Apple M4 Max 运行本地大模型
作者： Jakub Rusinowski · 最后更新：
凭借 128 GB、546 GB/s 带宽，M4 Max 可在 Q4_K_M、8K 上下文下运行目录中的 139 个模型。能放下的最大模型是 Mistral Medium 3.5 128B（约 80.9 GB），首选是 Qwen 3.5 122B-A10B，速度 20–41 tok/s。
最高 128 GB 统一内存，模型约可使用 96 GB：Q4_K_M 下的 70B 级模型可以放下，并为上下文留有余量。35W TDP 极为出色。静音、省电。Mac 用户的全能之选。
可在 M4 Max 上运行的模型
Q4_K_M，8K 上下文，可用 96 GB。按质量和速度排序。
| 模型 | 显存 · 标记 = 96 GB | 显存 | 速度 |
|---|---|---|---|
| Qwen 3.5 122B-A10B Qwen 3.5 | 74.5 GB | 20–41 tok/s | |
| Nemotron 3 Super 120B-A12B Nemotron 3 Super | 73.3 GB | 18–37 tok/s | |
| Mistral Small 4 119B-A6.5B Mistral Small 4 | 72.6 GB | 11–24 tok/s | |
| GPT-OSS 120B GPT-OSS | 71.9 GB | 42–88 tok/s | |
| Llama 4.5 Scout Llama 4.5 | 66.6 GB | 14–29 tok/s | |
| Llama 4 Scout 17B Llama 4 | 68.2 GB | 15–32 tok/s | |
| Qwen3-Coder-Next (80B-A3B MoE) Qwen3-Coder | 49.1 GB | 37–78 tok/s | |
| Kolibri 1 Kolibri | 48.4 GB | 62–128 tok/s | |
| Nemotron 3.5 Bolt 74B Nemotron 3.5 | 45.6 GB | 30–63 tok/s | |
| K2 Horizon MoVA 36B-A4B K2 Horizon | 25 GB | 40–82 tok/s | |
| Qwen 3.6 35B-A3B Qwen 3.6 | 22.1 GB | 68–140 tok/s | |
| Nex-N2.5 mini Nex-N2.5 | 21.9 GB | 42–88 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
- 128 GB
- 内存带宽
- 546 GB/s
- 架构
- ARM, 3nm TSMC
- 系列
- Apple Silicon
- 整卡功耗
- 35 W
- 发布年份
- 2024
- 模型可用
- 96 GB（约为统一内存的 75%）
相似 GPU
常见问题
Apple M4 Max 能运行本地大模型吗？
可以。它有 128 GB（模型可用 96 GB），在 Q4_K_M、8K 上下文下可运行目录中的 139 个模型；最大的是 Mistral Medium 3.5 128B，约需 80.9 GB。
Apple M4 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 31–64 tok/s。Llama 3.3 70B 的估算为 4.4–9.1 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。
128 GB 能运行哪些大模型？
能放下的最佳模型包括：Qwen 3.5 122B-A10B、Nemotron 3 Super 120B-A12B、Mistral Small 4 119B-A6.5B、GPT-OSS 120B、Llama 4.5 Scout。最快的上手方式是 Ollama：ollama run llama4:scout。