AnmeldenWallet erstellen

Was läuft auf dem M5 Ultra mit 256 GB?

54 von 73 offenen Modellen laufen darauf gut. Die GPU kann standardmäßig etwa 192 GB der 256 GB nutzen, und der Chip liest den Speicher mit 1.200 GB/s. Das bestimmt, wie schnell er schreibt. Steckt in: Mac Studio (M5 Max or M5 Ultra).

Das klügste, das gut läuftQwen3.8 Flash Next6 Bit · 146 GB · 110–196 tok/sDas größte, das gut läuftMiMo V2.6 Flash4,48 Bit nativ · 173 GB · 64–114 tok/sFür CodeQwen3 Coder Next8 Bit · 85 GB · 169–300 tok/s

Läuft gut 61

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

ModellVersionSpeicherTokens/s
Qwen3.8 Flash Next180B · 6B aktiv · Intelligenz 39,86 Bit146 GB110–196
MiMo V2.6 Flash309B · 15B aktiv · Intelligenz 37,94,48 Bit nativ173 GB64–114
Qwen3.8 27B27B · Intelligenz 33,78 Bit28,7 GB19–33
Inkling Small276B · 12B aktiv · Intelligenz 25,74 Bit155 GB79–141
Hy3295B · 21B aktiv · Intelligenz 25,34 Bit166 GB46–81
Nemotron 3.5 Bolt 74B A9B74B · 9B aktiv · Intelligenz 21,48 Bit78,6 GB56–100
Qwen3.6 35B A3B35B · 3B aktiv · Intelligenz 18,28 Bit37,2 GB169–300
Muse Glimmer 30B29,6B · Intelligenz 17,58 Bit31,5 GB17–30
Qwen3.5 122B A10B122B · 10B aktiv · Intelligenz 15,68 Bit130 GB51–91
Gemma 4 31B30,7B · Intelligenz 14,78 Bit32,6 GB17–29
Nemotron 3.5 Lightning 30B A3B30B · 3B aktiv · Intelligenz 12,98 Bit31,9 GB169–300
Granite 4.2 30B30B · Intelligenz 12,78 Bit31,9 GB17–30
MiniCPM5 2B2,52B · Intelligenz 12,58 Bit2,7 GB200–356
gpt-oss-120b117B · 5,1B aktiv · Intelligenz 11,64,25 Bit nativ65,3 GB200–356
Mistral Small 4 (119B)119B · 6,5B aktiv · Intelligenz 11,38 Bit126 GB78–139
Qwen3.5 9B9B · Intelligenz 11,28 Bit9,6 GB56–100
Granite 4.2 8B8B · Intelligenz 11,18 Bit8,5 GB64–113
Qwen3 Coder Next80B · 3B aktiv · Intelligenz 9,28 Bit85 GB169–300
Granite 4.2 3B3B · Intelligenz 9,18 Bit3,2 GB169–300
gpt-oss-20b21B · 3,6B aktiv · Intelligenz 94,25 Bit nativ13,8 GB284–505
Nemotron 3 Nano 30B A3B30B · 3,5B aktiv · Intelligenz 8,98 Bit31,9 GB146–259
Gemma 4 E4B8B · Intelligenz 8,98 Bit8,5 GB113–200
Llama 4 Scout 17B-16E Instruct109B · 17B aktiv · Intelligenz 6,58 Bit116 GB30–53
Ministral 3 8B8,9B · Intelligenz 5,58 Bit9,5 GB57–101
Nemotron 3 Nano 4B3,97B · Intelligenz 4,88 Bit4,2 GB129–229
DeepSeek V4 Flash 0731284B · 13B aktiv4 Bit160 GB74–132
MiniMax M2.7230B · 10B aktiv4 Bit129 GB96–171
Ornith 1.5 122B122B · 10B aktiv8 Bit130 GB51–91
Nemotron 3 Super 120B A12B120B · 12B aktiv8 Bit128 GB42–75
GLM-4.5 Air106B · 12B aktiv8 Bit113 GB42–75
Llama 3.3 70B Instruct70B4 Bit39,4 GB14–24
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B aktiv8 Bit32,4 GB154–274
GLM-4.7 Flash30B · 3B aktiv8 Bit31,9 GB169–300
Qwen3.6 27B27B8 Bit28,7 GB19–33
Gemma 4 26B A4B25,2B · 3,8B aktiv8 Bit26,8 GB135–240
Devstral Small 2 (24B)24B8 Bit25,5 GB21–38
Magistral Small 1.2 (2509)24B8 Bit25,5 GB21–38
Mistral Small 3.2 (24B)24B8 Bit25,5 GB21–38
LFM2.5 24B A2B24B · 2B aktiv8 Bit25,5 GB257–457
Phi-4 Reasoning Vision 15B15B8 Bit15,9 GB34–60
Phi-4 (14B)14B8 Bit14,9 GB36–64
Gemma 4 12B Unified12B8 Bit12,7 GB43–76
Qwen3 8B8,2B8 Bit8,7 GB62–110
Llama 3.1 8B Instruct8B8 Bit8,5 GB64–113
Gemma 4 E2B5,1B8 Bit5,4 GB225–400
Qwen3.5 4B4B8 Bit4,3 GB126–223
Phi-4 mini instruct3,8B8 Bit4 GB135–240
Llama 3.2 3B Instruct3,21B8 Bit3,4 GB159–282
SmolLM3 3B3B8 Bit3,2 GB169–300
LFM2.5 2.6B2,69B8 Bit2,9 GB186–331
Qwen3.5 2B2B8 Bit2,1 GB257–457
Llama 3.2 1B Instruct1,23B8 Bit1,3 GB415–738
Qwen3.5 0.8B0,8B8 Bit0,9 GB600–1067
Qwen3 0.6B0,6B8 Bit0,6 GB900–1600
DeepSeek V4.1 Flash 1017552B · 16B aktiv · Intelligenz 45,12 Bit geringere Qualität173 GB108–192
GLM-5.3 Flash320B · 18B aktiv · Intelligenz 41,83 Bit geringere Qualität140 GB68–122
Beam 1.0501B · 23B aktiv · Intelligenz 30,32 Bit geringere Qualität157 GB75–133
MiniMax M3428B · 23B aktiv · Intelligenz 29,22 Bit geringere Qualität134 GB75–133
Nemotron 3 Ultra 550B A55B550B · 55B aktiv · Intelligenz 22,92 Bit geringere Qualität172 GB31–56
Qwen3.5 397B A17B397B · 17B aktiv · Intelligenz 18,43 Bit geringere Qualität174 GB73–130
Llama 4 Maverick 17B-128E Instruct400B · 17B aktiv · Intelligenz 9,33 Bit geringere Qualität175 GB73–130

Läuft, aber langsam 2

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

ModellVersionSpeicherTokens/s
Mistral Medium 3.5 (128B)128B · Intelligenz 14,28 Bit136 GB4–7
Devstral 2 (123B)123B8 Bit131 GB4–7

Passt gerade so 1

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

ModellVersionSpeicherTokens/s
Mistral Large 3 (675B)675B · 41B aktiv2 Bit geringere Qualität211 GB42–75

Zu groß 9

Braucht mehr als 256 GB Speicher, selbst mit 2 Bit.

Andere Macs

Alle Macs mit 256 GB, mit jedem Chip.

Der M5 Ultra mit mehr oder weniger Speicher:

Benachbarte Chips:

Im direkten Vergleich:

Gegen PCs und Grafikkarten:

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

Fragen

Welches LLM ist das beste für den M5 Ultra mit 256 GB?
Unter den Modellen mit veröffentlichtem Intelligence Index erzielt Qwen3.8 Flash Next den höchsten Wert von denen, die hier gut laufen: 6 Bit, etwa 110–196 Tokens pro Sekunde. Das größte, das gut läuft, ist MiMo V2.6 Flash.
Kann der M5 Ultra mit 256 GB Llama 3.3 70B ausführen?
Ja: 4 Bit, mit etwa 14–24 Tokens pro Sekunde.
Wie schnell ist gpt-oss-20b auf dem M5 Ultra?
Etwa 284–505 Tokens pro Sekunde (4,25 Bit nativ), bei 1.200 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 Ultra mit 256 GB? Modelle, Tempo