MacBook Pro M1 Max 32GB 能跑 gemma-4-12b-it 吗？

Apple · 32 GB LPDDR5 · 带宽 400 GB/s · Google · 11.95B · 模型上下文最长 256K

METAL

能——MacBook Pro M1 Max 32GB（32 GB LPDDR5）可以运行 gemma-4-12b-it。Q4、默认 8K 上下文下约需 9.96 GB VRAM（权重 6.57 GB + KV cache 2.39 GB + 运行时开销 1 GB），在 32 GB 之内。 Q4/8K 解码：≈ 21.3 tok/s（估算，batch 1）。 FP16（约需 27.29 GB）也装得下，≈ 5.9 tok/s（估算）。 估算来自显存带宽公式；标注「实测」的行覆盖估算。相对排名比绝对 tok/s 更可靠。 方法论. Buy MacBook Pro M1 Max 32GB on Amazon →

各量化与上下文下的装机与速度

量化	上下文	所需 VRAM	装得下？	tok/s（解码）
Q4	4K	8.77 GB	是	21.3 ± 估算
Q4	8K 默认	9.96 GB	是	21.3 ± 估算
Q4	32K	17.13 GB	是	21.3 ± 估算
FP16	4K	26.09 GB	是	5.9 ± 估算
FP16	8K 默认	27.29 GB	是	5.9 ± 估算
FP16	32K	34.46 GB	否	14.4 ± 估算

装得下 = 权重 + KV(上下文) + 1 GB 开销 ≤ 95% VRAM。实测锚点与上下文无关；装机结论按上下文分别计算。tok/s 缺失表示模型远超此卡能力（只能纯 offload）。

8K 上下文 VRAM 明细

量化	权重	KV cache	开销	合计所需	MacBook Pro M1 Max 32GB VRAM
Q4	6.57 GB	2.39 GB	1 GB	9.96 GB	32 GB
FP16	23.9 GB	2.39 GB	1 GB	27.29 GB	32 GB

其他能跑 gemma-4-12b-it 的 GPU

• B200 192GB SXM — ≈426.0 tok/s Q4 估算
• MI300X 192GB — ≈282.2 tok/s Q4 估算
• H200 141GB SXM5 — ≈255.6 tok/s Q4 估算
• H100 80GB SXM5 — ≈178.4 tok/s Q4 估算
• Gaudi 3 128GB — ≈174.5 tok/s Q4 估算
• A100 80GB SXM4 — ≈108.6 tok/s Q4 估算
• RTX 5090 32GB — ≈95.4 tok/s Q4 估算
• RTX 4090 24GB — ≈53.7 tok/s Q4 估算

gemma-4-12b-it 的全部 GPU →

MacBook Pro M1 Max 32GB 可跑的其他模型

• MiniCPM5-1B — ≈235.7 tok/s Q4 估算
• Qwen3.5-2B — ≈127.3 tok/s Q4 估算
• DeepSeek-R1-0528-Qwen3-8B-layer-mix-bpw-3.8-mlx — ≈110.7 tok/s Q4 估算
• Qwen3.6-35B-A3B — ≈84.8 tok/s Q4 估算
• Qwen3.5-35B-A3B — ≈84.8 tok/s Q4 估算
• GLM-4.7-Flash — ≈84.8 tok/s Q4 估算
• Qwen3-30B-A3B-Instruct-2507 — ≈84.8 tok/s Q4 估算
• Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16 — ≈84.8 tok/s Q4 估算

MacBook Pro M1 Max 32GB 上的全部模型 →