Apple MacBook Pro 16" (M3 Max)
L’Apple MacBook Pro 16" équipé du M3 Max se positionne comme une station portable d’inférence locale, destinée aux usages exigeant une forte capacité mémoire sans machine de bureau dédiée. Sa mémoire unifiée de 128 Go, partagée entre le CPU et le GPU, laisse environ 96 Go exploitables…
L’Apple MacBook Pro 16" équipé du M3 Max se positionne comme une station portable d’inférence locale, destinée aux usages exigeant une forte capacité mémoire sans machine de bureau dédiée. Sa mémoire unifiée de 128 Go, partagée entre le CPU et le GPU, laisse environ 96 Go exploitables par le modèle, avec une bande passante de 400 Go/s.
Le GPU à 40 cœurs permet d’exécuter confortablement des modèles allant de 8B à 70B en Q4, une quantification réduisant la précision numérique pour limiter l’occupation mémoire. Encore répandu en occasion, ce modèle lancé en 2023 constitue un compromis prix/mémoire depuis l’arrivée des générations M4 et M5.
Carte d'identité
| Caractéristique | Valeur |
|---|---|
| Constructeur | Apple |
| Catégorie | Apple Silicon |
| Statut | Occasion (plus produit) |
| Date de sortie | 7 novembre 2023 |
| Mémoire | 128 Go (Mémoire unifiée) |
| Dont exploitable par le modèle | 96 Go (≈) |
| Bande passante mémoire | 400 Go/s |
| CPU | Apple M3 Max, 16 cœurs |
| GPU | GPU 40 cœurs |
| NPU | 18 TOPS |
| Format | Portable 16 pouces |
| Extensible | Non |
| Prix officiel | 3 999 $ (Apple (config M3 Max 40 cœurs GPU, via EveryMac), 7 novembre 2023) |
| Fiche constructeur | specs officielles |
Quels modèles peut-elle faire tourner ?
| Modèle étalon | Verdict |
|---|---|
| 8 B (Llama 3.1 8B, Q4) | ✅ À l'aise |
| 14 B (Qwen3 14B, Q4) | ✅ À l'aise |
| 32 B (Qwen3 32B, Q4) | ✅ À l'aise |
| 70 B (Llama 3.3 70B, Q4) | ✅ À l'aise |
| 120 B MoE (gpt-oss-120B, MXFP4) | ✅ À l'aise |
Estimation mémoire : environ 0,6 Go par milliard de paramètres en Q4, plus le contexte. « Juste » : le modèle se charge mais le contexte utilisable est réduit.
Performances mesurées
| Modèle | Quantisat° | Lecture | Génération | Runtime | Source |
|---|---|---|---|---|---|
| Llama 2 7B | Q4_0 | 760 tok/s | 66 tok/s | llama.cpp (Metal) | llama.cpp — benchmarks Apple Silicon (#4167), GPU 40 cœurs (10 juillet 2026) |
| Llama 3 70B | Q4_K_M | 63 tok/s | 8 tok/s | llama.cpp (Metal) | XiongjieDai — GPU-Benchmarks-on-LLM-Inference (10 juillet 2026) |
« Lecture » (prompt processing) : vitesse d'ingestion du contexte. « Génération » : vitesse d'écriture de la réponse, celle que l'on perçoit à l'usage. Deux mesures ne sont comparables qu'à modèle, quantisation et runtime identiques.
Notre analyse
Les quelque 96 Go disponibles pour le modèle autorisent notamment Llama 3.3 70B en Q4, ainsi que gpt-oss-120B en MXFP4, un format numérique compact, dans une architecture MoE, ou mélange d’experts, qui n’active qu’une partie du modèle à chaque calcul. La bande passante de 400 Go/s soutient une génération mesurée à 66 tok/s sur Llama 2 7B Q4_0 et à 7,5 tok/s sur Llama 3 70B Q4_K_M, le tok/s représentant le nombre de fragments de texte produits par seconde. Le premier débit convient à une interaction très fluide, tandis que le second reste utilisable pour un grand modèle, mais avec une réponse sensiblement plus progressive.
Le prix officiel était de 3 999 USD dans la configuration GPU 40 cœurs au lancement. Le rapport prix/mémoire prend surtout son sens sur le marché de l’occasion, sans qu’un tarif actuel soit fourni pour le quantifier. Les mesures reposent sur llama.cpp avec Metal, l’interface d’accélération graphique d’Apple. Les faits disponibles ne permettent pas d’évaluer précisément la consommation, donc la performance par watt, ni le bruit ou d’éventuelles restrictions logicielles. La principale limite documentée reste la disponibilité, puisque cette configuration n’est plus produite. Elle conserve un intérêt pour l’inférence locale portable de modèles volumineux.
Sources : specs Apple, llama.cpp — benchmarks Apple Silicon (#4167), GPU 40 cœurs, XiongjieDai — GPU-Benchmarks-on-LLM-Inference.