Welches LLM ist das beste für den M5 Pro mit 24 GB?

Unter den Modellen mit veröffentlichtem Intelligence Index erzielt MiniCPM5 2B den höchsten Wert von denen, die hier gut laufen: 8 Bit, etwa 51–91 Tokens pro Sekunde. Das größte, das gut läuft, ist Gemma 4 26B A4B.

Kann der M5 Pro mit 24 GB Llama 3.3 70B ausführen?

Nein: Selbst mit 2 Bit braucht es mehr als die 18 GB, die die GPU standardmäßig nutzen kann.

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

Etwa 73–129 Tokens pro Sekunde (4,25 Bit nativ), bei 307 GB/s Speicherbandbreite des Chips.

Welche LLMs laufen auf dem M5 Pro mit 24 GB? Modelle, Tempo

Läuft gut 36

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

Modell	Version	Speicher	Tokens/s
MiniCPM5 2B2,52B · Intelligenz 12,5	8 Bit	2,7 GB	51–91
Qwen3.5 9B9B · Intelligenz 11,2	8 Bit	9,6 GB	14–26
Granite 4.2 8B8B · Intelligenz 11,1	8 Bit	8,5 GB	16–29
Granite 4.2 3B3B · Intelligenz 9,1	8 Bit	3,2 GB	43–77
gpt-oss-20b21B · 3,6B aktiv · Intelligenz 9	4,25 Bit nativ	13,8 GB	73–129
Gemma 4 E4B8B · Intelligenz 8,9	8 Bit	8,5 GB	29–51
Ministral 3 8B8,9B · Intelligenz 5,5	8 Bit	9,5 GB	15–26
Nemotron 3 Nano 4B3,97B · Intelligenz 4,8	8 Bit	4,2 GB	33–58
Gemma 4 26B A4B25,2B · 3,8B aktiv	4 Bit	14,2 GB	66–117
Devstral Small 2 (24B)24B	4 Bit	13,5 GB	10–18
Magistral Small 1.2 (2509)24B	4 Bit	13,5 GB	10–18
Mistral Small 3.2 (24B)24B	4 Bit	13,5 GB	10–18
LFM2.5 24B A2B24B · 2B aktiv	4 Bit	13,5 GB	126–223
Phi-4 Reasoning Vision 15B15B	6 Bit	12,2 GB	11–20
Phi-4 (14B)14B	6 Bit	11,4 GB	12–22
Gemma 4 12B Unified12B	8 Bit	12,7 GB	11–19
Qwen3 8B8,2B	8 Bit	8,7 GB	16–28
Llama 3.1 8B Instruct8B	8 Bit	8,5 GB	16–29
Gemma 4 E2B5,1B	8 Bit	5,4 GB	58–102
Qwen3.5 4B4B	8 Bit	4,3 GB	32–57
Phi-4 mini instruct3,8B	8 Bit	4 GB	35–61
Llama 3.2 3B Instruct3,21B	8 Bit	3,4 GB	41–72
SmolLM3 3B3B	8 Bit	3,2 GB	43–77
LFM2.5 2.6B2,69B	8 Bit	2,9 GB	48–85
Qwen3.5 2B2B	8 Bit	2,1 GB	66–117
Llama 3.2 1B Instruct1,23B	8 Bit	1,3 GB	106–189
Qwen3.5 0.8B0,8B	8 Bit	0,9 GB	154–273
Qwen3 0.6B0,6B	8 Bit	0,6 GB	230–409
Qwen3.6 35B A3B35B · 3B aktiv · Intelligenz 18,2	3 Bit geringere Qualität	15,3 GB	106–189
Muse Glimmer 30B29,6B · Intelligenz 17,5	3 Bit geringere Qualität	13 GB	11–19
Gemma 4 31B30,7B · Intelligenz 14,7	3 Bit geringere Qualität	13,4 GB	10–18
Nemotron 3.5 Lightning 30B A3B30B · 3B aktiv · Intelligenz 12,9	3 Bit geringere Qualität	13,1 GB	106–189
Granite 4.2 30B30B · Intelligenz 12,7	3 Bit geringere Qualität	13,1 GB	11–19
Nemotron 3 Nano 30B A3B30B · 3,5B aktiv · Intelligenz 8,9	3 Bit geringere Qualität	13,1 GB	92–164
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B aktiv	3 Bit geringere Qualität	13,3 GB	99–175
GLM-4.7 Flash30B · 3B aktiv	3 Bit geringere Qualität	13,1 GB	106–189

Läuft, aber langsam 2

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

Modell	Version	Speicher	Tokens/s
Qwen3.8 27B27B · Intelligenz 33,7	4 Bit	15,2 GB	9–16
Qwen3.6 27B27B	4 Bit	15,2 GB	9–16

Andere Macs

Alle Macs mit 24 GB, mit jedem Chip.

Der M5 Pro mit mehr oder weniger Speicher:

Benachbarte Chips:

Im direkten Vergleich:

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

Fragen

Welches LLM ist das beste für den M5 Pro mit 24 GB?: Unter den Modellen mit veröffentlichtem Intelligence Index erzielt MiniCPM5 2B den höchsten Wert von denen, die hier gut laufen: 8 Bit, etwa 51–91 Tokens pro Sekunde. Das größte, das gut läuft, ist Gemma 4 26B A4B.
Kann der M5 Pro mit 24 GB Llama 3.3 70B ausführen?: Nein: Selbst mit 2 Bit braucht es mehr als die 18 GB, die die GPU standardmäßig nutzen kann.
Wie schnell ist gpt-oss-20b auf dem M5 Pro?: Etwa 73–129 Tokens pro Sekunde (4,25 Bit nativ), bei 307 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 Pro mit 24 GB?