Apple Silicon M-Series Max (64 GB Unified Memory) — Modelos Executáveis, Contexto Máximo e Benchmarks em tok/s

Memória Física: 64 GB
Default / Tuned Usable: 48.0 / 56.3 GB
Largura de Banda: 546 GB/s
Computação FP16: 32.8 TFLOPS
Tarifa Nuvem $/h / CapEx: $0.22/hr · $3,499
TDP / Native FP8: 95W · FP16/INT4

Abrir na Calculadora de VRAM → Gerar Config vLLM / Ollama → Comparar GPU Própria vs API →

Simulador Interativo de Carga em Apple M-Max 64GB

Modelo Predefinido de Pesos Abertos (ou Personalizado)

Quantidade de Dispositivos (1× a 8× Apple M-Max 64GB)

Quantização de Pesos (bpw)

Precisão do Cache KV

Tamanho do Contexto (tokens) 32,768 tokens

Detalhamento de Memória e Teto de Largura de Banda

Cabe com Folga

Pesos do Modelo: 67% KV: 28.9% Overhead: 4.1%

Memória Total Necessária

27.66 GB

Alocação por Dispositivo: 27.66 / 64 GB

Pesos do Modelo

18.52 GB

KV: 8.00 GB

Decodificação Est. (1 Fluxo)

11.3 tok/s

Vazão Est. em Lote (Batch): 11.3 tok/s

Contexto Máx. Antes de OOM

150,303

tokens

3. Memória Unificada Apple Silicon e Limite Superior de Banda na Decodificação

O macOS limita a memória GPU wired a cerca de 48.0 GB (75%) por padrão; elevar iogpu.wired_limit_mb libera até 56.3 GB (88%).

sudo sysctl iogpu.wired_limit_mb=57672

Em sistemas macOS com Apple Silicon, a alocação padrão de memória wired da GPU para perto de 75% da RAM física unificada, a menos que seja ajustada com sysctl iogpu.wired_limit_mb (modelada até um teto seguro de 88% que preserva a estabilidade do sistema). A velocidade de decodificação autorregressiva é limitada pela largura de banda externa efetiva dividida pelos bytes de parâmetros ativos mais os bytes ativos do cache KV lidos por passo, verificados a cada 12 horas pelo pipeline automatizado do VRAMLab.

Matriz de Compatibilidade de LLM de Pesos Abertos em 1× Apple M-Max 64GB (Contexto 32K)

Status de ajuste e velocidade estimada de decodificação de fluxo único em FP16, Q8_0 e Q4_K_M em um único dispositivo
Modelo e Família	FP16	Q8_0	Q4_K_M	Melhor Quant. Confortável	Contexto Máx. (Q4_K_M)	Decodificação (Q4_K_M)
DeepSeek-R1 (671B MoE) 671B · MLA	Memória Insuficiente (OOM)	Memória Insuficiente (OOM)	Memória Insuficiente (OOM)	—	—	—
DeepSeek-V3-0324 (671B MoE) 671B · MLA	Memória Insuficiente (OOM)	Memória Insuficiente (OOM)	Memória Insuficiente (OOM)	—	—	—
DeepSeek-R1-Distill-Llama-70B 70.6B · GQA	Memória Insuficiente (OOM)	Memória Insuficiente (OOM)	Requer sysctl wired_limit	Q5_K_M	48,209 tokens	6.0 tok/s
DeepSeek-R1-Distill-Qwen-32B 32.8B · GQA	Memória Insuficiente (OOM)	Cabe com Folga	Cabe com Folga	Q8_0	150,303 tokens	11.3 tok/s
Qwen3-235B-A22B (MoE) 235B · GQA	Memória Insuficiente (OOM)	Memória Insuficiente (OOM)	Memória Insuficiente (OOM)	—	—	—
Qwen3-30B-A3B (MoE) 30.5B · GQA	Memória Insuficiente (OOM)	Cabe com Folga	Cabe com Folga	Q8_0	415,417 tokens	61.6 tok/s
Qwen3-32B 32.8B · GQA	Memória Insuficiente (OOM)	Cabe com Folga	Cabe com Folga	Q8_0	150,303 tokens	11.3 tok/s
Qwen3-14B 14.8B · GQA	Cabe com Folga	Cabe com Folga	Cabe com Folga	FP16 / BF16	309,087 tokens	22.4 tok/s
Qwen3-8B 8.2B · GQA	Cabe com Folga	Cabe com Folga	Cabe com Folga	FP16 / BF16	371,379 tokens	32.8 tok/s
QwQ-32B (Reasoning) 32.8B · GQA	Memória Insuficiente (OOM)	Cabe com Folga	Cabe com Folga	Q8_0	150,303 tokens	11.3 tok/s
Qwen2.5-Coder-32B-Instruct 32.8B · GQA	Memória Insuficiente (OOM)	Cabe com Folga	Cabe com Folga	Q8_0	150,303 tokens	11.3 tok/s
Qwen2.5-72B-Instruct 72.7B · GQA	Memória Insuficiente (OOM)	Memória Insuficiente (OOM)	Requer sysctl wired_limit	Q5_K_M	44,207 tokens	5.9 tok/s
Llama 4 Maverick (400B / 17B-128E MoE) 402B · GQA	Memória Insuficiente (OOM)	Memória Insuficiente (OOM)	Memória Insuficiente (OOM)	—	—	—
Llama 4 Scout (109B / 17B-16E MoE) 109B · HYBRID_SWA	Memória Insuficiente (OOM)	Memória Insuficiente (OOM)	Memória Insuficiente (OOM)	—	—	—
Llama 3.3 70B Instruct 70.6B · GQA	Memória Insuficiente (OOM)	Memória Insuficiente (OOM)	Requer sysctl wired_limit	Q5_K_M	48,209 tokens	6.0 tok/s
Llama 3.1 405B Instruct 405B · GQA	Memória Insuficiente (OOM)	Memória Insuficiente (OOM)	Memória Insuficiente (OOM)	—	—	—
Llama 3.1 8B Instruct 8.03B · GQA	Cabe com Folga	Cabe com Folga	Cabe com Folga	FP16 / BF16	418,612 tokens	35.1 tok/s
Gemma 3 27B IT (Multimodal) 27.4B · HYBRID_SWA	Requer sysctl wired_limit	Cabe com Folga	Cabe com Folga	FP16 / BF16	84,214 tokens	16.3 tok/s
Gemma 3 12B IT (Multimodal) 12.2B · HYBRID_SWA	Cabe com Folga	Cabe com Folga	Cabe com Folga	FP16 / BF16	132,915 tokens	32.5 tok/s
Mistral Small 3.1 (24B) 24B · GQA	Requer sysctl wired_limit	Cabe com Folga	Cabe com Folga	FP16 / BF16	274,023 tokens	16.1 tok/s
Mistral Large 2411 (123B) 123B · GQA	Memória Insuficiente (OOM)	Memória Insuficiente (OOM)	Memória Insuficiente (OOM)	—	—	—
Codestral 22B 22.2B · GQA	Requer sysctl wired_limit	Cabe com Folga	Cabe com Folga	Q8_0	200,631 tokens	15.3 tok/s
Devstral Small (24B SWE Agent) 23.6B · GQA	Requer sysctl wired_limit	Cabe com Folga	Cabe com Folga	Q8_0	275,548 tokens	16.3 tok/s
GLM-4-32B-0414 32B · GQA	Memória Insuficiente (OOM)	Cabe com Folga	Cabe com Folga	Q8_0	638,777 tokens	15.0 tok/s
GLM-4-9B-0414 9.4B · GQA	Cabe com Folga	Cabe com Folga	Cabe com Folga	FP16 / BF16	1,048,576 tokens	45.7 tok/s
Microsoft Phi-4 (14B) 14.7B · GQA	Cabe com Folga	Cabe com Folga	Cabe com Folga	FP16 / BF16	247,574 tokens	20.6 tok/s
Microsoft Phi-4-mini-instruct (3.8B) 3.84B · GQA	Cabe com Folga	Cabe com Folga	Cabe com Folga	FP16 / BF16	438,573 tokens	48.5 tok/s
Cohere Command A (111B) 111B · HYBRID_SWA	Memória Insuficiente (OOM)	Memória Insuficiente (OOM)	Memória Insuficiente (OOM)	—	—	—