AnmeldenWallet erstellen

Was läuft auf dem M4 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 546 GB/s. Das bestimmt, wie schnell er schreibt. Steckt in: MacBook Pro (14-inch, M4 Pro or M4 Max, 2024), MacBook Pro (16-inch, 2024), Mac Studio (2025).

Das klügste, das gut läuftQwen3.8 27B6 Bit · 21,9 GB · 11–20 tok/sDas größte, das gut läuftQwen3.5 122B A10B4 Bit · 68,6 GB · 44–78 tok/sFür CodeQwen3 Coder Next8 Bit · 85 GB · 77–137 tok/s

Läuft gut 51

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

ModellVersionSpeicherTokens/s
Qwen3.8 27B27B · Intelligenz 33,76 Bit21,9 GB11–20
Nemotron 3.5 Bolt 74B A9B74B · 9B aktiv · Intelligenz 21,48 Bit78,6 GB26–46
Qwen3.6 35B A3B35B · 3B aktiv · Intelligenz 18,28 Bit37,2 GB77–137
Muse Glimmer 30B29,6B · Intelligenz 17,56 Bit24,1 GB10–18
Qwen3.5 122B A10B122B · 10B aktiv · Intelligenz 15,64 Bit68,6 GB44–78
Gemma 4 31B30,7B · Intelligenz 14,76 Bit24,9 GB10–18
Nemotron 3.5 Lightning 30B A3B30B · 3B aktiv · Intelligenz 12,98 Bit31,9 GB77–137
Granite 4.2 30B30B · Intelligenz 12,76 Bit24,4 GB10–18
MiniCPM5 2B2,52B · Intelligenz 12,58 Bit2,7 GB91–162
gpt-oss-120b117B · 5,1B aktiv · Intelligenz 11,64,25 Bit nativ65,3 GB91–162
Mistral Small 4 (119B)119B · 6,5B aktiv · Intelligenz 11,34 Bit66,9 GB66–118
Qwen3.5 9B9B · Intelligenz 11,28 Bit9,6 GB26–46
Granite 4.2 8B8B · Intelligenz 11,18 Bit8,5 GB29–51
Qwen3 Coder Next80B · 3B aktiv · Intelligenz 9,28 Bit85 GB77–137
Granite 4.2 3B3B · Intelligenz 9,18 Bit3,2 GB77–137
gpt-oss-20b21B · 3,6B aktiv · Intelligenz 94,25 Bit nativ13,8 GB129–230
Nemotron 3 Nano 30B A3B30B · 3,5B aktiv · Intelligenz 8,98 Bit31,9 GB66–118
Gemma 4 E4B8B · Intelligenz 8,98 Bit8,5 GB51–91
Llama 4 Scout 17B-16E Instruct109B · 17B aktiv · Intelligenz 6,56 Bit88,6 GB18–32
Ministral 3 8B8,9B · Intelligenz 5,58 Bit9,5 GB26–46
Nemotron 3 Nano 4B3,97B · Intelligenz 4,88 Bit4,2 GB59–104
Ornith 1.5 122B122B · 10B aktiv4 Bit68,6 GB44–78
Nemotron 3 Super 120B A12B120B · 12B aktiv4 Bit67,5 GB36–64
GLM-4.5 Air106B · 12B aktiv6 Bit86,1 GB25–45
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B aktiv8 Bit32,4 GB70–125
GLM-4.7 Flash30B · 3B aktiv8 Bit31,9 GB77–137
Qwen3.6 27B27B6 Bit21,9 GB11–20
Gemma 4 26B A4B25,2B · 3,8B aktiv8 Bit26,8 GB61–109
Devstral Small 2 (24B)24B8 Bit25,5 GB10–17
Magistral Small 1.2 (2509)24B8 Bit25,5 GB10–17
Mistral Small 3.2 (24B)24B8 Bit25,5 GB10–17
LFM2.5 24B A2B24B · 2B aktiv8 Bit25,5 GB117–208
Phi-4 Reasoning Vision 15B15B8 Bit15,9 GB15–27
Phi-4 (14B)14B8 Bit14,9 GB16–29
Gemma 4 12B Unified12B8 Bit12,7 GB19–34
Qwen3 8B8,2B8 Bit8,7 GB28–50
Llama 3.1 8B Instruct8B8 Bit8,5 GB29–51
Gemma 4 E2B5,1B8 Bit5,4 GB102–182
Qwen3.5 4B4B8 Bit4,3 GB57–102
Phi-4 mini instruct3,8B8 Bit4 GB61–109
Llama 3.2 3B Instruct3,21B8 Bit3,4 GB72–128
SmolLM3 3B3B8 Bit3,2 GB77–137
LFM2.5 2.6B2,69B8 Bit2,9 GB85–151
Qwen3.5 2B2B8 Bit2,1 GB117–208
Llama 3.2 1B Instruct1,23B8 Bit1,3 GB189–336
Qwen3.5 0.8B0,8B8 Bit0,9 GB273–485
Qwen3 0.6B0,6B8 Bit0,6 GB410–728
Qwen3.8 Flash Next180B · 6B aktiv · Intelligenz 39,83 Bit geringere Qualität78,8 GB95–168
Inkling Small276B · 12B aktiv · Intelligenz 25,72 Bit geringere Qualität86,3 GB65–115
DeepSeek V4 Flash 0731284B · 13B aktiv2 Bit geringere Qualität88,8 GB60–107
MiniMax M2.7230B · 10B aktiv2 Bit geringere Qualität71,9 GB79–141

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 GB3–6
Devstral 2 (123B)123B4 Bit69,2 GB4–6
Llama 3.3 70B Instruct70B8 Bit74,4 GB3–6

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 GB44–78
MiMo V2.6 Flash309B · 15B aktiv · Intelligenz 37,92 Bit geringere Qualität96,6 GB52–93
Hy3295B · 21B aktiv · Intelligenz 25,32 Bit geringere Qualität92,2 GB37–66

Zu groß 16

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

Andere Macs

Alle Macs mit 128 GB, mit jedem Chip.

Der M4 Max mit mehr oder weniger Speicher:

Benachbarte Chips:

Im direkten Vergleich:

Gegen PCs und Grafikkarten:

Mit jedem Mac oder jeder GPU vergleichen · Der M4 Max für lokale KI · Der beste Mac für lokale LLMs · Alle Macs

Fragen

Welches LLM ist das beste für den M4 Max mit 128 GB?
Unter den Modellen mit veröffentlichtem Intelligence Index erzielt Qwen3.8 27B den höchsten Wert von denen, die hier gut laufen: 6 Bit, etwa 11–20 Tokens pro Sekunde. Das größte, das gut läuft, ist Qwen3.5 122B A10B.
Kann der M4 Max mit 128 GB Llama 3.3 70B ausführen?
Ja, aber langsam: 8 Bit, mit etwa 3–6 Tokens pro Sekunde.
Wie schnell ist gpt-oss-20b auf dem M4 Max?
Etwa 129–230 Tokens pro Sekunde (4,25 Bit nativ), bei 546 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 M4 Max mit 128 GB? Modelle, Tempo