AnmeldenWallet erstellen

Was läuft auf dem M3 Pro mit 18 GB?

20 von 73 offenen Modellen laufen darauf gut. Die GPU kann standardmäßig etwa 14 GB der 18 GB nutzen, und der Chip liest den Speicher mit 150 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 läuftMiniCPM5 2B8 Bit · 2,7 GB · 25–44 tok/sDas größte, das gut läuftGemma 4 12B Unified4 Bit · 6,7 GB · 10–18 tok/s

Läuft gut 27

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

ModellVersionSpeicherTokens/s
MiniCPM5 2B2,52B · Intelligenz 12,58 Bit2,7 GB25–44
Qwen3.5 9B9B · Intelligenz 11,24 Bit5,1 GB13–24
Granite 4.2 8B8B · Intelligenz 11,16 Bit6,5 GB10–18
Granite 4.2 3B3B · Intelligenz 9,18 Bit3,2 GB21–38
Gemma 4 E4B8B · Intelligenz 8,98 Bit8,5 GB14–25
Ministral 3 8B8,9B · Intelligenz 5,54 Bit5 GB14–24
Nemotron 3 Nano 4B3,97B · Intelligenz 4,88 Bit4,2 GB16–29
Gemma 4 12B Unified12B4 Bit6,7 GB10–18
Qwen3 8B8,2B6 Bit6,7 GB10–18
Llama 3.1 8B Instruct8B6 Bit6,5 GB10–18
Gemma 4 E2B5,1B8 Bit5,4 GB28–50
Qwen3.5 4B4B8 Bit4,3 GB16–28
Phi-4 mini instruct3,8B8 Bit4 GB17–30
Llama 3.2 3B Instruct3,21B8 Bit3,4 GB20–35
SmolLM3 3B3B8 Bit3,2 GB21–38
LFM2.5 2.6B2,69B8 Bit2,9 GB23–41
Qwen3.5 2B2B8 Bit2,1 GB32–57
Llama 3.2 1B Instruct1,23B8 Bit1,3 GB52–92
Qwen3.5 0.8B0,8B8 Bit0,9 GB75–133
Qwen3 0.6B0,6B8 Bit0,6 GB113–200
Qwen3.6 35B A3B35B · 3B aktiv · Intelligenz 18,22 Bit geringere Qualität10,9 GB75–133
Nemotron 3.5 Lightning 30B A3B30B · 3B aktiv · Intelligenz 12,92 Bit geringere Qualität9,4 GB75–133
Nemotron 3 Nano 30B A3B30B · 3,5B aktiv · Intelligenz 8,92 Bit geringere Qualität9,4 GB61–109
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B aktiv2 Bit geringere Qualität9,5 GB68–120
GLM-4.7 Flash30B · 3B aktiv2 Bit geringere Qualität9,4 GB75–133
Gemma 4 26B A4B25,2B · 3,8B aktiv3 Bit geringere Qualität11 GB40–71
LFM2.5 24B A2B24B · 2B aktiv3 Bit geringere Qualität10,5 GB75–133

Läuft, aber langsam 10

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

ModellVersionSpeicherTokens/s
Phi-4 Reasoning Vision 15B15B4 Bit8,4 GB8–14
Phi-4 (14B)14B6 Bit11,4 GB6–11
Qwen3.8 27B27B · Intelligenz 33,73 Bit geringere Qualität11,8 GB6–10
Muse Glimmer 30B29,6B · Intelligenz 17,52 Bit geringere Qualität9,3 GB7–13
Gemma 4 31B30,7B · Intelligenz 14,72 Bit geringere Qualität9,6 GB7–13
Granite 4.2 30B30B · Intelligenz 12,72 Bit geringere Qualität9,4 GB7–13
Qwen3.6 27B27B3 Bit geringere Qualität11,8 GB6–10
Devstral Small 2 (24B)24B3 Bit geringere Qualität10,5 GB6–11
Magistral Small 1.2 (2509)24B3 Bit geringere Qualität10,5 GB6–11
Mistral Small 3.2 (24B)24B3 Bit geringere Qualität10,5 GB6–11

Passt gerade so 1

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

ModellVersionSpeicherTokens/s
gpt-oss-20b21B · 3,6B aktiv · Intelligenz 94,25 Bit nativ13,8 GB36–63

Zu groß 35

Braucht mehr als 18 GB Speicher, selbst mit 2 Bit.

Andere Macs

Alle Macs mit 18 GB, mit jedem Chip.

Der M3 Pro mit mehr oder weniger Speicher:

Benachbarte Chips:

Im direkten Vergleich:

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

Fragen

Welches LLM ist das beste für den M3 Pro mit 18 GB?
Unter den Modellen mit veröffentlichtem Intelligence Index erzielt MiniCPM5 2B den höchsten Wert von denen, die hier gut laufen: 8 Bit, etwa 25–44 Tokens pro Sekunde. Das größte, das gut läuft, ist Gemma 4 12B Unified.
Kann der M3 Pro mit 18 GB Llama 3.3 70B ausführen?
Nein: Selbst mit 2 Bit braucht es mehr als die 14 GB, die die GPU standardmäßig nutzen kann.
Wie schnell ist gpt-oss-20b auf dem M3 Pro?
Etwa 36–63 Tokens pro Sekunde (4,25 Bit nativ), bei 150 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 Pro mit 18 GB? Modelle, Tempo