Apple M4 Pro에서 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: 24GB · 48GB · 64GB
메모리 대역폭: 273.0 GB/s
FP16 연산: 17.0 TFLOPS
출시 연도: 2024

판정 요약

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

24GB쾌적10개원활5개겨우 가능5개불가9개양자화를 더 낮추면 4개가 더 돌아갑니다.
48GB쾌적13개원활7개겨우 가능4개불가5개양자화를 더 낮추면 3개가 더 돌아갑니다.
64GB쾌적13개원활7개겨우 가능5개불가4개양자화를 더 낮추면 2개가 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 Pro 전체 모델 판정

옆으로 밀면 모든 열을 볼 수 있습니다.

모델 29개(판정·속도 순), 메모리 64GB
모델	판정	속도	양자화	메모리	실행 방식	컨텍스트	참고
EXAONE 4.0 1.2B	쾌적	추정 124.7 tok/s99.8–149.7보정된 추정 ±20%	Q4_K_M	1.9 / 44.8GB	통합 메모리	최대 64k	—
HyperCLOVA X SEED 1.5B	쾌적	추정 90.2 tok/s72.2–108.3보정된 추정 ±20%	Q4_K_M	2.4 / 44.8GB	통합 메모리	최대 16k	—
Qwen3.5 35B-A3B	쾌적	추정 39.8 tok/s31.9–47.8보정된 추정 ±20%	Q4_K_M	23.4 / 44.8GB	통합 메모리	최대 64k	—
gpt-oss-20b	쾌적상세	추정 35.8 tok/s28.6–43.0보정된 추정 ±20%	MXFP4	12.9 / 44.8GB	통합 메모리	최대 16k	리즈닝 모델
Qwen3 30B-A3B (2507)	쾌적상세	추정 29.1 tok/s23.3–34.9보정된 추정 ±20%	Q4_K_M	19.9 / 44.8GB	통합 메모리	최대 16k	—
Gemma 4 26B-A4B	쾌적	추정 28.3 tok/s22.7–34.0보정된 추정 ±20%	Q4_K_M	17.9 / 44.8GB	통합 메모리	최대 32k	—
Kanana 1.5 8B	쾌적	추정 27.3 tok/s21.9–32.8보정된 추정 ±20%	Q4_K_M	6.6 / 44.8GB	통합 메모리	최대 16k	—
Llama 3.1 8B	쾌적상세	추정 27.3 tok/s21.9–32.8보정된 추정 ±20%	Q4_K_M	6.6 / 44.8GB	통합 메모리	최대 16k	—
Kanana 1.5 15.7B-A3B	쾌적	추정 26.7 tok/s21.4–32.0보정된 추정 ±20%	Q4_K_M	12.1 / 44.8GB	통합 메모리	최대 8k	—
Qwen3.5 9B	쾌적	추정 26.7 tok/s21.3–32.0보정된 추정 ±20%	Q4_K_M	6.7 / 44.8GB	통합 메모리	최대 64k	—
Qwen3 8B	쾌적	추정 26.3 tok/s21.0–31.5보정된 추정 ±20%	Q4_K_M	6.8 / 44.8GB	통합 메모리	최대 16k	—
Gemma 4 12B	쾌적	추정 21.4 tok/s17.1–25.7보정된 추정 ±20%	Q4_K_M	8.2 / 44.8GB	통합 메모리	최대 8k	—
Gemma 3 12B	쾌적상세	추정 20.9 tok/s16.7–25.1보정된 추정 ±20%	Q4_K_M	8.4 / 44.8GB	통합 메모리	최대 8k	—
DeepSeek R1 Distill Llama 8B	원활	추정 27.3 tok/s21.9–32.8보정된 추정 ±20%	Q4_K_M	6.6 / 44.8GB	통합 메모리	최대 64k	리즈닝 모델
HyperCLOVA X SEED Think 14B	원활	추정 16.1 tok/s11.2–20.9이론 추정 ±30%	Q4_K_M	10.8 / 44.8GB	통합 메모리	최대 16k	리즈닝 모델
Qwen3 14B	원활상세	추정 15.8 tok/s12.7–19.0보정된 추정 ±20%	Q4_K_M	10.9 / 44.8GB	통합 메모리	최대 32k	Q2_K (품질 손실 큼): 쾌적
Phi-4	원활	추정 15.3 tok/s12.2–18.3보정된 추정 ±20%	Q4_K_M	11.3 / 44.8GB	통합 메모리	최대 16k	리즈닝 모델
Mistral Small 3.2 24B	원활	추정 10.5 tok/s8.4–12.5보정된 추정 ±20%	Q4_K_M	16.2 / 44.8GB	통합 메모리	최대 32k	—
Gemma 3 27B	원활	추정 9.5 tok/s7.6–11.4보정된 추정 ±20%	Q4_K_M	17.8 / 44.8GB	통합 메모리	최대 32k	—
Qwen3.5 27B	원활	추정 9.3 tok/s7.4–11.1보정된 추정 ±20%	Q4_K_M	18.2 / 44.8GB	통합 메모리	최대 32k	—
EXAONE 4.0 32B	겨우 가능	추정 8.2 tok/s6.6–9.9보정된 추정 ±20%	Q4_K_M	20.5 / 44.8GB	통합 메모리	최대 128k	리즈닝 모델
EXAONE 4.5 33B	겨우 가능	추정 8.0 tok/s6.4–9.5보정된 추정 ±20%	Q4_K_M	21.2 / 44.8GB	통합 메모리	최대 256k	리즈닝 모델
Qwen3 32B	겨우 가능	추정 7.5 tok/s6.0–9.0보정된 추정 ±20%	Q4_K_M	22.5 / 44.8GB	통합 메모리	최대 32k	IQ4_XS: 원활
DeepSeek R1 Distill Qwen 32B	겨우 가능	추정 7.4 tok/s6.0–8.9보정된 추정 ±20%	Q4_K_M	22.6 / 44.8GB	통합 메모리	최대 64k	리즈닝 모델
Llama 3.3 70B	겨우 가능	추정 2.1 tok/s1.5–2.7이론 추정 ±30%	Q4_K_M	RAM 45.2GB	CPU 전용	최대 8k	—
Qwen3.5 122B-A10B	불가UD-Q2_K_XL (품질 손실 큼): 쾌적	추정 22.6 tok/s18.1–27.1보정된 추정 ±20%	UD-Q2_K_XL	43.6 / 44.8GB	통합 메모리	최대 16k	—
Solar Open 100B	불가IQ4_XS: 겨우 가능	추정 10.1 tok/s7.1–13.1이론 추정 ±30%	IQ4_XS	RAM 57.1GB	CPU 전용	최대 16k	CPU로만 추론하므로 겨우 돌아가는 수준을 넘지 못합니다. Q2_K (품질 손실 큼): 원활
gpt-oss-120b	불가상세	—	MXFP4	64.3GB 필요	—	—	약 64.3GB가 필요한데, 여유 메모리는 60.0GB입니다(GPU가 쓸 수 있는 양 44.8GB). 리즈닝 모델
Solar Open 2 250B	불가	—	IQ4_XS	137.2GB 필요	—	—	약 137.2GB가 필요한데, 여유 메모리는 60.0GB입니다(GPU가 쓸 수 있는 양 44.8GB).

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

Apple M4 Pro 벤치마크 결과

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

Apple M4 Pro 벤치마크 결과
모델	양자화	백엔드	컨텍스트	프롬프트 (tok/s)	생성 (tok/s)	플래그	출처	측정일
llama-2-7b	Q4_0	llama.cpp	512	440.0	50.7	Metal	github.com	2024-11-15

자주 묻는 질문

Apple M4 Pro에 통째로 올라가는 가장 큰 모델은 무엇인가요?

Llama 3.3 70B IQ4_XS(37.90GB 파일)입니다. 8k 컨텍스트에서 통합 메모리 64GB에 전부 올라가고, 속도는 추정 4.0 tok/s (3.2–4.8, 보정된 추정 ±20%)입니다.

Apple M4 Pro에서 원활하게 돌아가는 로컬 LLM은 몇 개인가요?

Q4_K_M·8k 컨텍스트, 메모리 64GB 기준으로 등록된 모델 29개를 보면 쾌적 13개, 원활 7개, 겨우 가능 5개, 불가 4개입니다.

Apple M4 Pro에서 Llama 3.3 70B 같은 70B 모델을 돌릴 수 있나요?

Q4_K_M, CPU 전용 기준 판정: 겨우 가능, 속도: 추정 2.1 tok/s (1.5–2.7, 이론 추정 ±30%).

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.