Melhores recomendações de modelos por memória do Mac
Última verificação: 2026-07-14. As recomendações podem mudar com novos lançamentos. Atualizamos esta página trimestralmente.
| Memória | Escolha principal | Quantização | Tamanho | M5 Pro tok/s | M5 Max tok/s | Alternativa |
|---|---|---|---|---|---|---|
| 16 GB | Phi-4 | Q4_K_M | 2,5 GB | 60–70 | 110–130 | Llama 3.3 8B Q4 (no limite) |
| 36 GB | Llama 3.3 8B | Q8 | 8,5 GB | 38–45 | 75–85 | Qwen3 14B Q4 (8,5 GB) |
| 48 GB | Qwen3 14B | Q8 | 16 GB | 25–30 | 50–60 | Mixtral 8x22B Q4 (26 GB) |
| 64 GB | Qwen3 34B | Q5 | 24 GB | 18–22 | 35–42 | Mixtral 8x22B Q5 (32 GB) |
| 96 GB | Llama 3.3 70B | Q4 | 42 GB | 10–13 | 20–25 | Qwen3 72B Q4 (44 GB) |
| 128 GB | Llama 3.3 70B | Q5 | 49 GB | 8–11 | 14–18 | Qwen3 72B Q5 (51 GB) |
| 128 GB | Llama 3.3 70B | Q8 | 74 GB | N/A | 9–12 | Melhor qualidade, só M5 Max |
Os tamanhos são em formato GGUF. Os equivalentes MLX 4-bit são comparáveis. Os preços variam conforme o país; no Brasil, a Apple cobra valores bem mais altos em reais.
Benchmarks de qualidade de modelos (testes padrão 2026)
| Modelo | MMLU | HumanEval | GSM8K | Média | Notas |
|---|---|---|---|---|---|
| Phi-4 (3,8B) | 84,8 | 82,6 | 91,0 | 86,1 | Melhor modelo pequeno |
| Llama 3.3 8B | 73,0 | 72,6 | 84,5 | 76,7 | Bom para tudo |
| Qwen3 14B | 79,7 | 83,5 | 90,2 | 84,5 | Raciocínio sólido |
| Mistral Small | 60,1 | 30,5 | 50,0 | 46,9 | Antigo, mas rápido |
| Qwen3 34B | 83,3 | 88,4 | 93,0 | 88,2 | Melhor tamanho médio |
| Mixtral 8x22B | 70,6 | 40,2 | 60,4 | 57,1 | Arquitetura MoE |
| Llama 3.3 70B | 86,0 | 80,5 | 95,1 | 87,2 | Melhor geral |
| Qwen3 72B | 86,1 | 86,6 | 95,8 | 89,5 | Raciocínio de topo |
| Llama 3.3 405B | 88,6 | 89,0 | 96,8 | 91,5 | Não cabe localmente |
| GPT-5.5 (referência) | 88,7 | 90,2 | 95,8 | 91,6 | Referência na nuvem |
O Qwen3 72B em um Mac de 128 GB se aproxima da qualidade do GPT-5.5 com custo contínuo zero. Este é o avanço mais importante em IA local em 2026.
Melhores modelos por caso de uso (2026)
| Caso de uso | Melhor para Mac 36 GB | Melhor para Mac 64 GB | Melhor para Mac 128 GB |
|---|---|---|---|
| Programação (geral) | Llama 3.3 8B | DeepSeek Coder V2 16B | Llama 3.3 70B |
| Programação (Python) | DeepSeek Coder V2 Lite | DeepSeek Coder V2 16B | DeepSeek Coder V2 236B |
| Escrita longa | Llama 3.3 8B Q8 | Qwen3 34B Q5 | Llama 3.3 70B Q5 |
| Chat / conversa | Mistral Small | Mixtral 8x22B | Llama 3.3 70B |
| Raciocínio / matemática | Qwen3 14B | Qwen3 34B | Qwen3 72B |
| RAG / perguntas e respostas | Llama 3.3 8B + nomic-embed | Llama 3.3 8B + bge-large | Llama 3.3 70B + bge-large |
| Visão / multimodal | LLaVA 7B | Llama 3.2 Vision 11B | Llama 3.2 Vision 90B |
| Tradução | Qwen3 14B | Qwen3 34B | Aya Expanse 32B |
| Resumo | Llama 3.3 8B | Qwen3 34B | Llama 3.3 70B |
| Revisão de código | DeepSeek Coder V2 Lite | DeepSeek Coder V2 16B | Llama 3.3 70B |
Os modelos especializados costumam superar os gerais em tarefas concretas. O DeepSeek Coder supera o Llama 3.3 em código mesmo quando o Llama é o modelo maior.
Configurações reais por tipo de usuário
💡Tip: Desenvolvedor independente (Mac Mini M5 Pro 64 GB, US$ 1.200) - Programação: DeepSeek Coder V2 Lite (16B Q4, 10 GB) - Escrita: Llama 3.3 8B Q8 (8,5 GB) para documentação e e-mails - Sempre ativo: ambos os modelos em cache com `OLLAMA_MAX_LOADED_MODELS=2` - Custo diário: US$ 0 (vs US$ 30–100/mês por Copilot + ChatGPT) - Os preços variam conforme o país; no Brasil, a Apple cobra mais.
💡Tip: Profissional focado em privacidade (MacBook Pro M5 Pro 48 GB, US$ 2.500) - Principal: Llama 3.3 8B Q8 para trabalho geral - Sensível: Qwen3 14B Q5 para documentos jurídicos/médicos/financeiros - Viagens: funciona offline em aviões e ambientes seguros - Nenhum dado sai do computador - Os preços variam conforme o país; no Brasil, a Apple cobra mais.
💡Tip: Pesquisador / Engenheiro de ML (Mac Studio M5 Max 128 GB, US$ 4.000) - Principal: Llama 3.3 70B Q5 (49 GB) para qualidade - Especializado: Qwen3 72B Q4 para pesquisa em outros idiomas - Programação: DeepSeek Coder V2 16B - Visão: Llama 3.2 Vision 11B para figuras de artigos - Os quatro modelos carregados simultaneamente - Os preços variam conforme o país; no Brasil, a Apple cobra mais.
💡Tip: Servidor de IA familiar (Mac Mini M5 Pro 64 GB, sempre ligado) - Assistente de voz: Llama 3.3 8B + Whisper + Piper - RAG: perguntas e respostas sobre documentos da família com embeddings - Ajuda de programação para os familiares via REST API - Custo de energia: ~US$ 35/ano - Substitui: ChatGPT Plus para 4 pessoas = US$ 1.000/ano - Os preços variam conforme o país; no Brasil, a Apple cobra mais.
Modelos que você deve evitar em 2026 (e por quê)
⚠️Warning: Llama 2 (qualquer tamanho) já não é recomendado — substituído por Llama 3.3; os leaderboards padrão mostram resultados notavelmente mais fracos em comparação com as versões mais recentes. Ainda aparece em tutoriais antigos — não os siga. Substitua por: Llama 3.3 8B.
⚠️Warning: Evite Vicuna, Alpaca, WizardLM — Fine-tunes da comunidade de 2023. Os modelos base modernos (Llama 3.3, Qwen3) igualam ou superam o desempenho deles. Substitua por: Qwen3 14B ou Llama 3.3 8B.
⚠️Warning: Evite Falcon 180B — Não cabe em Apple Silicon de consumo. O Llama 3.3 70B (menor) o supera. Substitua por: Llama 3.3 70B Q5.
⚠️Warning: Evite a quantização FP16 em hardware de consumo — Llama 3.3 70B FP16 = 140 GB, não cabe em nenhum Mac. O ganho de qualidade frente ao Q5 é menor que 1%. Substitua por: Q4_K_M ou Q5_K_M.
⚠️Warning: Evite os modelos base puros (sem variante instruct) — Os modelos base completam texto, mas não seguem instruções. Procure o sufixo "-instruct" ou "-chat". Substitua por: a variante instruct do mesmo modelo.
⚠️Warning: Tenha cautela com modelos com baixa atividade recente — StableLM, RedPajama, MPT, Pythia: com pouca atividade de desenvolvimento recente (meados de 2026). Use modelos da Meta, Alibaba, Mistral, Microsoft com atualizações regulares.
Referência rápida de formatos de modelo
| Formato | Usado por | Tamanho vs original |
|---|---|---|
| GGUF Q4_K_M | Ollama, llama.cpp | ~30% do FP16 |
| GGUF Q5_K_M | Ollama, llama.cpp | ~35% do FP16 |
| GGUF Q8_0 | Ollama, llama.cpp | ~50% do FP16 |
| MLX 4-bit | Framework MLX | ~30% do FP16 |
| MLX 8-bit | Framework MLX | ~50% do FP16 |
| FP16 (original) | Todos os frameworks | 100% |
Os tamanhos neste artigo são GGUF Q4_K_M salvo indicação em contrário. Os equivalentes MLX 4-bit têm tamanho similar. Para bytes exatos, consulte a ficha do modelo no HuggingFace. O llama.cpp roda GGUF diretamente no backend Metal e é o que o Ollama usa por baixo dos panos — o MLX é o framework da própria Apple e costuma ser mais rápido para builds nativas em MLX no mesmo chip. O LM Studio suporta tanto GGUF quanto MLX e permite trocar de backend por modelo direto na interface.
Referência rápida: baixar estes modelos
# Mac 16 GB
ollama pull phi4
# Mac 36 GB (escolha um)
ollama pull llama3.3:8b
ollama pull qwen3:14b
ollama pull mistral-small
# Mac 64 GB
ollama pull qwen3:34b
ollama pull mixtral:8x22b
# Mac 128 GB
ollama pull llama3.3:70b
ollama pull qwen3:72b
# Modelos especializados
ollama pull deepseek-coder-v2:16b # programação
ollama pull llama3.2-vision:11b # visão
ollama pull aya-expanse:32b # traduçãoPosso rodar dois modelos diferentes ao mesmo tempo?
Sim, defina `OLLAMA_MAX_LOADED_MODELS=2` nas variáveis de ambiente. Com 64 GB você pode rodar 8B + 34B simultaneamente.
Qual modelo é melhor para iniciantes?
Llama 3.3 8B. Amplamente disponível, boa qualidade de saída e histórico comprovado. Funciona em qualquer Mac M1+.
O Mixtral 8x22B é mais rápido que o Llama 8B?
Não, é um pouco mais lento (40–50 tok/s vs 50–60 tok/s no M5 Pro). Mas o raciocínio é superior.
Qual é o melhor LLM local em 2026?
Para a maioria dos usuários em Apple Silicon: o Qwen3 (qualquer tamanho que caiba no seu Mac) lidera atualmente os benchmarks de qualidade. O Llama 3.3 70B é comparável em Macs de 128 GB. Abaixo de 16 GB: o Phi-4 supera a categoria com 3,8B parâmetros, igualando modelos 8B de 2024.
Posso rodar o Llama 3.3 405B em um Mac?
Não. O Llama 3.3 405B exige mais de 200 GB mesmo com quantização Q4 — nenhum Mac de consumo tem memória unificada suficiente. Espere o M5 Ultra (previsto para meados de 2026, 256 GB) — será o primeiro hardware de consumo capaz de rodar 405B em Q3–Q4.
O Qwen é melhor que o Llama para uso local?
Na maioria das tarefas, o Qwen3 supera ligeiramente o Llama 3.3 com o mesmo número de parâmetros em benchmarks (1–3 pontos no MMLU). O Llama tem uma comunidade maior e mais fine-tunes disponíveis. A maioria dos usuários não notará a diferença — escolha conforme a disponibilidade e o ecossistema de fine-tunes.
Qual é o menor modelo que realmente é útil?
Phi-4 com 3,8B parâmetros. Obtém 84,8 no MMLU — igualando alguns modelos 8B de 2024. Para chat e perguntas e respostas é surpreendentemente capaz. Para programação ou raciocínio complexo, passe para o Llama 3.3 8B ou Qwen3 14B.
O vLLM roda em Apple Silicon?
O suporte do vLLM ao Metal é limitado se comparado ao caminho CUDA — as otimizações de throughput e batching que tornam o vLLM atraente em GPUs Nvidia praticamente não se aplicam no Mac. Para Apple Silicon, o Ollama (llama.cpp/Metal) ou o LM Studio (GGUF/MLX) entregam melhor tok/s para uso individual e configuração mais simples. Considere o vLLM só se você estiver atendendo muitas requisições simultâneas em uma máquina Linux/Nvidia ao lado do seu Mac.
O que um MacBook Air M5 consegue rodar?
O MacBook Air M5 vem em design sem ventoinha e tipicamente com 16–32 GB de memória unificada, então trate-o como um Mac de nível 16 GB ou 36 GB conforme a tabela acima: Phi-4 tranquilamente, Llama 3.3 8B Q8 se você tiver 24 GB ou mais. Gerações longas e contínuas podem sofrer leve throttling sem ventoinha — espere a faixa inferior dos valores de tok/s do M5 Pro citados neste artigo.
Qual é a melhor configuração para um MacBook Pro M5 Max com 128 GB de RAM?
Llama 3.3 70B Q5 (49 GB) para uso diário, com folga para manter um segundo modelo — Qwen3 14B Q5 ou DeepSeek Coder V2 16B — carregado simultaneamente via `OLLAMA_MAX_LOADED_MODELS=2`. Espere ~14–18 tok/s no 70B Q5. Se você quiser qualidade máxima e tolerar ~9–12 tok/s, o Llama 3.3 70B Q8 (74 GB) também cabe.