硬件 / UNIFIED MEMORY

Apple silicon · 64 GB

32B models with long context or 70B Q4 with conservative headroom.

M-series Max / Ultra64 GB

01 / 实际上限

Qwen3.8 Flash Next REAP-288

列表中排在最前的模型可能是勉强适配或需要卸载的。日常使用建议选第一个标为 余量充足 的结果，并保持上下文适中。

02 / 默认推理服务

MLX LM

Native Apple silicon inference, experimentation and fine-tuning. Only for Apple silicon. Use an MLX-converted model and tune KV cache size for long contexts. The bundled mlx_lm.server is an OpenAI-compatible HTTP endpoint (default 127.0.0.1:8080), but upstream warns it implements only basic security checks and is not recommended for production.

打开指南

03 / 模型范围

代表性开放权重模型

Community REAP build

Qwen3.8 Flash Next REAP-288

176BREAP-288 · MLX 4-bit · PLE on NVMe

估算内存: ~40.57 GB
上下文: 7.6K recommended on measured 48 GB Mac

Llama 3.1 70B

70BGGUF Q4

估算内存: ~46 GB
上下文: 128K

Alibaba Qwen

Qwen3.6 35B-A3B

35B3B active · Q4 / NVFP4 MoE

估算内存: ~25 GB
上下文: 262K native

Alibaba Qwen

Qwen3 32B

32BGGUF Q4

估算内存: ~24.5 GB
上下文: 32K+

Alibaba Qwen

Qwen3 30B-A3B

30B3B active · GGUF Q4 MoE

估算内存: ~22.5 GB
上下文: 32K+

Alibaba Qwen

Qwen3.6 27B

27BQ4 / NVFP4 estimate

估算内存: ~18.5 GB
上下文: 262K native

注意

适配基于估算的总模型内存。驱动支持、KV 缓存、多模态投影层、并发以及桌面应用都可能进一步压缩可用余量。当前适配：Qwen3.8 Flash Next REAP-288 (勉强适配), Llama 3.1 70B (勉强适配), Qwen3.6 35B-A3B (余量充足), Qwen3 32B (余量充足), Qwen3 30B-A3B (余量充足), Qwen3.6 27B (余量充足)。