AnmeldenWallet erstellen

Was läuft auf dem M1 Pro mit 16 GB?

22 von 73 offenen Modellen laufen darauf gut. Die GPU kann standardmäßig etwa 12 GB der 16 GB nutzen, und der Chip liest den Speicher mit 200 GB/s. Das bestimmt, wie schnell er schreibt. Steckt in: MacBook Pro (14-inch, 2021), MacBook Pro (16-inch, 2021).

Das klügste, das gut läuftMiniCPM5 2B8 Bit · 2,7 GB · 33–59 tok/sDas größte, das gut läuftPhi-4 Reasoning Vision 15B4 Bit · 8,4 GB · 11–19 tok/s

Läuft gut 33

Passt mit Platz für den Kontext, bei 10 oder mehr Tokens pro Sekunde.

ModellVersionSpeicherTokens/s
MiniCPM5 2B2,52B · Intelligenz 12,58 Bit2,7 GB33–59
Qwen3.5 9B9B · Intelligenz 11,26 Bit7,3 GB12–22
Granite 4.2 8B8B · Intelligenz 11,18 Bit8,5 GB11–19
Granite 4.2 3B3B · Intelligenz 9,18 Bit3,2 GB28–50
Gemma 4 E4B8B · Intelligenz 8,98 Bit8,5 GB19–33
Ministral 3 8B8,9B · Intelligenz 5,56 Bit7,2 GB13–22
Nemotron 3 Nano 4B3,97B · Intelligenz 4,88 Bit4,2 GB21–38
Phi-4 Reasoning Vision 15B15B4 Bit8,4 GB11–19
Phi-4 (14B)14B4 Bit7,9 GB11–20
Gemma 4 12B Unified12B4 Bit6,7 GB13–24
Qwen3 8B8,2B8 Bit8,7 GB10–18
Llama 3.1 8B Instruct8B8 Bit8,5 GB11–19
Gemma 4 E2B5,1B8 Bit5,4 GB38–67
Qwen3.5 4B4B8 Bit4,3 GB21–37
Phi-4 mini instruct3,8B8 Bit4 GB23–40
Llama 3.2 3B Instruct3,21B8 Bit3,4 GB26–47
SmolLM3 3B3B8 Bit3,2 GB28–50
LFM2.5 2.6B2,69B8 Bit2,9 GB31–55
Qwen3.5 2B2B8 Bit2,1 GB43–76
Llama 3.2 1B Instruct1,23B8 Bit1,3 GB69–123
Qwen3.5 0.8B0,8B8 Bit0,9 GB100–178
Qwen3 0.6B0,6B8 Bit0,6 GB150–267
Qwen3.8 27B27B · Intelligenz 33,72 Bit geringere Qualität8,4 GB11–19
Muse Glimmer 30B29,6B · Intelligenz 17,52 Bit geringere Qualität9,3 GB10–17
Nemotron 3.5 Lightning 30B A3B30B · 3B aktiv · Intelligenz 12,92 Bit geringere Qualität9,4 GB100–178
Granite 4.2 30B30B · Intelligenz 12,72 Bit geringere Qualität9,4 GB10–17
gpt-oss-20b21B · 3,6B aktiv · Intelligenz 93 Bit geringere Qualität9,2 GB56–100
Nemotron 3 Nano 30B A3B30B · 3,5B aktiv · Intelligenz 8,92 Bit geringere Qualität9,4 GB82–145
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B aktiv2 Bit geringere Qualität9,5 GB90–160
GLM-4.7 Flash30B · 3B aktiv2 Bit geringere Qualität9,4 GB100–178
Qwen3.6 27B27B2 Bit geringere Qualität8,4 GB11–19
Gemma 4 26B A4B25,2B · 3,8B aktiv2 Bit geringere Qualität7,9 GB75–133
LFM2.5 24B A2B24B · 2B aktiv3 Bit geringere Qualität10,5 GB100–178

Läuft, aber langsam 4

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

ModellVersionSpeicherTokens/s
Gemma 4 31B30,7B · Intelligenz 14,72 Bit geringere Qualität9,6 GB9–17
Devstral Small 2 (24B)24B3 Bit geringere Qualität10,5 GB9–15
Magistral Small 1.2 (2509)24B3 Bit geringere Qualität10,5 GB9–15
Mistral Small 3.2 (24B)24B3 Bit geringere Qualität10,5 GB9–15

Passt gerade so 1

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

ModellVersionSpeicherTokens/s
Qwen3.6 35B A3B35B · 3B aktiv · Intelligenz 18,22 Bit geringere Qualität10,9 GB100–178

Zu groß 35

Braucht mehr als 16 GB Speicher, selbst mit 2 Bit.

Andere Macs

Alle Macs mit 16 GB, mit jedem Chip.

Der M1 Pro mit mehr oder weniger Speicher:

Benachbarte Chips:

Im direkten Vergleich:

Mit jedem Mac oder jeder GPU vergleichen · Der M1 Pro für lokale KI · Der beste Mac für lokale LLMs · Alle Macs

Fragen

Welches LLM ist das beste für den M1 Pro mit 16 GB?
Unter den Modellen mit veröffentlichtem Intelligence Index erzielt MiniCPM5 2B den höchsten Wert von denen, die hier gut laufen: 8 Bit, etwa 33–59 Tokens pro Sekunde. Das größte, das gut läuft, ist Phi-4 Reasoning Vision 15B.
Kann der M1 Pro mit 16 GB Llama 3.3 70B ausführen?
Nein: Selbst mit 2 Bit braucht es mehr als die 12 GB, die die GPU standardmäßig nutzen kann.
Wie schnell ist gpt-oss-20b auf dem M1 Pro?
Etwa 56–100 Tokens pro Sekunde (3 Bit), bei 200 GB/s Speicherbandbreite des Chips.

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.

Welche LLMs laufen auf dem M1 Pro mit 16 GB? Modelle, Tempo