Quale LLM su MacBook Air M3 (8 / 16 / 24 GB) ?

#MacBook Air M3 nel 2026: la scheda tecnica utile ai LLM

Secondo la scheda tecnica di Apple, il chip M3 del MacBook Air combina una CPU a 8 core (4 ad alte prestazioni e 4 ad alta efficienza), una GPU a 8 o 10 core, un Neural Engine a 16 core e una larghezza di banda della memoria di 100 GB/s. La memoria unificata è saldata: Apple elenca due configurazioni di base, da 8 GB o 16 GB, entrambe espandibili a 24 GB al momento dell'acquisto. Il modello è disponibile nelle versioni da 13 e 15 pollici con lo stesso chip.

Larghezza di banda

100 GB/s, uguale a quella del M2. È proprio questa, più del numero di core GPU, a limitare la velocità di generazione.

Raffreddamento

Senza ventola. Il chip può dissipare il calore solo attraverso lo chassis: durante una generazione lunga, finisce per ridurre la propria frequenza.

Neural Engine

16 core, ma gli strumenti più comuni per l'IA locale (Ollama, llama.cpp, LM Studio) sfruttano la GPU tramite Metal, non il Neural Engine.

Novità del M3

Il Dynamic Caching, che alloca in tempo reale la memoria locale della GPU. Non disponiamo di misure del suo effetto sui LLM e non facciamo promesse al riguardo.

#IA locale o Apple Intelligence: due cose diverse

Molte ricerche sul MacBook Air M3 riguardano l'«IA» in senso ampio. Apple Intelligence è la suite di funzioni integrata in macOS (riassunti, scrittura, Siri); secondo Apple, funziona sui Mac dotati di un chip M1 o più recente, quindi sul MacBook Air M3. Non ti permette di scegliere il modello, né di esporre un'API, né di lavorare sui tuoi documenti con un modello aperto.

L'IA locale, di cui si parla in questa guida, consiste nello scaricare un modello aperto (Qwen, Gemma, Granite, Mistral) ed eseguirlo con Ollama, LM Studio o MLX. Decidi tu il modello, la dimensione del contesto e ciò che rimane sulla macchina. Entrambi possono coesistere; la memoria, però, è condivisa e un modello da 9 miliardi di parametri, una volta caricato, riduce quella disponibile per macOS e le applicazioni.

#Quanta memoria: 8, 16 o 24 GB

La memoria è il primo criterio, perché un modello che supera la capacità disponibile non rallenta: diventa inutilizzabile. Su Apple Silicon, la GPU non può utilizzare tutta la memoria unificata; secondo le discussioni nel repository llama.cpp, Metal ne assegna per impostazione predefinita tra i due terzi e i tre quarti. Su una macchina da 16 GB, considera circa 10–12 GB per il modello e il suo contesto.

La colonna «utilizzabile» è una stima basata sulla regola che va dai due terzi ai tre quarti, non un valore fornito da Apple. La versione da 8 GB si giustifica solo se sai che continuerai a usare modelli piccoli; poiché non è possibile aggiungere memoria in seguito, la versione da 16 GB è la scelta ragionevole per l'IA locale. Per verificare che un modello e il suo contesto rientrino nella memoria disponibile, il calcolatore di memoria del sito fornisce il totale.

• Calcolatore di memoria per un modello e un contesto
• Scegliere la quantizzazione

#Quale modello scegliere e quale velocità aspettarsi

La velocità di generazione è limitata dalla banda passante divisa per la dimensione dei pesi letti a ogni token. Con 100 GB/s, un modello da 4,6 GB ha un limite di circa 21 token al secondo, uno da 6 GB di circa 16, uno da 14 GB di circa 7. Nelle misurazioni pubblicate per un Llama 7B, l'M3 raggiunge 21,34 token al secondo in Q4_0, cioè circa l'80% del limite massimo. Si tratta di limiti teorici, non di garanzie.

Se il risultato è troppo lento, non serve intervenire su un'impostazione, ma sulla dimensione del modello: passare da 9B a 4B raddoppia all'incirca il throughput. Per il codice, un modello specializzato da 7 a 9B è più utile di un 24B troppo lento per essere usato in tempo reale. La tabella delle velocità del sito (/benchmarks) raccoglie le misurazioni pubblicate per ciascun hardware.

#Senza ventola: il calore limita le generazioni lunghe

Il MacBook Air non ha una ventola. Per una domanda breve, non lo noterai. Per un riassunto di diverse decine di pagine o una generazione di diversi minuti, il chip si scalda e finisce per ridurre la propria frequenza, e quindi la velocità di elaborazione. Il fenomeno dipende dalla stanza, dal carico e dall'ambiente; non abbiamo misurazioni da citare, ed è meglio verificarlo sul tuo computer con una generazione lunga.

Posizionare la macchina su un supporto ventilato

Un supporto in alluminio o una superficie dura aiuta il telaio a disperdere il calore; un divano o un letto lo impedisce.

Pianificare pause

Per i compiti lunghi, suddividi il lavoro in lotti anziché eseguire un'unica generazione di diversi minuti.

Ridurre le dimensioni del modello

Un modello 4B o 8B si riscalda nettamente meno di un modello che saturi continuamente la banda passante.

Collegare all’alimentazione di rete

Quando il computer è alimentato a batteria, macOS può limitare le prestazioni per risparmiare energia.

• Ottimizzare la gestione termica di una macchina che esegue inferenza

#Installare Ollama e avviare un primo modello

Ollama richiede macOS Sonoma (14) o successivo. La soluzione più semplice è scaricare l'applicazione dal sito ufficiale; la guida all'installazione descrive in dettaglio l'alternativa con Homebrew. Una volta avviata, l'applicazione è in ascolto sulla porta 11434 della macchina e i modelli si scaricano con un solo comando.

1. 01
   Installare Ollama

   Scarica l'applicazione o segui la guida di installazione su macOS, poi avviala per la prima volta.
2. 02
   Scegliere un modello in base alla memoria

   8 GB: un modello da 3 a 4 miliardi di parametri. 16 GB: un 8B (5,2 GB nella libreria Ollama). 24 GB: un 14B (9,3 GB) o più.
3. 03
   Avviare la generazione

   Esegui ollama run seguito dal nome del modello: il download avviene alla prima esecuzione.
4. 04
   Verificare la memoria durante l'uso

   Apri Monitoraggio Attività, scheda Memoria: la pressione deve rimanere verde. Se diventa gialla o rossa, il modello è troppo grande o il contesto troppo lungo.

ollama run qwen3:8b

La libreria Ollama indica 5,2 GB per qwen3:8b e 9,3 GB per qwen3:14b. Il secondo è adatto a un MacBook Air con 24 GB, ma non a uno con 16 GB, dove lascia troppo poco margine. Se vuoi provare MLX anziché Ollama, la guida dedicata spiega la differenza e i limiti di ciascuno strumento.

#Due impostazioni di Ollama importanti con 16 GB

Il primo è la dimensione del contesto. La FAQ ufficiale di Ollama indica una finestra predefinita di 4.096 token, modificabile; ampliarla consuma memoria per la cache. Per documenti lunghi, aumentala progressivamente invece di impostare un valore massimo. Il secondo è la quantizzazione della cache KV: secondo la stessa FAQ, Ollama accetta la variabile OLLAMA_KV_CACHE_TYPE con il valore q8_0, che utilizza circa la metà della memoria del formato f16 predefinito, a condizione che Flash Attention sia attivata.

launchctl setenv OLLAMA_FLASH_ATTENTION 1
launchctl setenv OLLAMA_KV_CACHE_TYPE q8_0
# puis quitter et relancer l'application Ollama

Su Mac, la FAQ specifica che, quando Ollama viene eseguito come applicazione, le variabili si impostano con launchctl e poi l'applicazione deve essere riavviata. La guida all'ottimizzazione dei Mac Apple Silicon completa queste impostazioni sul versante macOS.

#MLX o Ollama su MacBook Air M3

MLX è il framework di machine learning di Apple per i suoi chip. È adatto agli sviluppatori che vogliono controllare il modello da Python o effettuare un fine-tuning LoRA in locale. Ollama, invece, si occupa del download, del caricamento e dell'API; è il punto di partenza più semplice. Le differenze di velocità tra i due dipendono dal modello e dalla versione: anziché promettere una percentuale, consulta il confronto dettagliato del sito.

• MLX o llama.cpp su Mac: la comparazione
• Usare MLX su Apple Silicon

#Serve passare a un MacBook Air M4 o superiore?

Il M4 porta la larghezza di banda a 120 GB/s secondo la tabella di llama.cpp, ovvero il 20% in più rispetto al M3: in questa tabella, un Llama 7B in Q4_0 passa da 21,34 a 24,11 token al secondo. Il miglioramento si nota sui modelli da 8B in su, ma non cambia radicalmente le prestazioni. Il vero limite del M3 rimane la memoria, non la velocità.

• MacBook Air M4: il successore
• MacBook Air M2: la generazione precedente
• MacBook Pro M2: con ventola
• Impostazioni macOS per Apple Silicon
• Fonte: scheda tecnica del MacBook Air M3 (Apple)
• Fonte: misurazioni con llama.cpp su chip Apple
• Fonte: FAQ ufficiale di Ollama

#Domande frequenti