Apple M5 Max (32-core GPU) 运行本地大模型
作者： Jakub Rusinowski · 最后更新：
凭借 36 GB、460 GB/s 带宽，M5 Max (32-core GPU) 可在 Q4_K_M、8K 上下文下运行目录中的 120 个模型。能放下的最大模型是 Gemma 3 27B Instruct（约 25.4 GB），首选是 Qwen 3.6 35B-A3B，速度 60–124 tok/s。
18核CPU / 32核GPU版本的M5 Max：带宽460 GB/s，而非40核版本的614 GB/s，内存配置为36 GB。用40核版本的带宽来建模36 GB的机器，会把每项速度高估三分之一。该版本36 GB的上限尚无独立来源确认。
可在 M5 Max (32-core GPU) 上运行的模型
Q4_K_M，8K 上下文，可用 27 GB。按质量和速度排序。
| 模型 | 显存 · 标记 = 27 GB | 显存 | 速度 |
|---|---|---|---|
| Qwen 3.6 35B-A3B Qwen 3.6 | 22.1 GB | 60–124 tok/s | |
| Nex-N2.5 mini Nex-N2.5 | 21.9 GB | 37–77 tok/s | |
| Nex-N2 mini Nex-N2 | 21.9 GB | 37–77 tok/s | |
| Qwen 3.5 35B-A3B Qwen 3.5 | 21.9 GB | 37–77 tok/s | |
| Laguna XS 2.1 33B-A3B Poolside Laguna XS 2.1 | 20.7 GB | 37–77 tok/s | |
| Granite 4.0 Small-H 32B-A9B IBM Granite 4.0 | 20.1 GB | 20–42 tok/s | |
| Nemotron-Cascade 2 30B-A3B Nemotron Cascade 2 | 19.9 GB | 35–73 tok/s | |
| Qwen 3 30B-A3B (MoE) Qwen 3 | 20 GB | 46–96 tok/s | |
| Qwen3-Coder 30B-A3B (MoE) Qwen3-Coder | 20 GB | 46–96 tok/s | |
| GLM-4.7-Flash 30B-A3B GLM-4.7 / GLM-Z1 | 18.9 GB | 38–78 tok/s | |
| Nemotron 3 Nano Omni 30B-A3B Nemotron 3 Nano Omni | 18.9 GB | 38–78 tok/s | |
| North Mini Code 1.0 30B-A3B North Mini Code | 18.9 GB | 38–78 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 2026-09-30。
- 显存
- 36 GB
- 内存带宽
- 460 GB/s
- 架构
- ARM, 3nm TSMC
- 系列
- Apple Silicon
- 整卡功耗
- 35 W
- 发布年份
- 2026
- 计算后端
- METAL
- 模型可用
- 27 GB（约为统一内存的 75%）
相似 GPU
常见问题
Apple M5 Max (32-core GPU) 能运行本地大模型吗？
可以。它有 36 GB（模型可用 27 GB），在 Q4_K_M、8K 上下文下可运行目录中的 120 个模型；最大的是 Gemma 3 27B Instruct，约需 25.4 GB。
Apple M5 Max (32-core GPU) 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 27–56 tok/s。Llama 3.3 70B 放不下：约需 44 GB，而可用只有 27 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。
36 GB 能运行哪些大模型？
能放下的最佳模型包括：Qwen 3.6 35B-A3B、Nex-N2.5 mini、Nex-N2 mini、Qwen 3.5 35B-A3B、Laguna XS 2.1 33B-A3B。