Apple M1 Pro 运行本地大模型
作者： Jakub Rusinowski · 最后更新：
凭借 32 GB、200 GB/s 带宽，M1 Pro 可在 Q4_K_M、8K 上下文下运行目录中的 118 个模型。能放下的最大模型是 Qwen 3 32B（约 22.8 GB），首选是 Laguna XS 2.1 33B-A3B，速度 18–37 tok/s。
Up to 32 GB unified memory at 200 GB/s. Handles 13–14B models at Q4 comfortably. The step-down from M1 Max in the 2021 MacBook Pro lineup.
可在 M1 Pro 上运行的模型
Q4_K_M，8K 上下文，可用 24 GB。按质量和速度排序。
| 模型 | 显存 · 标记 = 24 GB | 显存 | 速度 |
|---|---|---|---|
| Laguna XS 2.1 33B-A3B Poolside Laguna XS 2.1 | 20.7 GB | 18–37 tok/s | |
| Granite 4.0 Small-H 32B-A9B IBM Granite 4.0 | 20.1 GB | 9.4–19 tok/s | |
| Nemotron-Cascade 2 30B-A3B Nemotron Cascade 2 | 19.9 GB | 17–35 tok/s | |
| Qwen 3 30B-A3B (MoE) Qwen 3 | 20 GB | 23–47 tok/s | |
| Qwen3-Coder 30B-A3B (MoE) Qwen3-Coder | 20 GB | 23–47 tok/s | |
| GLM-4.7-Flash 30B-A3B GLM-4.7 / GLM-Z1 | 18.9 GB | 18–38 tok/s | |
| Nemotron 3 Nano Omni 30B-A3B Nemotron 3 Nano Omni | 18.9 GB | 18–38 tok/s | |
| North Mini Code 1.0 30B-A3B North Mini Code | 18.9 GB | 18–38 tok/s | |
| Nemotron 3.5 Lightning 30B-A3B Nemotron 3.5 | 18.9 GB | 18–38 tok/s | |
| Trinity Mini Trinity | 16.9 GB | 31–65 tok/s | |
| Gemma 4 26B-A4B Gemma 4 | 16.5 GB | 16–33 tok/s | |
| LFM2.5-24B-A2B LFM2.5 | 15.5 GB | 36–75 tok/s |
购买显卡，或租用同等显存
直接购买显卡，或按小时租用同等显存的 GPU，先试用模型。
作为亚马逊联盟成员，我们从符合条件的购买中获得收入。云 GPU 链接为推荐链接——我们可能获得佣金，您无需额外付费。
与其他 GPU 的速度对比
Llama 3.1 8B，Q4_K_M。估算区间。 计算方法
规格
规格更新于 2026-07-12。
- 显存
- 32 GB
- 内存带宽
- 200 GB/s
- 架构
- ARM, 5nm TSMC
- 系列
- Apple Silicon
- 整卡功耗
- 30 W
- 发布年份
- 2021
- 模型可用
- 24 GB（约为统一内存的 75%）
相似 GPU
常见问题
Apple M1 Pro 能运行本地大模型吗？
可以。它有 32 GB（模型可用 24 GB），在 Q4_K_M、8K 上下文下可运行目录中的 118 个模型；最大的是 Qwen 3 32B，约需 22.8 GB。
Apple M1 Pro 的 AI 推理速度有多快？
估计它在 Q4_K_M 下运行 Llama 3.1 8B 的速度为 13–26 tok/s。Llama 3.3 70B 放不下：约需 44 GB，而可用只有 24 GB。这些是基于内存带宽的模型估算，并非实测；公式见方法说明页。
32 GB 能运行哪些大模型？
能放下的最佳模型包括：Laguna XS 2.1 33B-A3B、Granite 4.0 Small-H 32B-A9B、Nemotron-Cascade 2 30B-A3B、Qwen 3 30B-A3B (MoE)、Qwen3-Coder 30B-A3B (MoE)。最快的上手方式是 Ollama：ollama run qwen3:14b。