AnmeldenWallet erstellen

Was läuft auf dem M3 Max 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 400 GB/s. Das bestimmt, wie schnell er schreibt. Steckt in: MacBook Pro (14-inch, M3 Pro or M3 Max, Nov 2023), MacBook Pro (16-inch, Nov 2023).

Das klügste, das gut läuftQwen3.8 27B4 Bit · 15,2 GB · 12–21 tok/sDas größte, das gut läuftQwen3.5 122B A10B4 Bit · 68,6 GB · 32–57 tok/sFür CodeQwen3 Coder Next8 Bit · 85 GB · 56–100 tok/s

Läuft gut 51

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

ModellVersionSpeicherTokens/s
Qwen3.8 27B27B · Intelligenz 33,74 Bit15,2 GB12–21
Nemotron 3.5 Bolt 74B A9B74B · 9B aktiv · Intelligenz 21,48 Bit78,6 GB19–33
Qwen3.6 35B A3B35B · 3B aktiv · Intelligenz 18,28 Bit37,2 GB56–100
Muse Glimmer 30B29,6B · Intelligenz 17,54 Bit16,7 GB11–19
Qwen3.5 122B A10B122B · 10B aktiv · Intelligenz 15,64 Bit68,6 GB32–57
Gemma 4 31B30,7B · Intelligenz 14,74 Bit17,3 GB10–18
Nemotron 3.5 Lightning 30B A3B30B · 3B aktiv · Intelligenz 12,98 Bit31,9 GB56–100
Granite 4.2 30B30B · Intelligenz 12,74 Bit16,9 GB11–19
MiniCPM5 2B2,52B · Intelligenz 12,58 Bit2,7 GB67–119
gpt-oss-120b117B · 5,1B aktiv · Intelligenz 11,64,25 Bit nativ65,3 GB67–119
Mistral Small 4 (119B)119B · 6,5B aktiv · Intelligenz 11,34 Bit66,9 GB49–86
Qwen3.5 9B9B · Intelligenz 11,28 Bit9,6 GB19–33
Granite 4.2 8B8B · Intelligenz 11,18 Bit8,5 GB21–38
Qwen3 Coder Next80B · 3B aktiv · Intelligenz 9,28 Bit85 GB56–100
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 8,98 Bit31,9 GB49–86
Gemma 4 E4B8B · Intelligenz 8,98 Bit8,5 GB38–67
Llama 4 Scout 17B-16E Instruct109B · 17B aktiv · Intelligenz 6,56 Bit88,6 GB13–23
Ministral 3 8B8,9B · Intelligenz 5,58 Bit9,5 GB19–34
Nemotron 3 Nano 4B3,97B · Intelligenz 4,88 Bit4,2 GB43–76
Ornith 1.5 122B122B · 10B aktiv4 Bit68,6 GB32–57
Nemotron 3 Super 120B A12B120B · 12B aktiv4 Bit67,5 GB26–47
GLM-4.5 Air106B · 12B aktiv6 Bit86,1 GB18–33
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B aktiv8 Bit32,4 GB51–91
GLM-4.7 Flash30B · 3B aktiv8 Bit31,9 GB56–100
Qwen3.6 27B27B4 Bit15,2 GB12–21
Gemma 4 26B A4B25,2B · 3,8B aktiv8 Bit26,8 GB45–80
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 aktiv8 Bit25,5 GB86–152
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
Qwen3.8 Flash Next180B · 6B aktiv · Intelligenz 39,83 Bit geringere Qualität78,8 GB69–123
Inkling Small276B · 12B aktiv · Intelligenz 25,72 Bit geringere Qualität86,3 GB47–84
DeepSeek V4 Flash 0731284B · 13B aktiv2 Bit geringere Qualität88,8 GB44–78
MiniMax M2.7230B · 10B aktiv2 Bit geringere Qualität71,9 GB58–103

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 GB3–4
Devstral 2 (123B)123B4 Bit69,2 GB3–5
Llama 3.3 70B Instruct70B8 Bit74,4 GB2–4

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 GB32–57
MiMo V2.6 Flash309B · 15B aktiv · Intelligenz 37,92 Bit geringere Qualität96,6 GB38–68
Hy3295B · 21B aktiv · Intelligenz 25,32 Bit geringere Qualität92,2 GB27–48

Zu groß 16

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

Andere Macs

Alle Macs mit 128 GB, mit jedem Chip.

Der M3 Max mit mehr oder weniger Speicher:

Benachbarte Chips:

Im direkten Vergleich:

Mit jedem Mac oder jeder GPU vergleichen · Der M3 Max für lokale KI · Der beste Mac für lokale LLMs · Alle Macs

Fragen

Welches LLM ist das beste für den M3 Max mit 128 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 Qwen3.5 122B A10B.
Kann der M3 Max mit 128 GB Llama 3.3 70B ausführen?
Ja, aber langsam: 8 Bit, mit etwa 2–4 Tokens pro Sekunde.
Wie schnell ist gpt-oss-20b auf dem M3 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 M3 Max mit 128 GB? Modelle, Tempo