Welches LLM ist das beste für den M2 Pro mit 32 GB?

Unter den Modellen mit veröffentlichtem Intelligence Index erzielt Qwen3.6 35B A3B den höchsten Wert von denen, die hier gut laufen: 4 Bit, etwa 53–94 Tokens pro Sekunde.

Kann der M2 Pro mit 32 GB Llama 3.3 70B ausführen?

Ja, aber langsam: 2 Bit (geringere Qualität), mit etwa 4–7 Tokens pro Sekunde.

Wie schnell ist gpt-oss-20b auf dem M2 Pro?

Etwa 47–84 Tokens pro Sekunde (4,25 Bit nativ), bei 200 GB/s Speicherbandbreite des Chips.

Welche LLMs laufen auf dem M2 Pro mit 32 GB? Modelle, Tempo

Läuft gut 30

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

Modell	Version	Speicher	Tokens/s
Qwen3.6 35B A3B35B · 3B aktiv · Intelligenz 18,2	4 Bit	19,7 GB	53–94
Nemotron 3.5 Lightning 30B A3B30B · 3B aktiv · Intelligenz 12,9	4 Bit	16,9 GB	53–94
MiniCPM5 2B2,52B · Intelligenz 12,5	8 Bit	2,7 GB	33–59
Qwen3.5 9B9B · Intelligenz 11,2	6 Bit	7,3 GB	12–22
Granite 4.2 8B8B · Intelligenz 11,1	8 Bit	8,5 GB	11–19
Granite 4.2 3B3B · Intelligenz 9,1	8 Bit	3,2 GB	28–50
gpt-oss-20b21B · 3,6B aktiv · Intelligenz 9	4,25 Bit nativ	13,8 GB	47–84
Nemotron 3 Nano 30B A3B30B · 3,5B aktiv · Intelligenz 8,9	4 Bit	16,9 GB	45–80
Gemma 4 E4B8B · Intelligenz 8,9	8 Bit	8,5 GB	19–33
Ministral 3 8B8,9B · Intelligenz 5,5	6 Bit	7,2 GB	13–22
Nemotron 3 Nano 4B3,97B · Intelligenz 4,8	8 Bit	4,2 GB	21–38
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B aktiv	4 Bit	17,2 GB	47–84
GLM-4.7 Flash30B · 3B aktiv	4 Bit	16,9 GB	53–94
Gemma 4 26B A4B25,2B · 3,8B aktiv	6 Bit	20,5 GB	29–52
LFM2.5 24B A2B24B · 2B aktiv	6 Bit	19,5 GB	56–100
Phi-4 Reasoning Vision 15B15B	4 Bit	8,4 GB	11–19
Phi-4 (14B)14B	4 Bit	7,9 GB	11–20
Gemma 4 12B Unified12B	4 Bit	6,7 GB	13–24
Qwen3 8B8,2B	8 Bit	8,7 GB	10–18
Llama 3.1 8B Instruct8B	8 Bit	8,5 GB	11–19
Gemma 4 E2B5,1B	8 Bit	5,4 GB	38–67
Qwen3.5 4B4B	8 Bit	4,3 GB	21–37
Phi-4 mini instruct3,8B	8 Bit	4 GB	23–40
Llama 3.2 3B Instruct3,21B	8 Bit	3,4 GB	26–47
SmolLM3 3B3B	8 Bit	3,2 GB	28–50
LFM2.5 2.6B2,69B	8 Bit	2,9 GB	31–55
Qwen3.5 2B2B	8 Bit	2,1 GB	43–76
Llama 3.2 1B Instruct1,23B	8 Bit	1,3 GB	69–123
Qwen3.5 0.8B0,8B	8 Bit	0,9 GB	100–178
Qwen3 0.6B0,6B	8 Bit	0,6 GB	150–267

Läuft, aber langsam 9

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

Modell	Version	Speicher	Tokens/s
Qwen3.8 27B27B · Intelligenz 33,7	6 Bit	21,9 GB	4–7
Muse Glimmer 30B29,6B · Intelligenz 17,5	4 Bit	16,7 GB	5–10
Gemma 4 31B30,7B · Intelligenz 14,7	4 Bit	17,3 GB	5–9
Granite 4.2 30B30B · Intelligenz 12,7	4 Bit	16,9 GB	5–9
Qwen3.6 27B27B	6 Bit	21,9 GB	4–7
Devstral Small 2 (24B)24B	6 Bit	19,5 GB	5–8
Magistral Small 1.2 (2509)24B	6 Bit	19,5 GB	5–8
Mistral Small 3.2 (24B)24B	6 Bit	19,5 GB	5–8
Llama 3.3 70B Instruct70B	2 Bit geringere Qualität	21,9 GB	4–7

Passt gerade so 2

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

Modell	Version	Speicher	Tokens/s
Nemotron 3.5 Bolt 74B A9B74B · 9B aktiv · Intelligenz 21,4	2 Bit geringere Qualität	23,1 GB	32–57
Qwen3 Coder Next80B · 3B aktiv · Intelligenz 9,2	2 Bit geringere Qualität	25 GB	100–178

Andere Macs

Alle Macs mit 32 GB, mit jedem Chip.

Der M2 Pro mit mehr oder weniger Speicher:

16 GB22 laufen gut

Benachbarte Chips:

Im direkten Vergleich:

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

Fragen

Welches LLM ist das beste für den M2 Pro mit 32 GB?: Unter den Modellen mit veröffentlichtem Intelligence Index erzielt Qwen3.6 35B A3B den höchsten Wert von denen, die hier gut laufen: 4 Bit, etwa 53–94 Tokens pro Sekunde.
Kann der M2 Pro mit 32 GB Llama 3.3 70B ausführen?: Ja, aber langsam: 2 Bit (geringere Qualität), mit etwa 4–7 Tokens pro Sekunde.
Wie schnell ist gpt-oss-20b auf dem M2 Pro?: Etwa 47–84 Tokens pro Sekunde (4,25 Bit nativ), 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.

Was läuft auf dem M2 Pro mit 32 GB?