64 Go de mémoire unifiée est le palier 70B en pratique. Llama 3.3 70B Q4_K_M tient à ~40 Go, contexte 32k inclus. C'est le premier seuil où on rivalise avec une RTX 4090 multi-GPU en local.
MoE 30B/3B actifs hybrid thinking. MMLU 81.4, AIME24 80.4. 100+ langues.
ollama run qwen3:30b-a3b
Hybride Mamba-2 + MoE 32B/9B actifs. ~70% de RAM en moins en long contexte. Apache 2.0.
ollama run granite4:small-h
Vision MoE 30B/3B actifs. Sweet spot vision Qwen 3. 256k ctx.
ollama run qwen3-vl:30b
Agentic coréen MoE 30B/3B actifs. Couvre KR/EN/JP/ZH/TH/VI. Apache 2.0. MLA attention.
ollama pull hf.co/kakaoai/Kanana-2-30B-GGUF
Omni MoE 30B/3B actifs. Streaming speech. 119 langues ASR. Apache 2.0.
ollama run qwen3-omni:30b
Hybride Mamba-2 + Transformer MoE 30B/3B actifs. 1M ctx. 4× throughput vs Nemotron 2.
ollama run nemotron3:30b
Omnimodal MoE 30B/3B actifs : texte+image+audio+vidéo, 256k ctx, hybrid Mamba2-MoE, 9× throughput vs concurrents. Sortie 28 avril 2026.
# HuggingFace : nvidia/Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16
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
| Rang | Modèle | Params | VRAM Q4 | Contexte | Licence | Sur Apple M4 Max (64 GB) |
|---|---|---|---|---|---|---|
| #1 | Qwen 3 30B-A3B | 30B | 19 GB | 131 072 | Apache 2.0 | 40 tok/s · Q8 |
| #2 | Granite 4.0 H-Small 32B-A9B | 32B | 19 GB | 128 000 | Apache 2.0 | 30 tok/s · Q8 |
| #3 | Qwen 3 VL 30B-A3B | 30B | 19 GB | 262 144 | Apache 2.0 | 40 tok/s · Q8 |
| #4 | Kanana 2 30B-A3B Thinking | 30B | 18 GB | 131 072 | Apache 2.0 | 40 tok/s · Q8 |
| #5 | Qwen 3 Omni 30B-A3B | 30B | 19 GB | 131 072 | Apache 2.0 | 40 tok/s · Q8 |
| #6 | Nemotron Nano 3 30B-A3B | 30B | 19 GB | 1 000 000 | NVIDIA Open Model License | 40 tok/s · Q8 |
| #7 | Nemotron 3 Nano Omni 30B-A3B | 30B | 21 GB | 256 000 | NVIDIA Open Model License | 40 tok/s · Q8 |
| #8 | Nemotron Cascade 2 30B-A3B | 30B | 17 GB | 128 000 | NVIDIA Open Model License | 30 tok/s · Q8 |
Filtre : modèles 7-100B dont Q4_K_M tient sous 48 Go (laisse 16 Go à macOS + contexte). Bonus 30-70B (peak 64 Go) et MoE.
Critères pris en compte :
Le scoring est entièrement transparent : consultez notre méthodologie pour les détails de calcul VRAM/tokens/sec.
Mac 64 Go : Llama 70B Q4 fluide ?
Sur M3/M4 Max (400-546 Go/s), oui : 12-18 tokens/sec sur Llama 3.3 70B Q4_K_M (~40 Go). Sur M1/M2 Max (200-400 Go/s), 8-12 tokens/sec — utilisable mais plus lent. Voir MBP M4 Max.
64 Go : Llama 70B ou Mistral Large 123B ?
Llama 70B Q4 (~40 Go) fluide. Mistral Large 123B Q4 (~68 Go) ne tient pas en 64 Go — il faut 96 Go+. Préférez Llama 70B ou Mistral Small 3.2 24B Q8 (~26 Go) pour du dense de qualité.
Mac 64 Go vs 2× RTX 3090 (48 Go VRAM total) ?
2× 3090 = ~3× plus rapide (936 Go/s par carte vs 400 Go/s unifié). Mais Mac 64 Go = silence + portabilité + zéro câblage. Pour usage perso, Mac gagne en confort. Pour usage pro temps réel, 2× 3090 gagne en throughput.
MoE 70B sur 64 Go ?
Oui : Mixtral 8x7B Q4 (~28 Go) ou DeepSeek V4 Flash 284B (37B actifs MoE) Q3_K_S (~140 Go) NE tient pas en 64 Go — il faut un Mac Studio 192+ Go. Voir Mac Studio.
Approfondissez avec nos duels détaillés des finalistes :