Kann der M2 Ultra ein 70B-Modell ausführen?

Ja. Ein 70B-Modell in 4 Bit braucht etwa 40 GB, und der M2 Ultra hat bis zu 192 GB. Rechne mit einer Obergrenze von etwa 20 Tokens pro Sekunde für einen Chat.

Wie viele Tokens pro Sekunde schafft der M2 Ultra?

Bei einem 8B-Modell in 4 Bit liegt die Obergrenze bei etwa 178 Tokens pro Sekunde; echte Läufe erreichen ungefähr die Hälfte bis vier Fünftel davon. Größere Modelle sind entsprechend langsamer.

Ist der M2 Ultra gut für KI?

Für lokale Modelle zählen Speicher und Bandbreite am meisten. Der M2 Ultra hat bis zu 192 GB mit 800 GB/s, genug für Modelle bis etwa 256 Milliarden Parameter. Mit MLX Node kann er außerdem verdienen, indem er KI-Arbeit für MLX Network erledigt.

M2 Ultra für lokale LLMs: Speicher, Tempo und was passt

1Die Daten, die für KI zählen

Gemeinsamer Arbeitsspeicher	192 GB
Speicherbandbreite	800 GB/s
Steckt in	Mac Studio (2023), Mac Pro (2023)
Passender dedizierter Platz	Ultra-Platz: schürft bis zu 320 MLX am Tag

2Welche Modelle passen

Bei 4 Bit pro Gewicht braucht ein Modell etwas mehr als ein halbes Gigabyte pro Milliarde Parameter, dazu Platz für seinen Kontext und macOS. Mit 192 GB fasst der M2 Ultra bequem Modelle bis etwa 256 Milliarden Parameter.

Modell in 4 Bit	Benötigter Speicher	Passt auf den M2 Ultra
8B-Modell	4,5 GB	Ja
14B-Modell	7,9 GB	Ja
32B-Modell	18 GB	Ja
70B-Modell	39,4 GB	Ja
gpt-oss-120b, Mixture-of-Experts	65 GB	Ja
Qwen3.5-397B-A17B, Mixture-of-Experts	223,3 GB	Nein
DeepSeek-V4.1-Flash, Mixture-of-Experts	316 GB	Nein

3Wie schnell er läuft

Beim Schreiben von Text begrenzt die Speicherbandbreite: Jeder neue Token liest die aktiven Gewichte des Modells einmal. Teilt man die 800 GB/s beim M2 Ultra durch die pro Token gelesenen Bytes, ergibt sich die Obergrenze unten. Echte Läufe erreichen meist etwa 45 % bis 80 % davon (Benchmarks von llama.cpp).

Modell in 4 Bit	Gelesen pro Token	Obergrenze für einen Chat
8B-Modell	4,5 GB	178 Tokens/s
14B-Modell	7,9 GB	101 Tokens/s
32B-Modell	18 GB	44 Tokens/s
70B-Modell	39,4 GB	20 Tokens/s
gpt-oss-120b, Mixture-of-Experts	2,7 GB	296 Tokens/s

5Mit anderen Chips vergleichen

6Fragen

Kann der M2 Ultra ein 70B-Modell ausführen?: Ja. Ein 70B-Modell in 4 Bit braucht etwa 40 GB, und der M2 Ultra hat bis zu 192 GB. Rechne mit einer Obergrenze von etwa 20 Tokens pro Sekunde für einen Chat.
Wie viele Tokens pro Sekunde schafft der M2 Ultra?: Bei einem 8B-Modell in 4 Bit liegt die Obergrenze bei etwa 178 Tokens pro Sekunde; echte Läufe erreichen ungefähr die Hälfte bis vier Fünftel davon. Größere Modelle sind entsprechend langsamer.
Ist der M2 Ultra gut für KI?: Für lokale Modelle zählen Speicher und Bandbreite am meisten. Der M2 Ultra hat bis zu 192 GB mit 800 GB/s, genug für Modelle bis etwa 256 Milliarden Parameter. Mit MLX Node kann er außerdem verdienen, indem er KI-Arbeit für MLX Network erledigt.

Quellen

Apple: M2 Ultraapple.com
llama.cpp: Apple Silicon benchmarksgithub.com