AnmeldenWallet erstellen

Was läuft auf dem M3 Ultra mit 96 GB?

43 von 73 offenen Modellen laufen darauf gut. Die GPU kann standardmäßig etwa 72 GB der 96 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 27B8 Bit · 28,7 GB · 13–23 tok/sDas größte, das gut läuftgpt-oss-120b4,25 Bit nativ · 65,3 GB · 137–243 tok/sFür CodeQwen3 Coder Next6 Bit · 65 GB · 154–273 tok/s

Läuft gut 48

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

ModellVersionSpeicherTokens/s
Qwen3.8 27B27B · Intelligenz 33,78 Bit28,7 GB13–23
Nemotron 3.5 Bolt 74B A9B74B · 9B aktiv · Intelligenz 21,46 Bit60,1 GB50–90
Qwen3.6 35B A3B35B · 3B aktiv · Intelligenz 18,28 Bit37,2 GB115–205
Muse Glimmer 30B29,6B · Intelligenz 17,58 Bit31,5 GB12–21
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
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 9,26 Bit65 GB154–273
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 6,54 Bit61,3 GB38–68
Ministral 3 8B8,9B · Intelligenz 5,58 Bit9,5 GB39–69
Nemotron 3 Nano 4B3,97B · Intelligenz 4,88 Bit4,2 GB88–156
GLM-4.5 Air106B · 12B aktiv4 Bit59,6 GB54–96
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
Qwen3.8 Flash Next180B · 6B aktiv · Intelligenz 39,82 Bit geringere Qualität56,3 GB194–345
Qwen3.5 122B A10B122B · 10B aktiv · Intelligenz 15,63 Bit geringere Qualität53,4 GB84–149
Mistral Small 4 (119B)119B · 6,5B aktiv · Intelligenz 11,33 Bit geringere Qualität52,1 GB132–234
Ornith 1.5 122B122B · 10B aktiv3 Bit geringere Qualität53,4 GB84–149
Nemotron 3 Super 120B A12B120B · 12B aktiv3 Bit geringere Qualität52,5 GB70–124

Läuft, aber langsam 3

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

ModellVersionSpeicherTokens/s
Llama 3.3 70B Instruct70B6 Bit56,9 GB6–12
Mistral Medium 3.5 (128B)128B · Intelligenz 14,23 Bit geringere Qualität56 GB7–12
Devstral 2 (123B)123B3 Bit geringere Qualität53,8 GB7–12

Passt gerade so 1

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

ModellVersionSpeicherTokens/s
MiniMax M2.7230B · 10B aktiv2 Bit geringere Qualität71,9 GB119–211

Zu groß 21

Braucht mehr als 96 GB Speicher, selbst mit 2 Bit.

Andere Macs

Alle Macs mit 96 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 96 GB?
Unter den Modellen mit veröffentlichtem Intelligence Index erzielt Qwen3.8 27B den höchsten Wert von denen, die hier gut laufen: 8 Bit, etwa 13–23 Tokens pro Sekunde. Das größte, das gut läuft, ist gpt-oss-120b.
Kann der M3 Ultra mit 96 GB Llama 3.3 70B ausführen?
Ja, aber langsam: 6 Bit, mit etwa 6–12 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 96 GB? Modelle, Tempo