Classifica aggiornata il 22/09/2026
L'architettura Apple Silicon (da M1 a M4) condivide la memoria tra CPU e GPU — ottima per gli LLM. I modelli da 7 a 32B funzionano eccezionalmente bene su Mac, soprattutto sui Pro/Max con 32-128 GB di memoria unificata.
Confronta i prezzi di Mac mini M5 Pro (24 GB / 512 GB) dai nostri rivenditori partner (schede prodotto verificate):
Perché questa scelta? La nostra scheda completa su Mac mini M5 Pro (24 GB / 512 GB) →
Quale PC scegliere in base al tuo budget? Le nostre scelte da 800 a 3 500 € →
Link di affiliazione — QuelLLM può ricevere una commissione sugli acquisti, senza costi aggiuntivi per te, il che non influenza la classifica (stabilita in modo indipendente). In qualità di Partner Amazon, QuelLLM realizza un guadagno sugli acquisti che soddisfano i requisiti.
Variante MoE di Gemma 4. 26B/4B attivi. Multimodale completo (testo+immagine+audio).
ollama run gemma4:26b
Primo dLLM aperto con licenza Apache 2.0: MoE 16B/1B + decoder a diffusione 6.2B. Testo+visione unificati. Uscita il 22 aprile 2026.
# HuggingFace : inclusionAI/LLaDA2.0-Uni (Flash Attn 2 + CUDA 12.4 requis)
Modello denso multimodale 27B, uscito il 22 aprile 2026. 262k ctx (1M YaRN). SWE-bench Verified 77.2%.
ollama run qwen3.6:27b
Qwen 3.8 27B: modello denso multimodale (testo + visione), contesto 262k, circa 16 GB di VRAM in Q4 (18 GB di pesi su Ollama). Apache 2.0, programmazione agentica e visione.
ollama run qwen3.8:27b
GLM-4.7-Flash (MoE 31B, ~3B attivi): il miglior rapporto codice/VRAM della classe 30B. MIT, 128k ctx, molto veloce su 3090/4090.
ollama run glm-4.7-flash
Denso 31B multimodale (testo+immagine+audio). 140+ lingue, 256k ctx. #3 Chatbot Arena open.
ollama run gemma4:31b
Denso 30B Apache 2.0, 12 lingue tra cui FR, 131k ctx, GQA 32Q/8KV. Tool calling compatibile con OpenAI. Uscita 29 aprile 2026.
ollama run granite4.1:30b
DiffusionGemma 26B (Google): Gemma visivo-linguistico basato sulla diffusione, Instruct, contesto di 128k, 15 GB di VRAM in Q4. Apache 2.0. Uscita a giugno 2026.
# HuggingFace : google/diffusiongemma-26B-A4B-it
| Posizione | Modello | Params | VRAM Q4 | Contesto | Licenza | Su Apple M4 Pro (48 GB) |
|---|---|---|---|---|---|---|
| #1 | Gemma 4 26B-A4B MoE | 26B | 16 GB | 128 000 | Apache 2.0 | 22 tok/s · Q8 |
| #2 | LLaDA 2.0 Uni 16B | 16B | 18 GB | 8 192 | Apache 2.0 | 60 tok/s · Q8 |
| #3 | Qwen 3.6 27B | 27B | 16 GB | 262 144 | Apache 2.0 | 13 tok/s · Q8 |
| #4 | Qwen 3.8 27B | 27B | 16 GB | 262 144 | Apache 2.0 | 14 tok/s · Q8 |
| #5 | GLM 4.7 Flash | 31B | 19 GB | 128 000 | MIT | 40 tok/s · Q8 |
| #6 | Gemma 4 31B | 31B | 18 GB | 256 000 | Apache 2.0 | 12 tok/s · Q8 |
| #7 | Granite 4.1 30B Instruct | 30B | 17 GB | 131 072 | Apache 2.0 | 12 tok/s · Q8 |
| #8 | DiffusionGemma 26B-A4B Instruct | 26B | 15 GB | 128 000 | Apache 2.0 | 14 tok/s · Q8 |
Hai individuato i migliori modelli per Apple Silicon. Il kit Mac fornisce la tabella completa per chip e per quantità di memoria (cap. 4) e spiega quando MLX fa davvero la differenza (cap. 3).
Memo gratuito
Ricevi il memo VRAM → miglior modello per la programmazione → comando Ollama (una sola schermata, copia-incolla). E passa al kit Copilote Local per farne un setup che funziona davvero.
Il kit Copilota Locale — le configurazioni Ollama + Cline + Aider pronte da incollare, Modelfile configurati, risoluzione dei problemi, spazio online a vita →Niente spam. Disiscrizione in 1 clic. I tuoi dati restano da noi (mai rivenduti).
La tua scheda → il miglior modello per programmare da far girare in locale e il comando Ollama esatto:
| La tua VRAM | GPU / Mac tipici | Modello consigliato per la programmazione | Comando Ollama |
|---|---|---|---|
| 8 GB | RTX 4060 / 3060 · M1-M2 16 GB | Qwen 3.5 9B (Q4, 6,6 GB — 256k ctx) | ollama run qwen3.5:9b |
| 12 GB | RTX 3060 12 GB / 4070 / 5070 | Qwen 3.5 9B (Q8, 11 GB) o Gemma 4 12B (7,6 GB) | ollama run qwen3.5:9b-q8_0 |
| 16 GB | RTX 5070 Ti / 4080 / 5080 · RX 9070 XT · M4 24 GB | Devstral 24B (Q4, 14 GB) — specialista negli agenti di programmazione | ollama run devstral:24b |
| 24 GB | RTX 3090 / 4090 · RX 7900 XTX · M4 Pro 48 GB | Qwen 3.8 27B (Q4, 18 GB) — il « quasi Copilot » | ollama run qwen3.8:27b |
| 32 GB | RTX 5090 | Qwen 3.6 35B-A3B (Q4, 23 GB) — MoE veloce | ollama run qwen3.6:35b |
| 48 GB+ | Mac M4 Max 64 GB · M2 Ultra 128 GB | Qwen3-Coder 30B-A3B (Q8, 32 GB — 256k ctx) | ollama run qwen3-coder:30b-a3b-q8_0 |
-base : ollama run qwen2.5-coder:7b-base — è ancora il riferimento per questo caso specifico. ⚠️ Qwen 3.8: il suo livello di ragionamento è impostato su un valore molto alto per impostazione predefinita e « ragiona troppo » sulle richieste semplici — abbassalo a low (o disattivalo) al primo avvio. ⚠️ Insidia della licenza: Codestral 22B = Mistral Non-Production License → vietato per programmare al lavoro. Qwen 3.5/3.8, Gemma 4 e Devstral sono distribuiti sotto licenza Apache 2.0. 💡 Va in crash per problemi di memoria? Tieni circa 1,5 GB di VRAM libera per il contesto, oppure scendi di un livello di quantizzazione.🔌 Per integrarlo in VS Code: Cline (agente che opera su più file), Aider (CLI) o Tabby/Twinny (autocompletamento FIM) — tutti si collegano a Ollama in locale. Il kit Copilota Locale — configurazioni pronte da incollare + setup testato — è disponibile: /copilote-local.
Si escludono i modelli < 3B (sfruttano poco le risorse) e > 72B (non rientrano nella memoria dei Mac consumer). Bonus per le dimensioni 7-32B — il punto ottimale per MacBook Pro / Mac Studio — e per le licenze libere (MLX richiede spesso la conversione dei pesi).
Criteri presi in considerazione:
Il sistema di assegnazione dei punteggi è completamente trasparente: consulta la nostra metodologia per i dettagli sul calcolo della VRAM e dei token/sec.
Ollama o MLX su Mac?
Ollama è il più semplice (1 comando). MLX è più veloce del 20–30%, ma richiede la conversione dei pesi e un po' di uso del terminale. LM Studio combina i due (scelta tra Ollama e MLX nell'interfaccia).
Qual è il Mac necessario per eseguire un 70B?
Mac Studio M2 Ultra (192 GB), M3 Max 128 GB, o M4 Max 128 GB. Un 70B in Q4 = 40 GB + contesto, quindi almeno 64 GB raccomandati. M4 Pro 48 GB può farlo in Q3 con compromessi.
Il MacBook Air M2 16 GB può eseguire un LLM?
Sì — Mistral 7B Q4 (4-5 GB) o Gemma 2 9B Q4 (6 GB) girano su M2 con 16 GB. Aspettati 10-15 token/sec. Vedi il guida dedicata.
MLX più veloce di llama.cpp su Mac?
Sì, in generale più veloce del 15-30% perché MLX è nativo Apple Silicon. Ma llama.cpp supporta più modelli e quantizzazioni. Per l'uso quotidiano: Ollama (llama.cpp). Per prestazioni massime: MLX.