Apple M3 Max (30-core GPU) 运行本地大模型
作者： Jakub Rusinowski · 最后更新：
凭借 96 GB、300 GB/s 带宽，M3 Max (30-core GPU) 可在 Q4_K_M、8K 上下文下运行目录中的 153 个模型。能放下的最大模型是 GPT-OSS 120B（约 71.6 GB），首选是 Qwen3-Coder-Next (80B-A3B MoE)，速度 41–86 tok/s。
14核CPU / 30核GPU版本的M3 Max。内存控制器比40核版本少：300 GB/s而非400 GB/s，且只有36 GB和96 GB两种配置。用40核的记录来建模一台36 GB的机器，会把它的吞吐量高估三分之一。
可在 M3 Max (30-core GPU) 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 | 49.4 GB | 41–86 tok/s | |
| Kolibri 1 Kolibri | 48.5 GB | 37–78 tok/s | |
| Nemotron 3.5 Bolt 74B Nemotron 3.5 | 45.6 GB | 18–37 tok/s | |
| K2 Horizon MoVA 36B-A4B K2 Horizon | 25 GB | 24–49 tok/s | |
| Qwen 3.6 35B-A3B Qwen 3.6 | 22.2 GB | 42–87 tok/s | |
| Nex-N2.5 mini Nex-N2.5 | 21.9 GB | 26–53 tok/s | |
| Nex-N2 mini Nex-N2 | 21.9 GB | 26–53 tok/s | |
| Qwen 3.5 35B-A3B Qwen 3.5 | 21.9 GB | 26–53 tok/s | |
| Laguna XS 2.1 33B-A3B Poolside Laguna XS 2.1 | 20.7 GB | 26–53 tok/s | |
| Granite 4.0 Small-H 32B-A9B IBM Granite 4.0 | 20.1 GB | 14–29 tok/s | |
| Nemotron-Cascade 2 30B-A3B Nemotron Cascade 2 | 19.9 GB | 24–50 tok/s | |
| Qwen 3 30B-A3B (MoE) Qwen 3 | 20 GB | 32–67 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 2026-09-19。
- 显存
- 96 GB
- 内存带宽
- 300 GB/s
- 架构
- ARM, 3nm TSMC
- 系列
- Apple Silicon
- 整卡功耗
- 35 W
- 发布年份
- 2023
- 计算后端
- METAL
- 模型可用
- 72 GB（约为统一内存的 75%）
相似 GPU
常见问题
Apple M3 Max (30-core GPU) 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 153 个模型；最大的是 GPT-OSS 120B，约需 71.6 GB。
Apple M3 Max (30-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 18–38 tok/s。Llama 3.3 70B 的估算为 2.4–5.0 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。