Apple M2 Ultra 运行本地大模型
作者： Jakub Rusinowski · 最后更新：
凭借 192 GB、800 GB/s 带宽，M2 Ultra 可在 Q4_K_M、8K 上下文下运行目录中的 163 个模型。能放下的最大模型是 MiniMax M2.7 230B-A10B（约 139.7 GB），首选是 Step 3.7 Flash 198B-A11B，速度 34–70 tok/s。
Up to 192 GB unified memory at 800 GB/s — among the largest memory pools available on consumer hardware. Runs 70B models with room to spare. Available in Mac Studio and Mac Pro.
可在 M2 Ultra 上运行的模型
Q4_K_M，8K 上下文，可用 144 GB。按质量和速度排序。
| 模型 | 显存 · 标记 = 144 GB | 显存 | 速度 |
|---|---|---|---|
| Step 3.7 Flash 198B-A11B StepFun Step | 119.7 GB | 34–70 tok/s | |
| Qwen3.8-Flash-Next Qwen3.8 | 109.7 GB | 55–115 tok/s | |
| Qwen 3.5 122B-A10B Qwen 3.5 | 74.5 GB | 28–58 tok/s | |
| Nemotron 3 Super 120B-A12B Nemotron 3 Super | 73.3 GB | 25–52 tok/s | |
| Nemotron 3.5 Super VL 120B-A12B Nemotron 3.5 | 73.3 GB | 25–52 tok/s | |
| Mistral Small 4 119B-A6.5B Mistral Small 4 | 72.6 GB | 35–73 tok/s | |
| GPT-OSS 120B GPT-OSS | 71.6 GB | 60–125 tok/s | |
| Llama 4.5 Scout Llama 4.5 | 66.6 GB | 20–41 tok/s | |
| Llama 4 Scout 17B Llama 4 | 68.2 GB | 22–45 tok/s | |
| Qwen3-Coder-Next (80B-A3B MoE) Qwen3-Coder | 49.4 GB | 84–174 tok/s | |
| Kolibri 1 Kolibri | 48.5 GB | 78–161 tok/s | |
| Nemotron 3.5 Bolt 74B Nemotron 3.5 | 45.6 GB | 42–87 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
- 192 GB
- 内存带宽
- 800 GB/s
- 架构
- ARM, 5nm TSMC
- 系列
- Apple Silicon
- 整卡功耗
- 60 W
- 发布年份
- 2023
- 模型可用
- 144 GB（约为统一内存的 75%）
相似 GPU
常见问题
Apple M2 Ultra 能运行本地大模型吗？
可以。它有 192 GB（模型可用 144 GB），在 Q4_K_M、8K 上下文下可运行目录中的 163 个模型；最大的是 MiniMax M2.7 230B-A10B，约需 139.7 GB。
Apple M2 Ultra 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 43–89 tok/s。Llama 3.3 70B 的估算为 6.3–13 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。
192 GB 能运行哪些大模型？
能放下的最佳模型包括：Step 3.7 Flash 198B-A11B、Qwen3.8-Flash-Next、Qwen 3.5 122B-A10B、Nemotron 3 Super 120B-A12B、Nemotron 3.5 Super VL 120B-A12B。最快的上手方式是 Ollama：ollama run llama3.3:70b。
继续浏览
能在 M2 Ultra 上运行吗？
关于这张卡的更多内容