Speicher bei jeder Genauigkeit
| Version | Gewichte | Mit Kontext | Kleinster Mac |
|---|---|---|---|
| 4 Bit nativ | 595 GB | 643 GB | mehr als jeder Mac |
| 3 Bit geringere Qualität | 438 GB | 473 GB | mehr als jeder Mac |
| 2 Bit geringere Qualität | 313 GB | 338 GB | 512 GB |
Auf jedem Apple-Chip
Die kleinste Speichergröße jedes Chips, mit der Kimi K2.6 läuft, die beste Version, die hineinpasst, und das Schreibtempo, das du erwarten kannst.
| Chip | Braucht | Version | Tokens/s |
|---|---|---|---|
| M6 | keine Größe passt | Zu groß | – |
| M5 Ultra | 512 GB | 2 Bit Läuft gut | 54–96 |
| M5 Max | keine Größe passt | Zu groß | – |
| M5 Pro | keine Größe passt | Zu groß | – |
| M5 | keine Größe passt | Zu groß | – |
| M4 Max | keine Größe passt | Zu groß | – |
| M4 Pro | keine Größe passt | Zu groß | – |
| M4 | keine Größe passt | Zu groß | – |
| M3 Ultra | 512 GB | 2 Bit Läuft gut | 37–66 |
| M3 Max | keine Größe passt | Zu groß | – |
| M3 Pro | keine Größe passt | Zu groß | – |
| M3 | keine Größe passt | Zu groß | – |
| M2 Ultra | keine Größe passt | Zu groß | – |
| M2 Max | keine Größe passt | Zu groß | – |
| M2 Pro | keine Größe passt | Zu groß | – |
| M2 | keine Größe passt | Zu groß | – |
| M1 Ultra | keine Größe passt | Zu groß | – |
| M1 Max | keine Größe passt | Zu groß | – |
| M1 Pro | keine Größe passt | Zu groß | – |
| M1 | keine Größe passt | Zu groß | – |
So führst du es aus
- Der einfache Weg: Lade MLX Harness herunter, kostenlos und Open Source. Suche nach Kimi K2.6, lade die Version, die zu deinem Mac passt, und chatte los. MLX Harness stellt das Modell auch deinen anderen Apps über eine OpenAI-kompatible API bereit.MLX Harness herunterladenKostenlos · Apple Silicon · macOS 14.5 oder neuer
- Im Terminal mit Apples MLX:
pip install mlx-lmmlx_lm.chat --model mlx-community/Kimi-K2.6-mlx-DQ3_K_M-q8Build: mlx-community/Kimi-K2.6-mlx-DQ3_K_M-q8 auf Hugging Face. Andere Genauigkeiten liegen gleich daneben.
Schritt für Schritt: LLMs auf den Mac laden und ausführen · So nutzt du MLX Harness · MLX vs. Ollama vs. llama.cpp
Über Kimi K2.6
| Von | Moonshot AI |
|---|---|
| Parameter | 1.000B gesamt · 32B aktiv (Mixture of Experts) |
| Kontext | 256K Tokens |
| Lizenz | Modified MIT |
| Veröffentlicht | 2026-04 |
| Eingabe | Text und Bilder |
| Gewichte | moonshotai/Kimi-K2.6 |
Fragen
- Wie viel Speicher braucht Kimi K2.6?
- Etwa 595 GB für die Gewichte mit 4 Bit nativ, plus Platz für den Kontext: insgesamt 643 GB. Das ist mehr, als heute irgendein Mac hat.
- Wie schnell ist Kimi K2.6 auf einem Mac?
- Das Schreibtempo hängt von der Speicherbandbreite ab. Der schnellste Mac dafür ist hier einer mit M5 Ultra und 512 GB, mit etwa 54–96 Tokens pro Sekunde (2 Bit). Der kleinste Mac, der es ausführt, schafft mit 512 GB etwa 54–96 auf dem M5 Ultra.
- Warum läuft Kimi K2.6 schneller, als seine Größe vermuten lässt?
- Es ist ein Mixture-of-Experts-Modell: Es hält 1.000B Parameter im Speicher, liest pro Token aber nur 32B. Darum schreibt es so schnell wie ein viel kleineres Modell.
Ähnliche Modelle
Für deine Model Card oder README
Zeigt den kleinsten Mac, der Kimi K2.6 gut ausführt, und verlinkt hierher.
[](https://mlx.app/run/kimi-k2.6)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.