Apple M4 Max (40-core GPU)에서 돌아가는 로컬 LLM

통합 메모리: 기본 설정에서는 GPU가 약 70%까지 쓸 수 있습니다

8k 컨텍스트와 f16 KV 캐시를 기준으로 계산했습니다. 판정은 메모리 용량별로 보여 줍니다.

사양

메모리 구성: 48GB · 64GB · 128GB
메모리 대역폭: 546.0 GB/s
FP16 연산: 34.1 TFLOPS
출시 연도: 2024

판정 요약

Q4_K_M(없으면 가장 가까운 양자화), 8k 컨텍스트 기준입니다.

48GB쾌적18개원활6개겨우 가능0개불가5개양자화를 더 낮추면 3개가 더 돌아갑니다.
64GB쾌적18개원활6개겨우 가능1개불가4개양자화를 더 낮추면 2개가 더 돌아갑니다.
128GB쾌적20개원활7개겨우 가능1개불가1개양자화를 더 낮추면 1개가 더 돌아갑니다.

판정 읽는 법

쾌적: GPU에 전부 올라가고 20 tok/s 이상
원활: GPU에 전부 올라가고 8~20 tok/s, MoE 전문가를 시스템 RAM에 두고 20 tok/s 이상, 또는 GPU에 90% 이상 올라가고 8 tok/s 이상
겨우 가능: 2~8 tok/s, CPU 전용, GPU에 90% 미만, 또는 MoE 전문가를 RAM에 두고 20 tok/s 미만
불가: 메모리에 안 들어가거나 2 tok/s 미만

한국 모델

EXAONE, HyperCLOVA X SEED, Kanana, Solar가 이 기기에서 어떻게 돌아가는지 보여 줍니다.

Apple M4 Max (40-core GPU) 전체 모델 판정

옆으로 밀면 모든 열을 볼 수 있습니다.

모델 29개(판정·속도 순), 메모리 128GB
모델	판정	속도	양자화	메모리	실행 방식	컨텍스트	참고
EXAONE 4.0 1.2B	쾌적	추정 249.4 tok/s199.6–299.3보정된 추정 ±20%	Q4_K_M	1.9 / 89.6GB	통합 메모리	최대 64k	—
HyperCLOVA X SEED 1.5B	쾌적	추정 180.5 tok/s144.4–216.6보정된 추정 ±20%	Q4_K_M	2.4 / 89.6GB	통합 메모리	최대 16k	—
gpt-oss-20b	쾌적	92.4 tok/s8k 추정 71.6 tok/s (57.3–85.9, 보정된 추정 ±20%)실측 1건 (2k 컨텍스트)	MXFP4	12.9 / 89.6GB	통합 메모리	최대 128k	리즈닝 모델
Qwen3.5 35B-A3B	쾌적	추정 79.7 tok/s63.7–95.6보정된 추정 ±20%	Q4_K_M	23.4 / 89.6GB	통합 메모리	최대 256k	—
Qwen3 30B-A3B (2507)	쾌적	추정 58.2 tok/s46.6–69.9보정된 추정 ±20%	Q4_K_M	19.9 / 89.6GB	통합 메모리	최대 32k	—
Gemma 4 26B-A4B	쾌적	추정 56.7 tok/s45.3–68.0보정된 추정 ±20%	Q4_K_M	17.9 / 89.6GB	통합 메모리	최대 128k	—
DeepSeek R1 Distill Llama 8B	쾌적	추정 54.7 tok/s43.7–65.6보정된 추정 ±20%	Q4_K_M	6.6 / 89.6GB	통합 메모리	최대 32k	리즈닝 모델
Kanana 1.5 8B	쾌적	추정 54.7 tok/s43.7–65.6보정된 추정 ±20%	Q4_K_M	6.6 / 89.6GB	통합 메모리	최대 32k	—
Llama 3.1 8B	쾌적	추정 54.7 tok/s43.7–65.6보정된 추정 ±20%	Q4_K_M	6.6 / 89.6GB	통합 메모리	최대 64k	—
Kanana 1.5 15.7B-A3B	쾌적	추정 53.4 tok/s42.7–64.1보정된 추정 ±20%	Q4_K_M	12.1 / 89.6GB	통합 메모리	최대 32k	—
Qwen3.5 9B	쾌적	추정 53.4 tok/s42.7–64.0보정된 추정 ±20%	Q4_K_M	6.7 / 89.6GB	통합 메모리	최대 256k	—
gpt-oss-120b	쾌적	추정 53.4 tok/s42.7–64.0보정된 추정 ±20%	MXFP4	64.3 / 89.6GB	통합 메모리	최대 64k	리즈닝 모델
Qwen3 8B	쾌적	추정 52.5 tok/s42.0–63.0보정된 추정 ±20%	Q4_K_M	6.8 / 89.6GB	통합 메모리	최대 32k	—
Gemma 4 12B	쾌적	추정 42.8 tok/s34.2–51.3보정된 추정 ±20%	Q4_K_M	8.2 / 89.6GB	통합 메모리	최대 128k	—
Gemma 3 12B	쾌적	추정 41.8 tok/s33.4–50.2보정된 추정 ±20%	Q4_K_M	8.4 / 89.6GB	통합 메모리	최대 128k	—
HyperCLOVA X SEED Think 14B	쾌적	추정 32.1 tok/s22.5–41.8이론 추정 ±30%	Q4_K_M	10.8 / 89.6GB	통합 메모리	최대 8k	리즈닝 모델
Qwen3 14B	쾌적	추정 31.7 tok/s25.3–38.0보정된 추정 ±20%	Q4_K_M	10.9 / 89.6GB	통합 메모리	최대 32k	—
Phi-4	쾌적	추정 30.5 tok/s24.4–36.6보정된 추정 ±20%	Q4_K_M	11.3 / 89.6GB	통합 메모리	최대 8k	리즈닝 모델
Qwen3.5 122B-A10B	쾌적	추정 25.4 tok/s20.3–30.4보정된 추정 ±20%	Q4_K_M	79.0 / 89.6GB	통합 메모리	최대 64k	—
Mistral Small 3.2 24B	쾌적	추정 20.9 tok/s16.7–25.1보정된 추정 ±20%	Q4_K_M	16.2 / 89.6GB	통합 메모리	최대 8k	—
Gemma 3 27B	원활	추정 19.0 tok/s15.2–22.8보정된 추정 ±20%	Q4_K_M	17.8 / 89.6GB	통합 메모리	최대 128k	IQ4_XS: 쾌적
Qwen3.5 27B	원활	추정 18.6 tok/s14.9–22.3보정된 추정 ±20%	Q4_K_M	18.2 / 89.6GB	통합 메모리	최대 256k	IQ4_XS: 쾌적
Solar Open 100B	원활	추정 18.4 tok/s14.7–22.1보정된 추정 ±20%	Q4_K_M	64.4 / 89.6GB	통합 메모리	최대 64k	IQ4_XS: 쾌적
EXAONE 4.0 32B	원활	추정 16.5 tok/s13.2–19.8보정된 추정 ±20%	Q4_K_M	20.5 / 89.6GB	통합 메모리	최대 64k	리즈닝 모델
EXAONE 4.5 33B	원활	추정 15.9 tok/s12.7–19.1보정된 추정 ±20%	Q4_K_M	21.2 / 89.6GB	통합 메모리	최대 64k	리즈닝 모델
Qwen3 32B	원활	추정 15.0 tok/s12.0–17.9보정된 추정 ±20%	Q4_K_M	22.5 / 89.6GB	통합 메모리	최대 32k	Q2_K (품질 손실 큼): 쾌적
DeepSeek R1 Distill Qwen 32B	원활	추정 14.9 tok/s11.9–17.9보정된 추정 ±20%	Q4_K_M	22.6 / 89.6GB	통합 메모리	최대 16k	리즈닝 모델
Llama 3.3 70B	겨우 가능	추정 7.2 tok/s5.8–8.7보정된 추정 ±20%	Q4_K_M	45.8 / 89.6GB	통합 메모리	최대 128k	IQ4_XS: 원활
Solar Open 2 250B	불가Q2_K (품질 손실 큼): 겨우 가능	추정 26.8 tok/s18.7–34.8이론 추정 ±30%	Q2_K	RAM 95.8GB	CPU 전용	최대 256k	CPU로만 추론하므로 겨우 돌아가는 수준을 넘지 못합니다.

리즈닝 모델은 생각하는 데 토큰을 더 쓰기 때문에 속도 기준을 1.5배 엄격하게 잡습니다(30 / 12 / 3 tok/s).

메모리 용량별 판정

메모리 구성별 Q4_K_M 판정입니다. 속도는 모델 페이지에서 확인하세요.
모델	48GB	64GB	128GB
EXAONE 4.0 1.2B	쾌적	쾌적	쾌적
HyperCLOVA X SEED 1.5B	쾌적	쾌적	쾌적
gpt-oss-20b	쾌적	쾌적	쾌적
Qwen3.5 35B-A3B	쾌적	쾌적	쾌적
Qwen3 30B-A3B (2507)	쾌적	쾌적	쾌적
Gemma 4 26B-A4B	쾌적	쾌적	쾌적
DeepSeek R1 Distill Llama 8B	쾌적	쾌적	쾌적
Kanana 1.5 8B	쾌적	쾌적	쾌적
Llama 3.1 8B	쾌적	쾌적	쾌적
Kanana 1.5 15.7B-A3B	쾌적	쾌적	쾌적
Qwen3.5 9B	쾌적	쾌적	쾌적
gpt-oss-120b	불가	불가	쾌적
Qwen3 8B	쾌적	쾌적	쾌적
Gemma 4 12B	쾌적	쾌적	쾌적
Gemma 3 12B	쾌적	쾌적	쾌적
HyperCLOVA X SEED Think 14B	쾌적	쾌적	쾌적
Qwen3 14B	쾌적	쾌적	쾌적
Phi-4	쾌적	쾌적	쾌적
Qwen3.5 122B-A10B	불가	불가	쾌적
Mistral Small 3.2 24B	쾌적	쾌적	쾌적
Gemma 3 27B	원활	원활	원활
Qwen3.5 27B	원활	원활	원활
Solar Open 100B	불가	불가	원활
EXAONE 4.0 32B	원활	원활	원활
EXAONE 4.5 33B	원활	원활	원활
Qwen3 32B	원활	원활	원활
DeepSeek R1 Distill Qwen 32B	원활	원활	원활
Llama 3.3 70B	불가	겨우 가능	겨우 가능
Solar Open 2 250B	불가	불가	불가

Apple M4 Max (40-core GPU) 벤치마크 결과

보정에 쓰는 공개 벤치마크입니다. 측정 조건(컨텍스트·백엔드·플래그)은 위 추정과 다를 수 있습니다.

Apple M4 Max (40-core GPU) 벤치마크 결과
모델	양자화	백엔드	컨텍스트	프롬프트 (tok/s)	생성 (tok/s)	플래그	출처	측정일
gpt-oss-20b	MXFP4	llama.cpp	2k	1,277.0	92.4	—	github.com	2025-08-15
llama-2-7b	Q4_0	llama.cpp	512	886.0	83.1	Metal	github.com	2024-11-15

자주 묻는 질문

Apple M4 Max (40-core GPU)에 통째로 올라가는 가장 큰 모델은 무엇인가요?

Qwen3.5 122B-A10B Q4_K_M(78.26GB 파일)입니다. 8k 컨텍스트에서 통합 메모리 128GB에 전부 올라가고, 속도는 추정 25.4 tok/s (20.3–30.4, 보정된 추정 ±20%)입니다.

Apple M4 Max (40-core GPU)에서 원활하게 돌아가는 로컬 LLM은 몇 개인가요?

Q4_K_M·8k 컨텍스트, 메모리 128GB 기준으로 등록된 모델 29개를 보면 쾌적 20개, 원활 7개, 겨우 가능 1개, 불가 1개입니다.

Apple M4 Max (40-core GPU)에서 Llama 3.3 70B 같은 70B 모델을 돌릴 수 있나요?

Q4_K_M, 통합 메모리 기준 판정: 겨우 가능, 속도: 추정 7.2 tok/s (5.8–8.7, 보정된 추정 ±20%).

속도는 메모리 대역폭으로 계산한 추정치를 공개 벤치마크로 보정한 값입니다. 모든 수치에는 오차 범위와 신뢰 라벨을 함께 표시합니다. 실제 속도는 드라이버, 백엔드, 컨텍스트 길이, 발열에 따라 달라집니다.