AnmeldenWallet erstellen

Was läuft auf dem M5 mit 32 GB?

28 von 73 offenen Modellen laufen darauf gut. Die GPU kann standardmäßig etwa 24 GB der 32 GB nutzen, und der Chip liest den Speicher mit 153 GB/s. Das bestimmt, wie schnell er schreibt. Steckt in: MacBook Pro (14-inch, M5), MacBook Air (13-inch, M5), MacBook Air (15-inch, M5).

Das klügste, das gut läuftQwen3.6 35B A3B4 Bit · 19,7 GB · 41–72 tok/sDas größte, das gut läuftQwen3.6 35B A3B4 Bit · 19,7 GB · 41–72 tok/sFür CodeQwen3 Coder 30B A3B Instruct4 Bit · 17,2 GB · 36–64 tok/s

Läuft gut 28

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

ModellVersionSpeicherTokens/s
Qwen3.6 35B A3B35B · 3B aktiv · Intelligenz 18,24 Bit19,7 GB41–72
Nemotron 3.5 Lightning 30B A3B30B · 3B aktiv · Intelligenz 12,94 Bit16,9 GB41–72
MiniCPM5 2B2,52B · Intelligenz 12,58 Bit2,7 GB26–45
Qwen3.5 9B9B · Intelligenz 11,24 Bit5,1 GB14–24
Granite 4.2 8B8B · Intelligenz 11,16 Bit6,5 GB11–19
Granite 4.2 3B3B · Intelligenz 9,18 Bit3,2 GB22–38
gpt-oss-20b21B · 3,6B aktiv · Intelligenz 94,25 Bit nativ13,8 GB36–64
Nemotron 3 Nano 30B A3B30B · 3,5B aktiv · Intelligenz 8,94 Bit16,9 GB34–61
Gemma 4 E4B8B · Intelligenz 8,98 Bit8,5 GB14–26
Ministral 3 8B8,9B · Intelligenz 5,56 Bit7,2 GB10–17
Nemotron 3 Nano 4B3,97B · Intelligenz 4,88 Bit4,2 GB16–29
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B aktiv4 Bit17,2 GB36–64
GLM-4.7 Flash30B · 3B aktiv4 Bit16,9 GB41–72
Gemma 4 26B A4B25,2B · 3,8B aktiv6 Bit20,5 GB22–39
LFM2.5 24B A2B24B · 2B aktiv6 Bit19,5 GB43–77
Gemma 4 12B Unified12B4 Bit6,7 GB10–18
Qwen3 8B8,2B6 Bit6,7 GB10–18
Llama 3.1 8B Instruct8B6 Bit6,5 GB11–19
Gemma 4 E2B5,1B8 Bit5,4 GB29–51
Qwen3.5 4B4B8 Bit4,3 GB16–28
Phi-4 mini instruct3,8B8 Bit4 GB17–31
Llama 3.2 3B Instruct3,21B8 Bit3,4 GB20–36
SmolLM3 3B3B8 Bit3,2 GB22–38
LFM2.5 2.6B2,69B8 Bit2,9 GB24–42
Qwen3.5 2B2B8 Bit2,1 GB33–58
Llama 3.2 1B Instruct1,23B8 Bit1,3 GB53–94
Qwen3.5 0.8B0,8B8 Bit0,9 GB77–136
Qwen3 0.6B0,6B8 Bit0,6 GB115–204

Läuft, aber langsam 11

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

ModellVersionSpeicherTokens/s
Qwen3.8 27B27B · Intelligenz 33,76 Bit21,9 GB3–6
Muse Glimmer 30B29,6B · Intelligenz 17,54 Bit16,7 GB4–7
Gemma 4 31B30,7B · Intelligenz 14,74 Bit17,3 GB4–7
Granite 4.2 30B30B · Intelligenz 12,74 Bit16,9 GB4–7
Qwen3.6 27B27B6 Bit21,9 GB3–6
Devstral Small 2 (24B)24B6 Bit19,5 GB4–6
Magistral Small 1.2 (2509)24B6 Bit19,5 GB4–6
Mistral Small 3.2 (24B)24B6 Bit19,5 GB4–6
Phi-4 Reasoning Vision 15B15B8 Bit15,9 GB4–8
Phi-4 (14B)14B8 Bit14,9 GB5–8
Llama 3.3 70B Instruct70B2 Bit geringere Qualität21,9 GB3–6

Passt gerade so 2

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

ModellVersionSpeicherTokens/s
Nemotron 3.5 Bolt 74B A9B74B · 9B aktiv · Intelligenz 21,42 Bit geringere Qualität23,1 GB25–44
Qwen3 Coder Next80B · 3B aktiv · Intelligenz 9,22 Bit geringere Qualität25 GB77–136

Zu groß 32

Braucht mehr als 32 GB Speicher, selbst mit 2 Bit.

Andere Macs

Alle Macs mit 32 GB, mit jedem Chip.

Der M5 mit mehr oder weniger Speicher:

Benachbarte Chips:

Im direkten Vergleich:

Mit jedem Mac oder jeder GPU vergleichen · Der M5 für lokale KI · Der beste Mac für lokale LLMs · Alle Macs

Fragen

Welches LLM ist das beste für den M5 mit 32 GB?
Unter den Modellen mit veröffentlichtem Intelligence Index erzielt Qwen3.6 35B A3B den höchsten Wert von denen, die hier gut laufen: 4 Bit, etwa 41–72 Tokens pro Sekunde.
Kann der M5 mit 32 GB Llama 3.3 70B ausführen?
Ja, aber langsam: 2 Bit (geringere Qualität), mit etwa 3–6 Tokens pro Sekunde.
Wie schnell ist gpt-oss-20b auf dem M5?
Etwa 36–64 Tokens pro Sekunde (4,25 Bit nativ), bei 153 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 M5 mit 32 GB? Modelle, Tempo