Le MacBook Pro M2 Pro / Max (16-96 Go, 200-400 Go/s) reste très capable pour l'IA locale. 30B en Q4 confortable, 70B accessible sur Max 64+ Go.
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
Petit frère de gpt-oss 120B. 21B/3.6B actifs. Égale o3-mini sur laptop.
ollama run openai/gpt-oss:20b
Vision MoE 30B/3B actifs. Sweet spot vision Qwen 3. 256k ctx.
ollama run qwen3-vl:30b
Raisonneur compact MoE 21B/3B actifs. Apache 2.0. Rapide grâce aux 3B actifs.
ollama pull hf.co/baidu/ernie-4.5-21b-GGUF
MoE 26B/3B actifs par labo US. Rapide grâce aux 3B actifs. Apache 2.0.
ollama pull hf.co/arcee-ai/Trinity-Mini-26B-GGUF
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
| Rang | Modèle | Params | VRAM Q4 | Contexte | Licence | Sur Apple M3 Pro (36 GB) |
|---|---|---|---|---|---|---|
| #1 | Qwen 3 30B-A3B | 30B | 19 GB | 131 072 | Apache 2.0 | 15 tok/s · Q5_K_M |
| #2 | Granite 4.0 H-Small 32B-A9B | 32B | 19 GB | 128 000 | Apache 2.0 | 10 tok/s · Q5_K_M |
| #3 | gpt-oss 20B | 21B | 13 GB | 128 000 | Apache 2.0 | 20 tok/s · Q8 |
| #4 | Qwen 3 VL 30B-A3B | 30B | 19 GB | 262 144 | Apache 2.0 | 15 tok/s · Q5_K_M |
| #5 | ERNIE 4.5 21B-A3B Thinking | 21B | 13 GB | 131 072 | Apache 2.0 | 15 tok/s · Q8 |
| #6 | Trinity Mini 26B-A3B | 26B | 15 GB | 131 072 | Apache 2.0 | 15 tok/s · Q5_K_M |
| #7 | Kanana 2 30B-A3B Thinking | 30B | 18 GB | 131 072 | Apache 2.0 | 15 tok/s · Q5_K_M |
Filtre : 3-80B dont Q4_K_M tient sous 55 Go. Bonus 13-32B (peak M2 Max). MoE bien notés.
Critères pris en compte :
Le scoring est entièrement transparent : consultez notre méthodologie pour les détails de calcul VRAM/tokens/sec.
MBP M2 Pro 16 Go : quel modèle ?
Mistral 7B Q4 (~4,5 Go) ou Qwen 3 8B Q4 (~5 Go) — 25-32 tok/s. Pour 13B, montez à M2 Pro 32 Go. Voir le guide MBP M2.
MBP M2 Max 96 Go : Llama 70B faisable ?
Oui — Llama 3.3 70B Q4_K_M (~40 Go) tourne à 8-12 tok/s. Plus lent que M3 Max (200 Go/s vs 400 Go/s sur la mémoire) mais utilisable pour du long-form.
M2 Max vs RTX 4090 ?
Sur 7-32B qui tiennent en 24 Go VRAM, la 4090 est 2-3× plus rapide. Le M2 Max gagne dès qu'on monte au-dessus de 24 Go (70B). Voir RTX 4090.
M2 vs M3 vs M4 Pro/Max ?
Sur Mistral Small 24B Q4 : M2 Max ≈ 18 tok/s, M3 Max ≈ 24 tok/s, M4 Max ≈ 28 tok/s. M2 Max reste compétitif si vous ne voulez pas changer.
Approfondissez avec nos duels détaillés des finalistes :