Welches LLM ist das beste für den M5 Max mit 36 GB?

Unter den Modellen mit veröffentlichtem Intelligence Index erzielt Qwen3.8 27B den höchsten Wert von denen, die hier gut laufen: 4 Bit, etwa 14–24 Tokens pro Sekunde. Das größte, das gut läuft, ist Qwen3.6 35B A3B.

Kann der M5 Max mit 36 GB Llama 3.3 70B ausführen?

Ja, aber langsam: 2 Bit (geringere Qualität), mit etwa 9–17 Tokens pro Sekunde.

Wie schnell ist gpt-oss-20b auf dem M5 Max?

Etwa 109–194 Tokens pro Sekunde (4,25 Bit nativ), bei 460 GB/s Speicherbandbreite des Chips.

Welche LLMs laufen auf dem M5 Max mit 36 GB? Modelle, Tempo

Läuft gut 40

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

Modell	Version	Speicher	Tokens/s
Qwen3.8 27B27B · Intelligenz 33,7	4 Bit	15,2 GB	14–24
Qwen3.6 35B A3B35B · 3B aktiv · Intelligenz 18,2	4 Bit	19,7 GB	122–216
Muse Glimmer 30B29,6B · Intelligenz 17,5	4 Bit	16,7 GB	12–22
Gemma 4 31B30,7B · Intelligenz 14,7	4 Bit	17,3 GB	12–21
Nemotron 3.5 Lightning 30B A3B30B · 3B aktiv · Intelligenz 12,9	6 Bit	24,4 GB	86–153
Granite 4.2 30B30B · Intelligenz 12,7	4 Bit	16,9 GB	12–22
MiniCPM5 2B2,52B · Intelligenz 12,5	8 Bit	2,7 GB	77–136
Qwen3.5 9B9B · Intelligenz 11,2	8 Bit	9,6 GB	22–38
Granite 4.2 8B8B · Intelligenz 11,1	8 Bit	8,5 GB	24–43
Granite 4.2 3B3B · Intelligenz 9,1	8 Bit	3,2 GB	65–115
gpt-oss-20b21B · 3,6B aktiv · Intelligenz 9	4,25 Bit nativ	13,8 GB	109–194
Nemotron 3 Nano 30B A3B30B · 3,5B aktiv · Intelligenz 8,9	6 Bit	24,4 GB	74–131
Gemma 4 E4B8B · Intelligenz 8,9	8 Bit	8,5 GB	43–77
Ministral 3 8B8,9B · Intelligenz 5,5	8 Bit	9,5 GB	22–39
Nemotron 3 Nano 4B3,97B · Intelligenz 4,8	8 Bit	4,2 GB	49–88
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B aktiv	6 Bit	24,8 GB	77–136
GLM-4.7 Flash30B · 3B aktiv	6 Bit	24,4 GB	86–153
Qwen3.6 27B27B	4 Bit	15,2 GB	14–24
Gemma 4 26B A4B25,2B · 3,8B aktiv	6 Bit	20,5 GB	67–119
Devstral Small 2 (24B)24B	6 Bit	19,5 GB	11–19
Magistral Small 1.2 (2509)24B	6 Bit	19,5 GB	11–19
Mistral Small 3.2 (24B)24B	6 Bit	19,5 GB	11–19
LFM2.5 24B A2B24B · 2B aktiv	6 Bit	19,5 GB	129–230
Phi-4 Reasoning Vision 15B15B	8 Bit	15,9 GB	13–23
Phi-4 (14B)14B	8 Bit	14,9 GB	14–25
Gemma 4 12B Unified12B	8 Bit	12,7 GB	16–29
Qwen3 8B8,2B	8 Bit	8,7 GB	24–42
Llama 3.1 8B Instruct8B	8 Bit	8,5 GB	24–43
Gemma 4 E2B5,1B	8 Bit	5,4 GB	86–153
Qwen3.5 4B4B	8 Bit	4,3 GB	48–86
Phi-4 mini instruct3,8B	8 Bit	4 GB	52–92
Llama 3.2 3B Instruct3,21B	8 Bit	3,4 GB	61–108
SmolLM3 3B3B	8 Bit	3,2 GB	65–115
LFM2.5 2.6B2,69B	8 Bit	2,9 GB	71–127
Qwen3.5 2B2B	8 Bit	2,1 GB	99–175
Llama 3.2 1B Instruct1,23B	8 Bit	1,3 GB	159–283
Qwen3.5 0.8B0,8B	8 Bit	0,9 GB	230–409
Qwen3 0.6B0,6B	8 Bit	0,6 GB	345–613
Nemotron 3.5 Bolt 74B A9B74B · 9B aktiv · Intelligenz 21,4	2 Bit geringere Qualität	23,1 GB	74–131
Qwen3 Coder Next80B · 3B aktiv · Intelligenz 9,2	2 Bit geringere Qualität	25 GB	230–409

Läuft, aber langsam 1

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

Modell	Version	Speicher	Tokens/s
Llama 3.3 70B Instruct70B	2 Bit geringere Qualität	21,9 GB	9–17

Andere Macs

Alle Macs mit 36 GB, mit jedem Chip.

Der M5 Max mit mehr oder weniger Speicher:

Benachbarte Chips:

Im direkten Vergleich:

Gegen PCs und Grafikkarten:

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

Fragen

Welches LLM ist das beste für den M5 Max mit 36 GB?: Unter den Modellen mit veröffentlichtem Intelligence Index erzielt Qwen3.8 27B den höchsten Wert von denen, die hier gut laufen: 4 Bit, etwa 14–24 Tokens pro Sekunde. Das größte, das gut läuft, ist Qwen3.6 35B A3B.
Kann der M5 Max mit 36 GB Llama 3.3 70B ausführen?: Ja, aber langsam: 2 Bit (geringere Qualität), mit etwa 9–17 Tokens pro Sekunde.
Wie schnell ist gpt-oss-20b auf dem M5 Max?: Etwa 109–194 Tokens pro Sekunde (4,25 Bit nativ), bei 460 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.

Was läuft auf dem M5 Max mit 36 GB?