MacBook Pro M3 Pro / Max（18–128 GB）上应选择哪个 LLM？| 哪个LLM

在MacBook Pro M3 Pro / Max（18–128 GB）上适合哪些LLM？ ?

在 2026 年，MacBook Pro M3 Pro / Max（2023 年末款）是本地运行 LLM 的笔记本电脑中的理想选择。16 核 M3 Max 提供 400 GB/s 的带宽和最高 128 GB 的统一内存——足以以全精度运行 2026 年的全部开放权重模型：采用 Q8 的 Qwen 3.6 35B-A3B、采用稠密架构的 Qwen 3.8 27B，或同时加载多个模型，使用 128k 及以上的上下文。注意：M3 Pro 的内存带宽有所降低（150 GB/s，而 M2 Pro 为 200 GB/s）。本指南将厘清各个版本实际能做到什么。

作者： Mohamed Meguedmi·更新于 2026-08-27·已在 macOS 14+ 上测试

◆ Mac — 在你的 Mac 上充分利用本地 AI——统一内存、MLX、适合你芯片的模型 · 24 € · 或所有套件 49 € →

推荐硬件

本指南的备选购买方案： MacBook Pro M5 Pro — 24 GB / 1 TB.

Amazon查看价格 →Materiel.net查看价格 →

按预算比较所有选项，从 800 到 3 500 欧元 →

移动场景：本地 AI 选哪款笔记本电脑 →

联盟链接——可能产生佣金，但您无需额外付费。作为亚马逊合作伙伴，QuelLLM 将从符合条件的购买中获利。

#2026 年的 MBP M3 Pro / Max

发布日期: 2023 年 10 月至 11 月。仍受 macOS Sequoia 及后续版本支持。
M3 Pro: 11 或 12 个 CPU 核心 + 14 或 18 个 GPU 核心，带宽为 150 GB/s（比 M2 Pro 更低），RAM 为 18 或 36 GB。
M3 Max 14核: 14个CPU核心 + 30个GPU核心，300 GB/s，内存36GB或96GB。
M3 Max 16核: 16个CPU核心 + 40个GPU核心，400 GB/s，内存48、64或128 GB。

M3 Pro的陷阱

Apple 降低了 M3 Pro 的内存带宽（从 M2 Pro 的 200 GB/s 降至 150 GB/s）。结果：M3 Pro 在大语言模型任务中的表现慢于 M2 Pro。如果您需要 M3 系列，建议直接选择 M3 Max —— 或者保留一台二手 M2 Pro。

#1. M3 Pro 与 M3 Max（注意陷阱）

M3 Pro 150 GB/s: 运行 9B–12B 模型表现尚可（约 30 token/秒），但运行 24B 及以上的稠密模型就显得吃力（约 12 token/秒）。如果您打算运行 24B 及以上的稠密模型，请避免选择它。
M3 Max 14核 300 GB/s: 不错的折中选择：Qwen 3.6 35B-A3B（MoE）为每秒 35–38 个 token，Qwen 3.8 27B 稠密模型为每秒 15–17 个 token。RAM 最大容量为 96 GB。
M3 Max 16核 400 GB/s: 高端版本。运行大模型时速度提升 30%，可配备 128 GB 内存，用于全精度 Q8 和同时运行多个模型。

#2. 18 到 128 GB：哪些 LLM

各 MBP M3 配置兼容的模型

模型	Quant	M3 Pro 18	M3 Pro 36	M3 Max 64	M3 Max 96	M3 Max 128
Qwen 3.5 9B	Q5_K_M	✓ 30	✓ 32	✓ 46	✓ 48	✓ 50
Gemma 4 12B	Q5_K_M	✓ 14	✓ 16	✓ 26	✓ 28	✓ 30
Mistral Small 24B	Q5_K_M	—	✓ 10	✓ 17	✓ 19	✓ 20
Qwen 3.8 27B	Q5_K_M	—	—	✓ 15	✓ 16	✓ 17
Qwen 3.6 35B-A3B	Q5_K_M	—	—	✓ 38	✓ 40	✓ 42
Qwen 3.6 35B-A3B	Q8_0	—	—	✓ 32	✓ 34	✓ 36
Qwen3-Coder 30B-A3B	Q8_0	—	—	✓ 33	✓ 35	✓ 37
GLM 4.7 Flash	Q4_K_M	—	—	✓ 44	✓ 46	✓ 48

#3. tokens/sec 基准测试

大致数值 — MBP M3 Max，16 核 GPU，128 GB，Ollama，接通电源

模型	Q4_K_M	Q5_K_M	Flash Attn 8k
Qwen 3.5 9B	54 t/s	50 t/s	48 t/s
Gemma 4 12B	34 t/s	30 t/s	29 t/s
Mistral Small 24B	22 t/s	20 t/s	19 t/s
Qwen 3.8 27B	19 t/s	17 t/s	16 t/s
Qwen 3.6 35B-A3B	46 t/s	42 t/s	40 t/s

#4. 安装与配置

MBP M3 Max 128 GB 完整设置

brew install --cask ollama

# Relever la mémoire GPU (128 Go → 116 Go GPU)
sudo sysctl iogpu.wired_limit_mb=118784
echo "iogpu.wired_limit_mb=118784" | sudo tee -a /etc/sysctl.conf

# Flash Attention + KV cache Q8
export OLLAMA_FLASH_ATTENTION=1
export OLLAMA_KV_CACHE_TYPE=q8_0

brew services restart ollama
ollama pull qwen3.6:35b

#5. 配合 Flash Attention 使用全精度大模型

Flash Attention 长期仅适用于 CUDA，但自 2024 年底起，通过 llama.cpp 和 Ollama 也可在 Metal 上使用。它能显著提升长上下文下的性能，是将 Qwen 3.6 35B-A3B 的上下文长度扩展到 128k 所不可或缺的。

Mac 套装

在你的 Mac 上充分利用本地 AI：统一内存、MLX 与 GGUF、适合你芯片的模型、为 Apple Silicon 调优的 Ollama 和 LM Studio。

在线空间，终身可用
PDF + 文件
30 天内退款

Mac 套装 →或所有套件终身使用权 — 49 € →

本地编译的 llama.cpp — Qwen 3.6 35B 上下文 16k

./build/bin/llama-cli \
  -m ./models/qwen3.6-35b-a3b-q5_K_M.gguf \
  -ngl 99 -fa \
  -ctk q8_0 -ctv q8_0 \
  -c 16384 \
  --temp 0.7

→

在 M3 Max 上使用 Flash Attention 测量到的性能提升

上下文 4k：+8%。上下文 8k：+15%。上下文 16k：+25%。上下文越长，收益越显著。建议在 M3 Max 上始终启用。

#6. M3 Max 128 GB：迈入工作站级别

Qwen 3.6 35B-A3B Q8: 全精度，最高质量。约 36 tok/s（MoE，30 亿活跃参数）。128 GB 内存可支持 Q8，无需牺牲上下文长度。
Qwen 3.8 27B Q8: 最大的全精度稠密通用模型（约 29 GB）。约 15 token/秒。2026 年“接近 Copilot”的选择，包含视觉能力。
2个30B模型并行: 同时加载一个 Qwen 3.6 35B-A3B 和一个 Qwen3-Coder 30B-A3B。总计约 42 GB。适用于包含多个专门角色的智能体。
上下文 128k+，35B 模型: 使用 Q8 KV 缓存，Qwen 3.6 35B-A3B + 128k 上下文约需 50 GB 内存。适用于长文档的深度分析。

#M3 Max vs M4 Max

带宽: M3 Max 16核 = 400 GB/s。M4 Max 16核 = 546 GB/s（+36%）
Qwen 3.6 35B-A3B 的运行速度: M3 Max ~40 个 token/秒，M4 Max ~54 个 token/秒。实际使用中提升 +35%。
最大RAM容量: 相同：两款的最高配置均为 128 GB 内存。
结论: 如果购买新机，选 M4 Max。价格低 25% 的二手 M3 Max 也很划算。

#常见问题

运行 LLM 时，M3 Pro 真的比 M2 Pro 更慢吗？+

是的，对于 24B 以上的密集模型，由于带宽限制（150 GB/s 对比 200 GB/s），性能会受到影响。在 Qwen 3.5 9B 上，差距较小（约 5%）。在 Mistral 小型 24B 模型上，M2 Pro 比较快 10-15%。建议：如果以二手设备购买并计划运行 24B 以上的密集模型，优先选择 M2 Pro，或直接升级到 M3 Max。

2026 年要运行大型模型，应选择哪款 M3 MBP？+

配备 64 GB 内存的 14 核 M3 Max 适合运行 Q8 量化的 Qwen 3.6 35B-A3B（约 35 token/s，MoE）；配备 96–128 GB 内存的 16 核 M3 Max 适合加载多个模型，或将上下文长度扩展至 128k。配备 36 GB 内存的 M3 Pro 最多只能运行 24B 的稠密模型。

M3 Max 14核与16核在实际使用中的差异？+

带宽增加 30%（300 对比 400 GB/s），GPU 核心数增加 33%，可选配 128 GB RAM。运行大型 MoE 35B 模型时，速度提升 40%；运行 9B 模型时，仅提升 8%。如果您打算使用大型模型，16 核版本值得投资。

2026年，128GB RAM真的有用吗？+

有用，如果您想以 Q8 运行 Qwen 3.6 35B-A3B（全精度，质量优于 Q4），或同时运行两个 30B 模型，或使用 128k 上下文。对于常规用途，64 GB 内存已经绰绰有余。

Flash Attention在M3 Max上真的有影响吗？+

是的，在 8k–16k 上下文下，速度可提升 15% 至 25%，且无质量损失。应通过设置 OLLAMA_FLASH_ATTENTION=1 默认启用此功能。

在大型模型上进行一次对话，电池续航能力如何？+

在16英寸M3 Max上连续聊天，续航约为1小时40分钟（功耗约50 W），足以舒适地完成一次外出使用。用大型模型进行批量处理时，续航最多为1小时——建议接入市电。

这份指南对您有帮助吗？

有反馈、发现了错误，或想补充说明？请告诉我们，让这份指南对每个人都更有帮助。

QuelLLM 套件按用途分类的参考指南

Mac 本地助手本地 AI 本地智能体本地 RAG 企业中的 AI 无内容过滤的 AI AI 图像

所有套件终身使用权 — 49 €

下一步

硬件 · 12 分钟