Apple M2 Max 运行本地大模型
作者： Jakub Rusinowski · 最后更新：
凭借 96 GB、400 GB/s 带宽，M2 Max 可在 Q4_K_M、8K 上下文下运行目录中的 134 个模型。能放下的最大模型是 GPT-OSS 120B（约 71.9 GB），首选是 Qwen3-Coder-Next (80B-A3B MoE)，速度 29–60 tok/s。
Up to 96 GB unified memory, enough for 70B-class models at Q4_K_M. Popular in Mac Studio configurations. Silent, 40W system power. A strong used value at $1,500–2,000.
可在 M2 Max 上运行的模型
Q4_K_M，8K 上下文，可用 72 GB。按质量和速度排序。
| 模型 | 显存 · 标记 = 72 GB | 显存 | 速度 |
|---|---|---|---|
| Qwen3-Coder-Next (80B-A3B MoE) Qwen3-Coder | 49.1 GB | 29–60 tok/s | |
| Kolibri 1 Kolibri | 48.4 GB | 49–102 tok/s | |
| Nemotron 3.5 Bolt 74B Nemotron 3.5 | 45.6 GB | 23–48 tok/s | |
| K2 Horizon MoVA 36B-A4B K2 Horizon | 25 GB | 30–63 tok/s | |
| Qwen 3.6 35B-A3B Qwen 3.6 | 22.1 GB | 54–112 tok/s | |
| Nex-N2.5 mini Nex-N2.5 | 21.9 GB | 33–68 tok/s | |
| Nex-N2 mini Nex-N2 | 21.9 GB | 33–68 tok/s | |
| Qwen 3.5 35B-A3B Qwen 3.5 | 21.9 GB | 33–68 tok/s | |
| Laguna XS 2.1 33B-A3B Poolside Laguna XS 2.1 | 20.7 GB | 33–69 tok/s | |
| Granite 4.0 Small-H 32B-A9B IBM Granite 4.0 | 20.1 GB | 18–37 tok/s | |
| Nemotron-Cascade 2 30B-A3B Nemotron Cascade 2 | 19.9 GB | 31–65 tok/s | |
| Qwen 3 30B-A3B (MoE) Qwen 3 | 20 GB | 41–86 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 2026-09-29。
- 显存
- 96 GB
- 内存带宽
- 400 GB/s
- 架构
- ARM, 5nm TSMC
- 系列
- Apple Silicon
- 整卡功耗
- 40 W
- 发布年份
- 2023
- 模型可用
- 72 GB（约为统一内存的 75%）
相似 GPU
常见问题
Apple M2 Max 能运行本地大模型吗？
可以。它有 96 GB（模型可用 72 GB），在 Q4_K_M、8K 上下文下可运行目录中的 134 个模型；最大的是 GPT-OSS 120B，约需 71.9 GB。
Apple M2 Max 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 24–49 tok/s。Llama 3.3 70B 的估算为 3.2–6.7 tok/s。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。
96 GB 能运行哪些大模型？
能放下的最佳模型包括：Qwen3-Coder-Next (80B-A3B MoE)、Kolibri 1、Nemotron 3.5 Bolt 74B、K2 Horizon MoVA 36B-A4B、Qwen 3.6 35B-A3B。最快的上手方式是 Ollama：ollama run llama3.3:70b。