Classement mis à jour le 13/10/2026
Le Mac Studio (M2 / M3 / M5 Ultra, jusqu'à 512 Go de mémoire unifiée, 800 Go/s à 1,2 To/s) est la workstation grand public la plus capable pour l'IA locale. 70B en Q5, 200B en Q4, frontier 670B en Q3.
Mac Studio : alternative d’achat disponible pour l’IA locale — Mac Studio M5 Max (36 Go / 512 Go) (Autres paliers mémoire : configurateur BTO de l’Apple Store.) :
Un mini-PC est une machine complète : vérifiez la mémoire nécessaire et la compatibilité du logiciel. Il ne remplace pas macOS/MLX ou CUDA.
Pourquoi ce choix ? Notre fiche complète sur Mac Studio M5 Max (36 Go / 512 Go) →
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 M2 Ultra (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 : 7-700B (on autorise les frontier MoE). Gros bonus 30-200B (peak Studio Ultra) et MoE en général : la bande passante 800+ Go/s exploite vraiment ces modèles.
Critères pris en compte :
Le scoring est entièrement transparent : consultez notre méthodologie pour les détails de calcul VRAM/tokens/sec.
Mac Studio M2 Ultra 192 Go : Llama 70B fluide ?
Oui — Llama 3.3 70B tourne à environ 11 tok/s en Q5_K_M (~48 Go) et 14 tok/s en Q4 (estimations : environ 70 % du plafond fixé par ses 800 Go/s). C'était le premier matériel Apple capable de faire tourner un 70B confortablement en local. Voir le guide Mac Studio.
Mac Studio Ultra 512 Go : DeepSeek 671B ?
Oui — DeepSeek R1 671B (37B actifs, MoE) tient en Q4_K_M (~400 Go) dans un M3 Ultra ou un M5 Ultra de 512 Go, à une vitesse utilisable puisque seuls 37B de paramètres sont lus par token. Aucune autre machine de bureau ne le permet. Voir DeepSeek R1 671B.
Mac Studio vs serveur 4× H100 ?
4× H100 (320 Go HBM3) coûte ~120 000 € + alimentation 2 kW. Un Mac Studio Ultra 512 Go dépasse 10 000 €, pour environ 200 W. Le H100 est ~5-10× plus rapide en throughput, mais le Studio gagne en €/Go de mémoire et en silence.
MLX obligatoire sur Studio Ultra ?
Recommandé. MLX exploite mieux la mémoire unifiée et va souvent plus vite que llama.cpp sur les gros modèles. Ollama (llama.cpp Metal) marche mais sous-exploite légèrement la machine.