M5
Apple M5：16–32 GB 記憶體、153 GB/s 頻寬。以 32 GB、8K 上下文估算，下表列出它能跑的開源模型。 入門款 M5，16–32 GB、153 GB/s：跑 8B–14B 模型沒問題；32 GB 雖能放進更大的模型，但速度很慢。
最後更新: 2026-10-14
規格
能跑哪些模型
在 8K 上下文長度下，放得下的最高品質量化版本與預估生成速度。 此為估算值，並非實測。請參考估算方法說明。
| 模型 | 參數量 | 最佳量化 | 所需記憶體 | tok/s（預估） |
|---|---|---|---|---|
| Qwen3.5-35B-A3B | 35B (3B) | Q4_K_M | 21.4 GiB | 55 |
| Qwen3.6-35B-A3B | 35B (3B) | Q4_K_M | 21.4 GiB | 55 |
| Qwen3-32B | 32.8B | Q4_K_M | 21.9 GiB | 5.0 |
| DeepSeek-R1-Distill-Qwen-32B | 32.76B | Q4_K_M | 21.9 GiB | 5.0 |
| Gemma 4 31B IT | 30.7B | Q5_K_M | 22.9 GiB | 4.6 |
| Qwen3-30B-A3B (2507) | 30.5B (3.3B) | Q5_K_M | 22.5 GiB | 42 |
| Qwen3-Coder-30B-A3B-Instruct | 30.5B (3.3B) | Q5_K_M | 22.5 GiB | 42 |
| GLM-4.7-Flash (30B-A3B) | 30B (3B) | Q5_K_M | 21.8 GiB | 47 |
| Qwen3.5-27B | 27B | Q6_K | 22.7 GiB | 4.5 |
| Qwen3.6-27B | 27B | Q6_K | 22.7 GiB | 4.5 |
| Qwen3.8-27B | 27B | Q6_K | 22.7 GiB | 4.5 |
| Gemma 3 27B IT | 27B | Q6_K | 23.3 GiB | 4.5 |
| Gemma 4 26B A4B IT | 25.2B (3.8B) | Q6_K | 21.1 GiB | 32 |
| Mistral Small 3.2 24B Instruct (2506) | 24B | Q6_K | 21.1 GiB | 5.0 |
| Magistral Small 1.2 (2509) | 24B | Q6_K | 21.1 GiB | 5.0 |
| Devstral Small 2 24B Instruct (2512) | 24B | Q6_K | 21.1 GiB | 5.0 |
| gpt-oss-20b | 21B (3.6B) | Q8_0 | 22.5 GiB | 26 |
| Phi-4 (14B) | 14B | Q8_0 | 16.6 GiB | 6.7 |
| Gemma 3 12B IT | 12B | Q8_0 | 13.8 GiB | 7.8 |
| Gemma 4 12B Unified IT | 11.95B | Q8_0 | 13.3 GiB | 7.8 |
| Qwen3.5-9B | 9B | FP16 | 18.4 GiB | 5.5 |
| Qwen3-8B | 8.2B | FP16 | 17.7 GiB | 6.1 |
| DeepSeek-R1-0528-Qwen3-8B | 8.19B | FP16 | 17.6 GiB | 6.1 |
| Llama 3.1 8B Instruct | 8B | FP16 | 17.1 GiB | 6.2 |
| Gemma 4 E4B IT | 8B | FP16 | 16.4 GiB | 6.2 |
| Llama 3.2 3B Instruct | 3.21B | FP16 | 7.7 GiB | 15 |
| Kimi K2.6 | 1000B (32B) | 放不下 | – | – |
| DeepSeek-R1-0528 (671B) | 671B (37B) | 放不下 | – | – |
| DeepSeek-V4-Flash | 284B (13B) | 放不下 | – | – |
| Qwen3.8-Flash-Next | 180B (6B) | 放不下 | – | – |
| Qwen3.5-122B-A10B | 122B (10B) | 放不下 | – | – |
| Mistral Small 4 119B (2603) | 119B (6.5B) | 放不下 | – | – |
| gpt-oss-120b | 117B (5.1B) | 放不下 | – | – |
| Llama 4 Scout 17B-16E Instruct | 109B (17B) | 放不下 | – | – |
| GLM-4.5-Air | 106B (12B) | 放不下 | – | – |
| Qwen3-Coder-Next (80B-A3B) | 80B (3B) | 放不下 | – | – |
| Llama 3.3 70B Instruct | 70B | 放不下 | – | – |
價格
這款硬體目前還沒有價格紀錄。 全部價格 →
常見問題
M5 可以跑哪些 LLM？
以 32 GB 記憶體、8K 上下文估算，放得下的最大模型包括：Qwen3.5-35B-A3B、Qwen3.6-35B-A3B、Qwen3-32B、DeepSeek-R1-Distill-Qwen-32B、Gemma 4 31B IT。完整清單見下方表格。
M5 跑本地 LLM 有多快？
生成速度主要取決於記憶體頻寬（153 GB/s）。以 Llama 3.1 8B Instruct（FP16）為例，預估約每秒 6.2 個 token；模型越大越慢。
M5 能跑 70B 等級的模型嗎？
Llama 3.3 70B Instruct 在 M5（32 GB）上，即使用 Q4_K_M 量化、8K 上下文也放不下。
資料來源
- https://www.apple.com/macbook-pro/specs/
- https://en.wikipedia.org/wiki/Apple_M5
- https://www.apple.com/newsroom/2025/10/apple-unleashes-m5-the-next-big-leap-in-ai-performance-for-apple-silicon/
- https://www.apple.com/newsroom/2025/10/new-ipad-pro-14-inch-macbook-pro-and-apple-vision-pro-now-available/
- https://www.apple.com/newsroom/2025/10/apple-unveils-new-14-inch-macbook-pro-powered-by-the-m5-chip/