AnmeldenWallet erstellen

Was läuft auf dem M1 Ultra mit 128 GB?

47 von 73 offenen Modellen laufen darauf gut. Die GPU kann standardmäßig etwa 96 GB der 128 GB nutzen, und der Chip liest den Speicher mit 800 GB/s. Das bestimmt, wie schnell er schreibt. Steckt in: Mac Studio (2022).

Das klügste, das gut läuftQwen3.8 27B8 Bit · 28,7 GB · 13–22 tok/sDas größte, das gut läuftQwen3.5 122B A10B4 Bit · 68,6 GB · 64–114 tok/sFür CodeQwen3 Coder Next8 Bit · 85 GB · 113–200 tok/s

Läuft gut 51

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

ModellVersionSpeicherTokens/s
Qwen3.8 27B27B · Intelligenz 33,78 Bit28,7 GB13–22
Nemotron 3.5 Bolt 74B A9B74B · 9B aktiv · Intelligenz 21,48 Bit78,6 GB38–67
Qwen3.6 35B A3B35B · 3B aktiv · Intelligenz 18,28 Bit37,2 GB113–200
Muse Glimmer 30B29,6B · Intelligenz 17,58 Bit31,5 GB11–20
Qwen3.5 122B A10B122B · 10B aktiv · Intelligenz 15,64 Bit68,6 GB64–114
Gemma 4 31B30,7B · Intelligenz 14,78 Bit32,6 GB11–20
Nemotron 3.5 Lightning 30B A3B30B · 3B aktiv · Intelligenz 12,98 Bit31,9 GB113–200
Granite 4.2 30B30B · Intelligenz 12,78 Bit31,9 GB11–20
MiniCPM5 2B2,52B · Intelligenz 12,58 Bit2,7 GB133–237
gpt-oss-120b117B · 5,1B aktiv · Intelligenz 11,64,25 Bit nativ65,3 GB133–237
Mistral Small 4 (119B)119B · 6,5B aktiv · Intelligenz 11,34 Bit66,9 GB97–173
Qwen3.5 9B9B · Intelligenz 11,28 Bit9,6 GB38–67
Granite 4.2 8B8B · Intelligenz 11,18 Bit8,5 GB42–75
Qwen3 Coder Next80B · 3B aktiv · Intelligenz 9,28 Bit85 GB113–200
Granite 4.2 3B3B · Intelligenz 9,18 Bit3,2 GB113–200
gpt-oss-20b21B · 3,6B aktiv · Intelligenz 94,25 Bit nativ13,8 GB189–337
Nemotron 3 Nano 30B A3B30B · 3,5B aktiv · Intelligenz 8,98 Bit31,9 GB97–173
Gemma 4 E4B8B · Intelligenz 8,98 Bit8,5 GB75–133
Llama 4 Scout 17B-16E Instruct109B · 17B aktiv · Intelligenz 6,56 Bit88,6 GB26–46
Ministral 3 8B8,9B · Intelligenz 5,58 Bit9,5 GB38–67
Nemotron 3 Nano 4B3,97B · Intelligenz 4,88 Bit4,2 GB86–152
Ornith 1.5 122B122B · 10B aktiv4 Bit68,6 GB64–114
Nemotron 3 Super 120B A12B120B · 12B aktiv4 Bit67,5 GB53–94
GLM-4.5 Air106B · 12B aktiv6 Bit86,1 GB37–65
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B aktiv8 Bit32,4 GB103–183
GLM-4.7 Flash30B · 3B aktiv8 Bit31,9 GB113–200
Qwen3.6 27B27B8 Bit28,7 GB13–22
Gemma 4 26B A4B25,2B · 3,8B aktiv8 Bit26,8 GB90–160
Devstral Small 2 (24B)24B8 Bit25,5 GB14–25
Magistral Small 1.2 (2509)24B8 Bit25,5 GB14–25
Mistral Small 3.2 (24B)24B8 Bit25,5 GB14–25
LFM2.5 24B A2B24B · 2B aktiv8 Bit25,5 GB171–305
Phi-4 Reasoning Vision 15B15B8 Bit15,9 GB23–40
Phi-4 (14B)14B8 Bit14,9 GB24–43
Gemma 4 12B Unified12B8 Bit12,7 GB28–50
Qwen3 8B8,2B8 Bit8,7 GB41–74
Llama 3.1 8B Instruct8B8 Bit8,5 GB42–75
Gemma 4 E2B5,1B8 Bit5,4 GB150–267
Qwen3.5 4B4B8 Bit4,3 GB84–149
Phi-4 mini instruct3,8B8 Bit4 GB90–160
Llama 3.2 3B Instruct3,21B8 Bit3,4 GB106–188
SmolLM3 3B3B8 Bit3,2 GB113–200
LFM2.5 2.6B2,69B8 Bit2,9 GB124–221
Qwen3.5 2B2B8 Bit2,1 GB171–305
Llama 3.2 1B Instruct1,23B8 Bit1,3 GB277–492
Qwen3.5 0.8B0,8B8 Bit0,9 GB400–711
Qwen3 0.6B0,6B8 Bit0,6 GB600–1067
Qwen3.8 Flash Next180B · 6B aktiv · Intelligenz 39,83 Bit geringere Qualität78,8 GB138–246
Inkling Small276B · 12B aktiv · Intelligenz 25,72 Bit geringere Qualität86,3 GB95–168
DeepSeek V4 Flash 0731284B · 13B aktiv2 Bit geringere Qualität88,8 GB88–156
MiniMax M2.7230B · 10B aktiv2 Bit geringere Qualität71,9 GB116–206

Läuft, aber langsam 3

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

ModellVersionSpeicherTokens/s
Mistral Medium 3.5 (128B)128B · Intelligenz 14,24 Bit72 GB5–9
Devstral 2 (123B)123B4 Bit69,2 GB5–9
Llama 3.3 70B Instruct70B8 Bit74,4 GB5–9

Passt gerade so 3

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

ModellVersionSpeicherTokens/s
GLM-5.3 Flash320B · 18B aktiv · Intelligenz 41,82 Bit geringere Qualität100 GB64–114
MiMo V2.6 Flash309B · 15B aktiv · Intelligenz 37,92 Bit geringere Qualität96,6 GB77–136
Hy3295B · 21B aktiv · Intelligenz 25,32 Bit geringere Qualität92,2 GB55–97

Zu groß 16

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

Andere Macs

Alle Macs mit 128 GB, mit jedem Chip.

Der M1 Ultra mit mehr oder weniger Speicher:

Benachbarte Chips:

Im direkten Vergleich:

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

Fragen

Welches LLM ist das beste für den M1 Ultra mit 128 GB?
Unter den Modellen mit veröffentlichtem Intelligence Index erzielt Qwen3.8 27B den höchsten Wert von denen, die hier gut laufen: 8 Bit, etwa 13–22 Tokens pro Sekunde. Das größte, das gut läuft, ist Qwen3.5 122B A10B.
Kann der M1 Ultra mit 128 GB Llama 3.3 70B ausführen?
Ja, aber langsam: 8 Bit, mit etwa 5–9 Tokens pro Sekunde.
Wie schnell ist gpt-oss-20b auf dem M1 Ultra?
Etwa 189–337 Tokens pro Sekunde (4,25 Bit nativ), bei 800 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 Ultra mit 128 GB? Modelle, Tempo