AnmeldenWallet erstellen

Was läuft auf dem M3 Ultra mit 256 GB?

53 von 73 offenen Modellen laufen darauf gut. Die GPU kann standardmäßig etwa 192 GB der 256 GB nutzen, und der Chip liest den Speicher mit 819 GB/s. Das bestimmt, wie schnell er schreibt. Steckt in: Mac Studio (2025).

Das klügste, das gut läuftQwen3.8 Flash Next6 Bit · 146 GB · 75–134 tok/sDas größte, das gut läuftMiMo V2.6 Flash4,48 Bit nativ · 173 GB · 44–78 tok/sFür CodeQwen3 Coder Next8 Bit · 85 GB · 115–205 tok/s

Läuft gut 60

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

ModellVersionSpeicherTokens/s
Qwen3.8 Flash Next180B · 6B aktiv · Intelligenz 39,86 Bit146 GB75–134
MiMo V2.6 Flash309B · 15B aktiv · Intelligenz 37,94,48 Bit nativ173 GB44–78
Qwen3.8 27B27B · Intelligenz 33,78 Bit28,7 GB13–23
Inkling Small276B · 12B aktiv · Intelligenz 25,74 Bit155 GB54–96
Hy3295B · 21B aktiv · Intelligenz 25,34 Bit166 GB31–56
Nemotron 3.5 Bolt 74B A9B74B · 9B aktiv · Intelligenz 21,48 Bit78,6 GB38–68
Qwen3.6 35B A3B35B · 3B aktiv · Intelligenz 18,28 Bit37,2 GB115–205
Muse Glimmer 30B29,6B · Intelligenz 17,58 Bit31,5 GB12–21
Qwen3.5 122B A10B122B · 10B aktiv · Intelligenz 15,68 Bit130 GB35–62
Gemma 4 31B30,7B · Intelligenz 14,78 Bit32,6 GB11–20
Nemotron 3.5 Lightning 30B A3B30B · 3B aktiv · Intelligenz 12,98 Bit31,9 GB115–205
Granite 4.2 30B30B · Intelligenz 12,78 Bit31,9 GB12–21
MiniCPM5 2B2,52B · Intelligenz 12,58 Bit2,7 GB137–243
gpt-oss-120b117B · 5,1B aktiv · Intelligenz 11,64,25 Bit nativ65,3 GB137–243
Mistral Small 4 (119B)119B · 6,5B aktiv · Intelligenz 11,38 Bit126 GB53–95
Qwen3.5 9B9B · Intelligenz 11,28 Bit9,6 GB38–68
Granite 4.2 8B8B · Intelligenz 11,18 Bit8,5 GB43–77
Qwen3 Coder Next80B · 3B aktiv · Intelligenz 9,28 Bit85 GB115–205
Granite 4.2 3B3B · Intelligenz 9,18 Bit3,2 GB115–205
gpt-oss-20b21B · 3,6B aktiv · Intelligenz 94,25 Bit nativ13,8 GB194–345
Nemotron 3 Nano 30B A3B30B · 3,5B aktiv · Intelligenz 8,98 Bit31,9 GB100–177
Gemma 4 E4B8B · Intelligenz 8,98 Bit8,5 GB77–137
Llama 4 Scout 17B-16E Instruct109B · 17B aktiv · Intelligenz 6,58 Bit116 GB20–36
Ministral 3 8B8,9B · Intelligenz 5,58 Bit9,5 GB39–69
Nemotron 3 Nano 4B3,97B · Intelligenz 4,88 Bit4,2 GB88–156
DeepSeek V4 Flash 0731284B · 13B aktiv4 Bit160 GB50–90
MiniMax M2.7230B · 10B aktiv4 Bit129 GB66–117
Ornith 1.5 122B122B · 10B aktiv8 Bit130 GB35–62
Nemotron 3 Super 120B A12B120B · 12B aktiv8 Bit128 GB29–51
GLM-4.5 Air106B · 12B aktiv8 Bit113 GB29–51
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B aktiv8 Bit32,4 GB105–187
GLM-4.7 Flash30B · 3B aktiv8 Bit31,9 GB115–205
Qwen3.6 27B27B8 Bit28,7 GB13–23
Gemma 4 26B A4B25,2B · 3,8B aktiv8 Bit26,8 GB92–164
Devstral Small 2 (24B)24B8 Bit25,5 GB14–26
Magistral Small 1.2 (2509)24B8 Bit25,5 GB14–26
Mistral Small 3.2 (24B)24B8 Bit25,5 GB14–26
LFM2.5 24B A2B24B · 2B aktiv8 Bit25,5 GB176–312
Phi-4 Reasoning Vision 15B15B8 Bit15,9 GB23–41
Phi-4 (14B)14B8 Bit14,9 GB25–44
Gemma 4 12B Unified12B8 Bit12,7 GB29–52
Qwen3 8B8,2B8 Bit8,7 GB42–75
Llama 3.1 8B Instruct8B8 Bit8,5 GB43–77
Gemma 4 E2B5,1B8 Bit5,4 GB154–273
Qwen3.5 4B4B8 Bit4,3 GB86–152
Phi-4 mini instruct3,8B8 Bit4 GB92–164
Llama 3.2 3B Instruct3,21B8 Bit3,4 GB108–193
SmolLM3 3B3B8 Bit3,2 GB115–205
LFM2.5 2.6B2,69B8 Bit2,9 GB127–226
Qwen3.5 2B2B8 Bit2,1 GB176–312
Llama 3.2 1B Instruct1,23B8 Bit1,3 GB284–504
Qwen3.5 0.8B0,8B8 Bit0,9 GB410–728
Qwen3 0.6B0,6B8 Bit0,6 GB614–1092
DeepSeek V4.1 Flash 1017552B · 16B aktiv · Intelligenz 45,12 Bit geringere Qualität173 GB74–131
GLM-5.3 Flash320B · 18B aktiv · Intelligenz 41,83 Bit geringere Qualität140 GB47–83
Beam 1.0501B · 23B aktiv · Intelligenz 30,32 Bit geringere Qualität157 GB51–91
MiniMax M3428B · 23B aktiv · Intelligenz 29,22 Bit geringere Qualität134 GB51–91
Nemotron 3 Ultra 550B A55B550B · 55B aktiv · Intelligenz 22,92 Bit geringere Qualität172 GB21–38
Qwen3.5 397B A17B397B · 17B aktiv · Intelligenz 18,43 Bit geringere Qualität174 GB50–89
Llama 4 Maverick 17B-128E Instruct400B · 17B aktiv · Intelligenz 9,33 Bit geringere Qualität175 GB50–89

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 14,28 Bit136 GB3–5
Devstral 2 (123B)123B8 Bit131 GB3–5
Llama 3.3 70B Instruct70B8 Bit74,4 GB5–9

Passt gerade so 1

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

ModellVersionSpeicherTokens/s
Mistral Large 3 (675B)675B · 41B aktiv2 Bit geringere Qualität211 GB29–51

Zu groß 9

Braucht mehr als 256 GB Speicher, selbst mit 2 Bit.

Andere Macs

Alle Macs mit 256 GB, mit jedem Chip.

Der M3 Ultra mit mehr oder weniger Speicher:

Benachbarte Chips:

Im direkten Vergleich:

Gegen PCs und Grafikkarten:

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

Fragen

Welches LLM ist das beste für den M3 Ultra mit 256 GB?
Unter den Modellen mit veröffentlichtem Intelligence Index erzielt Qwen3.8 Flash Next den höchsten Wert von denen, die hier gut laufen: 6 Bit, etwa 75–134 Tokens pro Sekunde. Das größte, das gut läuft, ist MiMo V2.6 Flash.
Kann der M3 Ultra mit 256 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 M3 Ultra?
Etwa 194–345 Tokens pro Sekunde (4,25 Bit nativ), bei 819 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 Ultra mit 256 GB? Modelle, Tempo