Apple Mac Studio M2/M3 Ultra (192 GB Unified Memory) — Modelos Executáveis, Contexto Máximo e Benchmarks em tok/s

Memória Física: 192 GB
Default / Tuned Usable: 144.0 / 169.0 GB
Largura de Banda: 800 GB/s
Computação FP16: 54.4 TFLOPS
Tarifa Nuvem $/h / CapEx: $0.48/hr · $5,999
TDP / Native FP8: 175W · FP16/INT4

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

Simulador Interativo de Carga em Mac Studio 192GB

Modelo Predefinido de Pesos Abertos (ou Personalizado)

Quantidade de Dispositivos (1× a 8× Mac Studio 192GB)

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 / 192 GB

Pesos do Modelo

39.86 GB

KV: 10.00 GB

Decodificação Est. (1 Fluxo)

8.8 tok/s

Vazão Est. em Lote (Batch): 8.8 tok/s

Contexto Máx. Antes de OOM

417,308

tokens

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

O macOS limita a memória GPU wired a cerca de 144.0 GB (75%) por padrão; elevar iogpu.wired_limit_mb libera até 169.0 GB (88%).

sudo sysctl iogpu.wired_limit_mb=173015

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 192GB (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	Requer sysctl wired_limit	Cabe com Folga	Cabe com Folga	Q8_0	417,308 tokens	8.8 tok/s
DeepSeek-R1-Distill-Qwen-32B 32.8B · GQA	Cabe com Folga	Cabe com Folga	Cabe com Folga	FP16 / BF16	611,676 tokens	16.5 tok/s
Qwen3-235B-A22B (MoE) 235B · GQA	Memória Insuficiente (OOM)	Memória Insuficiente (OOM)	Ajuste Apertado (>90% Útil)	Q5_K_M	177,059 tokens	24.0 tok/s
Qwen3-30B-A3B (MoE) 30.5B · GQA	Cabe com Folga	Cabe com Folga	Cabe com Folga	FP16 / BF16	1,048,576 tokens	90.2 tok/s
Qwen3-32B 32.8B · GQA	Cabe com Folga	Cabe com Folga	Cabe com Folga	FP16 / BF16	611,676 tokens	16.5 tok/s
Qwen3-14B 14.8B · GQA	Cabe com Folga	Cabe com Folga	Cabe com Folga	FP16 / BF16	1,047,285 tokens	32.8 tok/s
Qwen3-8B 8.2B · GQA	Cabe com Folga	Cabe com Folga	Cabe com Folga	FP16 / BF16	1,048,576 tokens	48.1 tok/s
QwQ-32B (Reasoning) 32.8B · GQA	Cabe com Folga	Cabe com Folga	Cabe com Folga	FP16 / BF16	611,676 tokens	16.5 tok/s
Qwen2.5-Coder-32B-Instruct 32.8B · GQA	Cabe com Folga	Cabe com Folga	Cabe com Folga	FP16 / BF16	611,676 tokens	16.5 tok/s
Qwen2.5-72B-Instruct 72.7B · GQA	Requer sysctl wired_limit	Cabe com Folga	Cabe com Folga	Q8_0	413,306 tokens	8.6 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)	Cabe com Folga	Cabe com Folga	Q8_0	573,553 tokens	35.6 tok/s
Llama 3.3 70B Instruct 70.6B · GQA	Requer sysctl wired_limit	Cabe com Folga	Cabe com Folga	Q8_0	417,308 tokens	8.8 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	1,048,576 tokens	51.4 tok/s
Gemma 3 27B IT (Multimodal) 27.4B · HYBRID_SWA	Cabe com Folga	Cabe com Folga	Cabe com Folga	FP16 / BF16	322,342 tokens	23.9 tok/s
Gemma 3 12B IT (Multimodal) 12.2B · HYBRID_SWA	Cabe com Folga	Cabe com Folga	Cabe com Folga	FP16 / BF16	440,497 tokens	47.7 tok/s
Mistral Small 3.1 (24B) 24B · GQA	Cabe com Folga	Cabe com Folga	Cabe com Folga	FP16 / BF16	1,012,221 tokens	23.6 tok/s
Mistral Large 2411 (123B) 123B · GQA	Memória Insuficiente (OOM)	Ajuste Apertado (>90% Útil)	Cabe com Folga	Q6_K	288,593 tokens	5.5 tok/s
Codestral 22B 22.2B · GQA	Cabe com Folga	Cabe com Folga	Cabe com Folga	FP16 / BF16	727,915 tokens	22.5 tok/s
Devstral Small (24B SWE Agent) 23.6B · GQA	Cabe com Folga	Cabe com Folga	Cabe com Folga	FP16 / BF16	1,013,745 tokens	23.9 tok/s
GLM-4-32B-0414 32B · GQA	Cabe com Folga	Cabe com Folga	Cabe com Folga	FP16 / BF16	1,048,576 tokens	22.0 tok/s
GLM-4-9B-0414 9.4B · GQA	Cabe com Folga	Cabe com Folga	Cabe com Folga	FP16 / BF16	1,048,576 tokens	66.9 tok/s
Microsoft Phi-4 (14B) 14.7B · GQA	Cabe com Folga	Cabe com Folga	Cabe com Folga	FP16 / BF16	838,132 tokens	30.2 tok/s
Microsoft Phi-4-mini-instruct (3.8B) 3.84B · GQA	Cabe com Folga	Cabe com Folga	Cabe com Folga	FP16 / BF16	1,048,576 tokens	71.1 tok/s
Cohere Command A (111B) 111B · HYBRID_SWA	Memória Insuficiente (OOM)	Cabe com Folga	Cabe com Folga	Q8_0	425,400 tokens	6.7 tok/s