Apple Mac Studio M4 Max (128 GB Unified Memory) — 可运行模型清单、最大上下文与 tok/s 速度基准

物理内存: 128 GB
Default / Tuned Usable: 96.0 / 112.6 GB
内存带宽: 546 GB/s
FP16 算力: 36.4 TFLOPS
云端参考价 $/hr / CapEx: $0.32/hr · $4,499
TDP / Native FP8: 120W · FP16/INT4

在显存计算器中打开 → 生成 vLLM / Ollama 配置 → 对比自建 GPU 与 API 成本 →

Mac Studio 128GB 交互式负载模拟器

开源权重模型预设（或自定义）

多卡并联数量（1× 至 8× Mac Studio 128GB）

权重量化精度 (bpw)

KV 缓存精度

上下文长度 (tokens) 32,768 tokens

显存占用拆解与带宽上限评估

轻松容纳

模型权重占用: 77.4% KV: 19.4% Overhead: 3.2%

总计所需显存

51.51 GB

单卡分配显存: 51.51 / 128 GB

模型权重占用

39.86 GB

KV: 10.00 GB

预估单路解码速度

6.0 tok/s

预估批处理总吞吐: 6.0 tok/s

触发 OOM 前最大上下文

232,758

tokens

3. Apple Silicon 统一内存上限与解码带宽上界模型

macOS 默认将 GPU 锁定内存上限限制在约 96.0 GB（75%）；通过调高 iogpu.wired_limit_mb 最高可解锁至 112.6 GB（88%）。

sudo sysctl iogpu.wired_limit_mb=115343

在 macOS Apple Silicon 系统上，除非通过 sysctl iogpu.wired_limit_mb 手动覆盖，默认 GPU 锁定内存分配上限停留在物理统一内存的约 75%（在保障系统稳定性的前提下最高建模至 88% 安全上限）。自回归解码速度上界由有效外部内存带宽除以每步读取的激活参数字节数与激活 KV 缓存字节数之和决定，并由 VRAMLab 的 12 小时自动化核验流水线持续校验。

1× Mac Studio 128GB 开源权重 LLM 兼容性矩阵（32K 上下文）

单设备下 FP16、Q8_0 与 Q4_K_M 的适配状态与预估单路解码 tok/s
模型与家族	FP16	Q8_0	Q4_K_M	最佳舒适量化	最大上下文 (Q4_K_M)	解码速度 (Q4_K_M)
DeepSeek-R1 (671B MoE) 671B · MLA	显存不足 (OOM)	显存不足 (OOM)	显存不足 (OOM)	—	—	—
DeepSeek-V3-0324 (671B MoE) 671B · MLA	显存不足 (OOM)	显存不足 (OOM)	显存不足 (OOM)	—	—	—
DeepSeek-R1-Distill-Llama-70B 70.6B · GQA	显存不足 (OOM)	轻松容纳	轻松容纳	Q8_0	232,758 tokens	6.0 tok/s
DeepSeek-R1-Distill-Qwen-32B 32.8B · GQA	轻松容纳	轻松容纳	轻松容纳	FP16 / BF16	380,989 tokens	11.3 tok/s
Qwen3-235B-A22B (MoE) 235B · GQA	显存不足 (OOM)	显存不足 (OOM)	显存不足 (OOM)	—	—	—
Qwen3-30B-A3B (MoE) 30.5B · GQA	轻松容纳	轻松容纳	轻松容纳	FP16 / BF16	1,030,582 tokens	61.6 tok/s
Qwen3-32B 32.8B · GQA	轻松容纳	轻松容纳	轻松容纳	FP16 / BF16	380,989 tokens	11.3 tok/s
Qwen3-14B 14.8B · GQA	轻松容纳	轻松容纳	轻松容纳	FP16 / BF16	678,186 tokens	22.4 tok/s
Qwen3-8B 8.2B · GQA	轻松容纳	轻松容纳	轻松容纳	FP16 / BF16	781,489 tokens	32.8 tok/s
QwQ-32B (Reasoning) 32.8B · GQA	轻松容纳	轻松容纳	轻松容纳	FP16 / BF16	380,989 tokens	11.3 tok/s
Qwen2.5-Coder-32B-Instruct 32.8B · GQA	轻松容纳	轻松容纳	轻松容纳	FP16 / BF16	380,989 tokens	11.3 tok/s
Qwen2.5-72B-Instruct 72.7B · GQA	显存不足 (OOM)	轻松容纳	轻松容纳	Q8_0	228,757 tokens	5.9 tok/s
Llama 4 Maverick (400B / 17B-128E MoE) 402B · GQA	显存不足 (OOM)	显存不足 (OOM)	显存不足 (OOM)	—	—	—
Llama 4 Scout (109B / 17B-16E MoE) 109B · HYBRID_SWA	显存不足 (OOM)	显存不足 (OOM)	轻松容纳	Q8_0	265,971 tokens	24.3 tok/s
Llama 3.3 70B Instruct 70.6B · GQA	显存不足 (OOM)	轻松容纳	轻松容纳	Q8_0	232,758 tokens	6.0 tok/s
Llama 3.1 405B Instruct 405B · GQA	显存不足 (OOM)	显存不足 (OOM)	显存不足 (OOM)	—	—	—
Llama 3.1 8B Instruct 8.03B · GQA	轻松容纳	轻松容纳	轻松容纳	FP16 / BF16	879,985 tokens	35.1 tok/s
Gemma 3 27B IT (Multimodal) 27.4B · HYBRID_SWA	轻松容纳	轻松容纳	轻松容纳	FP16 / BF16	203,278 tokens	16.3 tok/s
Gemma 3 12B IT (Multimodal) 12.2B · HYBRID_SWA	轻松容纳	轻松容纳	轻松容纳	FP16 / BF16	286,706 tokens	32.5 tok/s
Mistral Small 3.1 (24B) 24B · GQA	轻松容纳	轻松容纳	轻松容纳	FP16 / BF16	643,122 tokens	16.1 tok/s
Mistral Large 2411 (123B) 123B · GQA	显存不足 (OOM)	显存不足 (OOM)	轻松容纳	Q6_K	120,821 tokens	3.7 tok/s
Codestral 22B 22.2B · GQA	轻松容纳	轻松容纳	轻松容纳	FP16 / BF16	464,273 tokens	15.3 tok/s
Devstral Small (24B SWE Agent) 23.6B · GQA	轻松容纳	轻松容纳	轻松容纳	FP16 / BF16	644,647 tokens	16.3 tok/s
GLM-4-32B-0414 32B · GQA	轻松容纳	轻松容纳	轻松容纳	FP16 / BF16	1,048,576 tokens	15.0 tok/s
GLM-4-9B-0414 9.4B · GQA	轻松容纳	轻松容纳	轻松容纳	FP16 / BF16	1,048,576 tokens	45.7 tok/s
Microsoft Phi-4 (14B) 14.7B · GQA	轻松容纳	轻松容纳	轻松容纳	FP16 / BF16	542,853 tokens	20.6 tok/s
Microsoft Phi-4-mini-instruct (3.8B) 3.84B · GQA	轻松容纳	轻松容纳	轻松容纳	FP16 / BF16	899,947 tokens	48.5 tok/s
Cohere Command A (111B) 111B · HYBRID_SWA	显存不足 (OOM)	显存不足 (OOM)	轻松容纳	Q5_K_M	194,714 tokens	4.6 tok/s