AnmeldenWallet erstellen

Was läuft auf dem M2 Max mit 32 GB?

38 von 73 offenen Modellen laufen darauf gut. Die GPU kann standardmäßig etwa 24 GB der 32 GB nutzen, und der Chip liest den Speicher mit 400 GB/s. Das bestimmt, wie schnell er schreibt. Steckt in: MacBook Pro (14-inch, 2023), MacBook Pro (16-inch, 2023), Mac Studio (2023).

Das klügste, das gut läuftQwen3.8 27B4 Bit · 15,2 GB · 12–21 tok/sDas größte, das gut läuftQwen3.6 35B A3B4 Bit · 19,7 GB · 106–188 tok/sFür CodeQwen3 Coder 30B A3B Instruct4 Bit · 17,2 GB · 95–168 tok/s

Läuft gut 38

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

ModellVersionSpeicherTokens/s
Qwen3.8 27B27B · Intelligenz 33,74 Bit15,2 GB12–21
Qwen3.6 35B A3B35B · 3B aktiv · Intelligenz 18,24 Bit19,7 GB106–188
Muse Glimmer 30B29,6B · Intelligenz 17,54 Bit16,7 GB11–19
Gemma 4 31B30,7B · Intelligenz 14,74 Bit17,3 GB10–18
Nemotron 3.5 Lightning 30B A3B30B · 3B aktiv · Intelligenz 12,94 Bit16,9 GB106–188
Granite 4.2 30B30B · Intelligenz 12,74 Bit16,9 GB11–19
MiniCPM5 2B2,52B · Intelligenz 12,58 Bit2,7 GB67–119
Qwen3.5 9B9B · Intelligenz 11,28 Bit9,6 GB19–33
Granite 4.2 8B8B · Intelligenz 11,18 Bit8,5 GB21–38
Granite 4.2 3B3B · Intelligenz 9,18 Bit3,2 GB56–100
gpt-oss-20b21B · 3,6B aktiv · Intelligenz 94,25 Bit nativ13,8 GB95–168
Nemotron 3 Nano 30B A3B30B · 3,5B aktiv · Intelligenz 8,94 Bit16,9 GB90–160
Gemma 4 E4B8B · Intelligenz 8,98 Bit8,5 GB38–67
Ministral 3 8B8,9B · Intelligenz 5,58 Bit9,5 GB19–34
Nemotron 3 Nano 4B3,97B · Intelligenz 4,88 Bit4,2 GB43–76
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B aktiv4 Bit17,2 GB95–168
GLM-4.7 Flash30B · 3B aktiv4 Bit16,9 GB106–188
Qwen3.6 27B27B4 Bit15,2 GB12–21
Gemma 4 26B A4B25,2B · 3,8B aktiv6 Bit20,5 GB58–103
Devstral Small 2 (24B)24B4 Bit13,5 GB13–24
Magistral Small 1.2 (2509)24B4 Bit13,5 GB13–24
Mistral Small 3.2 (24B)24B4 Bit13,5 GB13–24
LFM2.5 24B A2B24B · 2B aktiv6 Bit19,5 GB113–200
Phi-4 Reasoning Vision 15B15B8 Bit15,9 GB11–20
Phi-4 (14B)14B8 Bit14,9 GB12–21
Gemma 4 12B Unified12B8 Bit12,7 GB14–25
Qwen3 8B8,2B8 Bit8,7 GB21–37
Llama 3.1 8B Instruct8B8 Bit8,5 GB21–38
Gemma 4 E2B5,1B8 Bit5,4 GB75–133
Qwen3.5 4B4B8 Bit4,3 GB42–74
Phi-4 mini instruct3,8B8 Bit4 GB45–80
Llama 3.2 3B Instruct3,21B8 Bit3,4 GB53–94
SmolLM3 3B3B8 Bit3,2 GB56–100
LFM2.5 2.6B2,69B8 Bit2,9 GB62–110
Qwen3.5 2B2B8 Bit2,1 GB86–152
Llama 3.2 1B Instruct1,23B8 Bit1,3 GB138–246
Qwen3.5 0.8B0,8B8 Bit0,9 GB200–356
Qwen3 0.6B0,6B8 Bit0,6 GB300–533

Läuft, aber langsam 1

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

ModellVersionSpeicherTokens/s
Llama 3.3 70B Instruct70B2 Bit geringere Qualität21,9 GB8–15

Passt gerade so 2

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

ModellVersionSpeicherTokens/s
Nemotron 3.5 Bolt 74B A9B74B · 9B aktiv · Intelligenz 21,42 Bit geringere Qualität23,1 GB64–114
Qwen3 Coder Next80B · 3B aktiv · Intelligenz 9,22 Bit geringere Qualität25 GB200–356

Zu groß 32

Braucht mehr als 32 GB Speicher, selbst mit 2 Bit.

Andere Macs

Alle Macs mit 32 GB, mit jedem Chip.

Der M2 Max mit mehr oder weniger Speicher:

Benachbarte Chips:

Im direkten Vergleich:

Mit jedem Mac oder jeder GPU vergleichen · Der M2 Max für lokale KI · Der beste Mac für lokale LLMs · Alle Macs

Fragen

Welches LLM ist das beste für den M2 Max mit 32 GB?
Unter den Modellen mit veröffentlichtem Intelligence Index erzielt Qwen3.8 27B den höchsten Wert von denen, die hier gut laufen: 4 Bit, etwa 12–21 Tokens pro Sekunde. Das größte, das gut läuft, ist Qwen3.6 35B A3B.
Kann der M2 Max mit 32 GB Llama 3.3 70B ausführen?
Ja, aber langsam: 2 Bit (geringere Qualität), mit etwa 8–15 Tokens pro Sekunde.
Wie schnell ist gpt-oss-20b auf dem M2 Max?
Etwa 95–168 Tokens pro Sekunde (4,25 Bit nativ), bei 400 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 M2 Max mit 32 GB? Modelle, Tempo