Welches LLM ist das beste für einen Mac mit 128 GB?

Unter den Modellen mit veröffentlichtem Intelligence Index erzielt Qwen3.8 27B den höchsten Wert von denen, die in 128 GB gut laufen (8 Bit). Das größte, das gut läuft, ist Qwen3.5 122B A10B. Für Code: Qwen3 Coder Next.

Reichen 128 GB für lokale KI auf dem Mac?

47 der 73 offenen Modelle hier laufen darin gut, mit 4 Bit oder mehr. macOS lässt die GPU standardmäßig etwa 96 GB davon nutzen; Modell und Kontext müssen da hineinpassen.

Kann ein Mac mit 128 GB gpt-oss-20b ausführen?

Ja, 4,25 Bit nativ, mit etwa 95–168 Tokens pro Sekunde auf dem M3 Max und 189–337 auf dem M1 Ultra.

Beste lokale LLMs für Macs mit 128 GB (M1 bis M5): was läuft

Macs mit 128 GB

5 Chips von M1 bis M5 gibt es mit 128 GB. Öffne einen für seine eigene Liste und sein Tempo.

Läuft gut 51

Passt mit Platz für den Kontext, bei 10 oder mehr Tokens pro Sekunde auf dem M1 Ultra.

Modell	Version	Speicher	M3 Max	M1 Ultra
Qwen3.8 27B27B · Intelligenz 33,7	8 Bit	28,7 GB	12–21	13–22
Nemotron 3.5 Bolt 74B A9B74B · 9B aktiv · Intelligenz 21,4	8 Bit	78,6 GB	19–33	38–67
Qwen3.6 35B A3B35B · 3B aktiv · Intelligenz 18,2	8 Bit	37,2 GB	56–100	113–200
Muse Glimmer 30B29,6B · Intelligenz 17,5	8 Bit	31,5 GB	11–19	11–20
Qwen3.5 122B A10B122B · 10B aktiv · Intelligenz 15,6	4 Bit	68,6 GB	32–57	64–114
Gemma 4 31B30,7B · Intelligenz 14,7	8 Bit	32,6 GB	10–18	11–20
Nemotron 3.5 Lightning 30B A3B30B · 3B aktiv · Intelligenz 12,9	8 Bit	31,9 GB	56–100	113–200
Granite 4.2 30B30B · Intelligenz 12,7	8 Bit	31,9 GB	11–19	11–20
MiniCPM5 2B2,52B · Intelligenz 12,5	8 Bit	2,7 GB	67–119	133–237
gpt-oss-120b117B · 5,1B aktiv · Intelligenz 11,6	4,25 Bit nativ	65,3 GB	67–119	133–237
Mistral Small 4 (119B)119B · 6,5B aktiv · Intelligenz 11,3	4 Bit	66,9 GB	49–86	97–173
Qwen3.5 9B9B · Intelligenz 11,2	8 Bit	9,6 GB	19–33	38–67
Granite 4.2 8B8B · Intelligenz 11,1	8 Bit	8,5 GB	21–38	42–75
Qwen3 Coder Next80B · 3B aktiv · Intelligenz 9,2	8 Bit	85 GB	56–100	113–200
Granite 4.2 3B3B · Intelligenz 9,1	8 Bit	3,2 GB	56–100	113–200
gpt-oss-20b21B · 3,6B aktiv · Intelligenz 9	4,25 Bit nativ	13,8 GB	95–168	189–337
Nemotron 3 Nano 30B A3B30B · 3,5B aktiv · Intelligenz 8,9	8 Bit	31,9 GB	49–86	97–173
Gemma 4 E4B8B · Intelligenz 8,9	8 Bit	8,5 GB	38–67	75–133
Llama 4 Scout 17B-16E Instruct109B · 17B aktiv · Intelligenz 6,5	6 Bit	88,6 GB	13–23	26–46
Ministral 3 8B8,9B · Intelligenz 5,5	8 Bit	9,5 GB	19–34	38–67
Nemotron 3 Nano 4B3,97B · Intelligenz 4,8	8 Bit	4,2 GB	43–76	86–152
Ornith 1.5 122B122B · 10B aktiv	4 Bit	68,6 GB	32–57	64–114
Nemotron 3 Super 120B A12B120B · 12B aktiv	4 Bit	67,5 GB	26–47	53–94
GLM-4.5 Air106B · 12B aktiv	6 Bit	86,1 GB	18–33	37–65
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B aktiv	8 Bit	32,4 GB	51–91	103–183
GLM-4.7 Flash30B · 3B aktiv	8 Bit	31,9 GB	56–100	113–200
Qwen3.6 27B27B	8 Bit	28,7 GB	12–21	13–22
Gemma 4 26B A4B25,2B · 3,8B aktiv	8 Bit	26,8 GB	45–80	90–160
Devstral Small 2 (24B)24B	8 Bit	25,5 GB	13–24	14–25
Magistral Small 1.2 (2509)24B	8 Bit	25,5 GB	13–24	14–25
Mistral Small 3.2 (24B)24B	8 Bit	25,5 GB	13–24	14–25
LFM2.5 24B A2B24B · 2B aktiv	8 Bit	25,5 GB	86–152	171–305
Phi-4 Reasoning Vision 15B15B	8 Bit	15,9 GB	11–20	23–40
Phi-4 (14B)14B	8 Bit	14,9 GB	12–21	24–43
Gemma 4 12B Unified12B	8 Bit	12,7 GB	14–25	28–50
Qwen3 8B8,2B	8 Bit	8,7 GB	21–37	41–74
Llama 3.1 8B Instruct8B	8 Bit	8,5 GB	21–38	42–75
Gemma 4 E2B5,1B	8 Bit	5,4 GB	75–133	150–267
Qwen3.5 4B4B	8 Bit	4,3 GB	42–74	84–149
Phi-4 mini instruct3,8B	8 Bit	4 GB	45–80	90–160
Llama 3.2 3B Instruct3,21B	8 Bit	3,4 GB	53–94	106–188
SmolLM3 3B3B	8 Bit	3,2 GB	56–100	113–200
LFM2.5 2.6B2,69B	8 Bit	2,9 GB	62–110	124–221
Qwen3.5 2B2B	8 Bit	2,1 GB	86–152	171–305
Llama 3.2 1B Instruct1,23B	8 Bit	1,3 GB	138–246	277–492
Qwen3.5 0.8B0,8B	8 Bit	0,9 GB	200–356	400–711
Qwen3 0.6B0,6B	8 Bit	0,6 GB	300–533	600–1067
Qwen3.8 Flash Next180B · 6B aktiv · Intelligenz 39,8	3 Bit geringere Qualität	78,8 GB	69–123	138–246
Inkling Small276B · 12B aktiv · Intelligenz 25,7	2 Bit geringere Qualität	86,3 GB	47–84	95–168
DeepSeek V4 Flash 0731284B · 13B aktiv	2 Bit geringere Qualität	88,8 GB	44–78	88–156
MiniMax M2.7230B · 10B aktiv	2 Bit geringere Qualität	71,9 GB	58–103	116–206

Läuft, aber langsam 3

Passt, aber unter 10 Tokens pro Sekunde: gut für Stapelverarbeitung, langsam für Chats.

Modell	Version	Speicher	M3 Max	M1 Ultra
Mistral Medium 3.5 (128B)128B · Intelligenz 14,2	4 Bit	72 GB	3–4	5–9
Devstral 2 (123B)123B	4 Bit	69,2 GB	3–5	5–9
Llama 3.3 70B Instruct70B	8 Bit	74,4 GB	2–4	5–9

Passt gerade so 3

Braucht fast den ganzen Speicher: Erhöhe das GPU-Speicherlimit und halte den Kontext kurz.

Modell	Version	Speicher	M3 Max	M1 Ultra
GLM-5.3 Flash320B · 18B aktiv · Intelligenz 41,8	2 Bit geringere Qualität	100 GB	32–57	64–114
MiMo V2.6 Flash309B · 15B aktiv · Intelligenz 37,9	2 Bit geringere Qualität	96,6 GB	38–68	77–136
Hy3295B · 21B aktiv · Intelligenz 25,3	2 Bit geringere Qualität	92,2 GB	27–48	55–97

Zu groß 16

Braucht mehr als 128 GB Speicher, selbst mit 2 Bit.

Fragen

Welches LLM ist das beste für einen Mac mit 128 GB?: Unter den Modellen mit veröffentlichtem Intelligence Index erzielt Qwen3.8 27B den höchsten Wert von denen, die in 128 GB gut laufen (8 Bit). Das größte, das gut läuft, ist Qwen3.5 122B A10B. Für Code: Qwen3 Coder Next.
Reichen 128 GB für lokale KI auf dem Mac?: 47 der 73 offenen Modelle hier laufen darin gut, mit 4 Bit oder mehr. macOS lässt die GPU standardmäßig etwa 96 GB davon nutzen; Modell und Kontext müssen da hineinpassen.
Kann ein Mac mit 128 GB gpt-oss-20b ausführen?: Ja, 4,25 Bit nativ, mit etwa 95–168 Tokens pro Sekunde auf dem M3 Max und 189–337 auf dem M1 Ultra.

Andere Größen: 8 GB · 16 GB · 18 GB · 24 GB · 32 GB · 36 GB · 48 GB · 64 GB · 96 GB · 128 GB · 192 GB · 256 GB · 512 GB

Führ sie mit MLX Harness (kostenlos, Open Source) oder mit Apples mlx-lm im Terminal aus: Schritt für Schritt.

So wird gerechnet

Speicher: die Parameter des Modells mit 8, 6, 4, 3 oder 2 Bit pro Gewicht plus die Gruppenskalen von MLX (ein halbes Bit pro Gewicht) oder in seinem nativen Format, dazu Platz für den Kontext. Standardmäßig lässt macOS die GPU etwa 75 % des gemeinsamen Arbeitsspeichers nutzen. Tempo: Speicherbandbreite geteilt durch die pro Token gelesenen Bytes ergibt die Obergrenze für eine Unterhaltung; in den öffentlichen Apple Silicon Benchmarks von llama.cpp erreichen echte Läufe etwa 45 % bis 80 % davon, und diese Spanne zeigen wir. Das sind Schätzungen, keine Messungen: Miss deinen eigenen Mac mit MLX Bench. Modellwerte aus der jeweiligen offiziellen Model Card, Chipwerte aus Apples technischen Daten. Geprüft am 2026-10-19. Dieselben Daten wie auf mlx.app/compare.