Classement mis à jour le 13/10/2026
128 Go de mémoire unifiée, c'est le palier workstation IA premium — et il n'est plus réservé au bureau : le MacBook Pro 14/16 pouces l'atteint en M5 Max comme en M4 Max, à condition de prendre la variante GPU 40 cœurs (614 Go/s sur M5 Max, contre 460 Go/s sur la variante 32 cœurs). Llama 70B en Q8 (~75 Go), MoE 150B en Q4, contexte 200k pour du RAG entreprise.
Comparez les prix de MacBook Pro M5 Pro — 24 Go / 1 To chez nos marchands partenaires (fiches produit vérifiées) :
Quel PC choisir selon votre budget ? Nos choix de 800 à 3 500 € →
Liens affiliés — QuelLLM peut percevoir une commission sur les achats, sans surcoût pour vous, ce qui n'influence pas le classement (établi de façon indépendante). En tant que Partenaire Amazon, QuelLLM réalise un bénéfice sur les achats remplissant les conditions requises.
MoE 33B/3B actifs Apache 2.0 spécialiste coding agentic. 68.2% SWE-Bench Verified, 128k ctx. Tourne sur Mac 36 Go. Sortie 28 avril 2026.
ollama run laguna-xs.2
GLM-4.7-Flash (MoE 31B, ~3B actifs) : le meilleur rapport code/VRAM de la classe 30B. MIT, 128k ctx, très rapide sur 3090/4090.
ollama run glm-4.7-flash
Hybride Mamba-2 + MoE 32B/9B actifs. ~70% de RAM en moins en long contexte. Apache 2.0.
ollama run granite4:small-h
MoE 35B/3B actifs agentic-coding. 73.4% SWE-Bench. Sortie 16 avril 2026.
ollama run qwen3.6:35b-a3b
MoE 30B/3B actifs hybrid thinking. MMLU 81.4, AIME24 80.4. 100+ langues.
ollama run qwen3:30b-a3b
MoE 30B/3B actifs : thinking mode + instruct. Médaille d'or IMO 2025 et IOI 2025. Inférence rapide grâce aux 3B actifs, capacités raisonnement de niveau 30B. Sortie avril 2026.
ollama run nemotron-cascade-2
MoE 30B (3,3B actifs) spécialisé code agentique. Très rapide en local, 256k ctx natif, la référence 16-24 Go via Ollama.
ollama run qwen3-coder:30b
Vision MoE 30B/3B actifs. Sweet spot vision Qwen 3. 256k ctx.
ollama run qwen3-vl:30b
| Rang | Modèle | Params | VRAM Q4 | Contexte | Licence | Sur Apple M5 Max (128 GB) |
|---|---|---|---|---|---|---|
| #1 | Laguna XS.2 | 33B | 19 GB | 131 072 | Apache 2.0 | 100 tok/s · FP16 |
| #2 | GLM 4.7 Flash | 31B | 19 GB | 128 000 | MIT | 100 tok/s · FP16 |
| #3 | Granite 4.0 H-Small 32B-A9B | 32B | 19 GB | 128 000 | Apache 2.0 | 75 tok/s · FP16 |
| #4 | Qwen 3.6 35B-A3B | 35B | 21 GB | 262 000 | Apache 2.0 | 60 tok/s · FP16 |
| #5 | Qwen 3 30B-A3B | 30B | 19 GB | 131 072 | Apache 2.0 | 100 tok/s · FP16 |
| #6 | Nemotron Cascade 2 30B-A3B | 30B | 17 GB | 128 000 | NVIDIA Open Model License | 80 tok/s · FP16 |
| #7 | Qwen3-Coder 30B-A3B | 30B | 19 GB | 262 144 | Apache 2.0 | 100 tok/s · FP16 |
| #8 | Qwen 3 VL 30B-A3B | 30B | 19 GB | 262 144 | Apache 2.0 | 100 tok/s · FP16 |
L'IA locale sur ton Mac, à fond : mémoire unifiée, MLX vs GGUF, le bon modèle pour ta puce, Ollama et LM Studio réglés pour Apple Silicon.
Mémo gratuit
Reçois le mémo VRAM → meilleur modèle de code → commande Ollama (un seul écran, copier-coller). Et passe au kit Copilote Local pour en faire un setup qui marche vraiment.
Le kit Copilote Local — les configs Ollama + Cline + Aider prêtes à coller, Modelfiles réglés, dépannage, espace en ligne à vie →Pas de spam. Désinscription en 1 clic. Tes données restent chez nous (jamais revendues).
Ta carte → le meilleur modèle de code à faire tourner en local, et la commande Ollama exacte :
| Ta VRAM | GPU / Mac typiques | Modèle de code conseillé | Commande Ollama |
|---|---|---|---|
| 8 Go | RTX 4060 / 3060 · M1-M2 16 Go | Qwen 3.5 9B (Q4, 6,6 Go — 256k ctx) | ollama run qwen3.5:9b |
| 12 Go | RTX 3060 12 Go / 4070 / 5070 | Qwen 3.5 9B (Q8, 11 Go) ou Gemma 4 12B (7,6 Go) | ollama run qwen3.5:9b-q8_0 |
| 16 Go | RTX 5070 Ti / 4080 / 5080 · RX 9070 XT · M4 24 Go | Devstral 24B (Q4, 14 Go) — spécialiste agent de code | ollama run devstral:24b |
| 24 Go | RTX 3090 / 4090 · RX 7900 XTX · M4 Pro 48 Go | Qwen 3.8 27B (Q4, 18 Go) — le « proche Copilot » | ollama run qwen3.8:27b |
| 32 Go | RTX 5090 | Qwen 3.6 35B-A3B (Q4, 23 Go) — MoE rapide | ollama run qwen3.6:35b |
| 48 Go+ | Mac M4 Max 64 Go · M2 Ultra 128 Go | Qwen3-Coder 30B-A3B (Q8, 32 Go — 256k ctx) | ollama run qwen3-coder:30b-a3b-q8_0 |
-base : ollama run qwen2.5-coder:7b-base — c'est encore la référence sur ce cas précis. ⚠️ Qwen 3.8 : son raisonnement est réglé très haut par défaut et il « sur-réfléchit » sur des demandes simples — baisse-le à low (ou coupe-le) au premier lancement. ⚠️ Piège licence : Codestral 22B = Mistral Non-Production License → interdit pour coder au travail. Qwen 3.5/3.8, Gemma 4 et Devstral sont en Apache 2.0. 💡 Ça plante en mémoire ? Garde ~1,5 Go de VRAM libre pour le contexte, ou descends d'un cran de quantization.🔌 Pour le brancher dans VS Code : Cline (agent multi-fichiers), Aider (CLI) ou Tabby/Twinny (autocomplétion FIM) — tous se connectent à Ollama en local. Le kit Copilote Local — configs prêtes à coller + setup testé — est dispo : /copilote-local.
Filtre : modèles 30-250B dont Q4_K_M tient sous 96 Go (laisse 32 Go à macOS + contexte massif). Bonus 70-150B (peak 128 Go) et MoE jusqu'à 250B.
Critères pris en compte :
Le scoring est entièrement transparent : consultez notre méthodologie pour les détails de calcul VRAM/tokens/sec.
Mac 128 Go : Llama 70B Q8 ou 123B Q5 ?
Llama 70B Q8 (~75 Go) à 10-14 tokens/sec sur M4 Max. Mistral Large 123B Q5 (~85 Go) à 8-12 tokens/sec. Q8 sur 70B est généralement plus utile (presque-FP16, marginalement mieux que Q6 ailleurs). 123B reste plus capable au global.
Frontier MoE sur 128 Go : faisable ?
DeepSeek V4 Flash 284B (13B actifs MoE) Q3_K_M (~140 Go) ne tient pas — il faut Mac Studio 192+ Go. Granite 4 Mamba 150B Q4 (~80 Go) tient. Pour du frontier 200B+, passez à Mac Studio Ultra.
MacBook Pro M5 Max 128 Go : vraiment 128 Go dans un portable ?
Oui, et c'est le seul portable du marché à ce palier. Le MacBook Pro 14 et 16 pouces monte à 128 Go de mémoire unifiée en M5 Max comme en M4 Max, mais uniquement sur la variante GPU 40 cœurs — sur M5 Max, la seule aussi à 614 Go/s (460 Go/s sur la variante 32 cœurs). Llama 70B Q8 + contexte 128k en mobilité, sans cloud. Voir la fiche MacBook Pro M5 Max.
Mac 128 Go vs serveur 2× H100 80 Go ?
2× H100 = ~10× plus rapide sur 70B (1700 Go/s par carte vs 546 Go/s unifié). Mais ~80 000 € + 1 kW vs Mac 128 Go ~5 000 € + 100 W. Pour usage perso ou petite équipe, Mac écrase en €/Go.