Memoria esaurita (OOM)	Entra comodamente	Entra comodamente	Q8_0	228,757 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)	Entra comodamente	Q8_0	265,971 token	24.3 tok/s
Llama 3.3 70B Instruct 70.6B · GQA	Memoria esaurita (OOM)	Entra comodamente	Entra comodamente	Q8_0	232,758 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	879,985 token	35.1 tok/s
Gemma 3 27B IT (Multimodal) 27.4B · HYBRID_SWA	Entra comodamente	Entra comodamente	Entra comodamente	FP16 / BF16	203,278 token	16.3 tok/s
Gemma 3 12B IT (Multimodal) 12.2B · HYBRID_SWA	Entra comodamente	Entra comodamente	Entra comodamente	FP16 / BF16	286,706 token	32.5 tok/s
Mistral Small 3.1 (24B) 24B · GQA	Entra comodamente	Entra comodamente	Entra comodamente	FP16 / BF16	643,122 token	16.1 tok/s
Mistral Large 2411 (123B) 123B · GQA	Memoria esaurita (OOM)	Memoria esaurita (OOM)	Entra comodamente	Q6_K	120,821 token	3.7 tok/s
Codestral 22B 22.2B · GQA	Entra comodamente	Entra comodamente	Entra comodamente	FP16 / BF16	464,273 token	15.3 tok/s
Devstral Small (24B SWE Agent) 23.6B · GQA	Entra comodamente	Entra comodamente	Entra comodamente	FP16 / BF16	644,647 token	16.3 tok/s
GLM-4-32B-0414 32B · GQA	Entra comodamente	Entra comodamente	Entra comodamente	FP16 / BF16	1,048,576 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	542,853 token	20.6 tok/s
Microsoft Phi-4-mini-instruct (3.8B) 3.84B · GQA	Entra comodamente	Entra comodamente	Entra comodamente	FP16 / BF16	899,947 token	48.5 tok/s
Cohere Command A (111B) 111B · HYBRID_SWA	Memoria esaurita (OOM)	Memoria esaurita (OOM)	Entra comodamente	Q5_K_M	194,714 token	4.6 tok/s