Apple Mac Studio M4 Max (128 GB Unified Memory) — Modelos Executáveis, Contexto Máximo e Benchmarks em tok/s

Memória Física: 128 GB
Default / Tuned Usable: 96.0 / 112.6 GB
Largura de Banda: 546 GB/s
Computação FP16: 36.4 TFLOPS
Tarifa Nuvem $/h / CapEx: $0.32/hr · $4,499
TDP / Native FP8: 120W · FP16/INT4

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

Simulador Interativo de Carga em Mac Studio 128GB

Modelo Predefinido de Pesos Abertos (ou Personalizado)

Quantidade de Dispositivos (1× a 8× Mac Studio 128GB)

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: 77.4% KV: 19.4% Overhead: 3.2%

Memória Total Necessária

51.51 GB

Alocação por Dispositivo: 51.51 / 128 GB

Pesos do Modelo

39.86 GB

KV: 10.00 GB

Decodificação Est. (1 Fluxo)

6.0 tok/s

Vazão Est. em Lote (Batch): 6.0 tok/s

Contexto Máx. Antes de OOM

232,758

tokens

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

O macOS limita a memória GPU wired a cerca de 96.0 GB (75%) por padrão; elevar iogpu.wired_limit_mb libera até 112.6 GB (88%).

sudo sysctl iogpu.wired_limit_mb=115343

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