Wie viel Speicher braucht Llama 3.3 70B Instruct?

Etwa 39,4 GB für die Gewichte mit 4 Bit, plus Platz für den Kontext: insgesamt 42,6 GB. Auf einem Mac heißt das 64 GB gemeinsamer Arbeitsspeicher oder mehr, denn macOS lässt die GPU standardmäßig etwa 75 % davon nutzen.

Wie schnell ist Llama 3.3 70B Instruct auf einem Mac?

Das Schreibtempo hängt von der Speicherbandbreite ab. Der schnellste Mac dafür ist hier einer mit M5 Ultra und 96 GB, mit etwa 14–24 Tokens pro Sekunde (4 Bit). Der kleinste Mac, der es ausführt, schafft mit 64 GB etwa 9–16 auf dem M2 Ultra.

Schadet Quantisierung Llama 3.3 70B Instruct?

Mit 4 Bit bleiben die meisten Modelle nah an der Originalqualität; unter 4 Bit sinkt die Qualität schneller. Nimm die höchste Genauigkeit, die mit Reserve auf deinen Mac passt.

Läuft Llama 3.3 70B Instruct auf dem Mac? Speicher und Tempo

Speicher bei jeder Genauigkeit

Version	Gewichte	Mit Kontext	Kleinster Mac
8 Bit	74,4 GB	80,4 GB	128 GB
6 Bit	56,9 GB	61,5 GB	96 GB
4 Bit	39,4 GB	42,6 GB	64 GB
3 Bit geringere Qualität	30,6 GB	33 GB	48 GB
2 Bit geringere Qualität	21,9 GB	23,7 GB	32 GB

Auf jedem Apple-Chip

Die kleinste Speichergröße jedes Chips, mit der Llama 3.3 70B Instruct läuft, die beste Version, die hineinpasst, und das Schreibtempo, das du erwarten kannst.

Chip	Braucht	Version	Tokens/s
M6	32 GB	2 Bit Langsam	3–6
M5 Ultra	96 GB	4 Bit Läuft gut	14–24
M5 Max	64 GB	4 Bit Langsam	7–12
M5 Pro	64 GB	4 Bit Langsam	4–6
M5	32 GB	2 Bit Langsam	3–6
M4 Max	64 GB	4 Bit Langsam	6–11
M4 Pro	64 GB	4 Bit Langsam	3–6
M4	32 GB	2 Bit Langsam	2–4
M3 Ultra	96 GB	6 Bit Langsam	6–12
M3 Max	64 GB	4 Bit Langsam	5–8
M3 Pro	36 GB	2 Bit Langsam	3–5
M3	keine Größe passt	Zu groß	–
M2 Ultra	64 GB	4 Bit Langsam	9–16
M2 Max	64 GB	4 Bit Langsam	5–8
M2 Pro	32 GB	2 Bit Langsam	4–7
M2	keine Größe passt	Zu groß	–
M1 Ultra	64 GB	4 Bit Langsam	9–16
M1 Max	64 GB	4 Bit Langsam	5–8
M1 Pro	32 GB	2 Bit Langsam	4–7
M1	keine Größe passt	Zu groß	–

So führst du es aus

Der einfache Weg: Lade MLX Harness herunter, kostenlos und Open Source. Suche nach Llama 3.3 70B Instruct, 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/Llama-3.3-70B-Instruct-4bitBuild: mlx-community/Llama-3.3-70B-Instruct-4bit 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 Llama 3.3 70B Instruct

Von	Meta
Parameter	70B (Dense-Modell)
Kontext	128K Tokens
Lizenz	Llama 3.3 Community License
Veröffentlicht	2024-12
Eingabe	Text
Gewichte	meta-llama/Llama-3.3-70B-Instruct

Fragen

Wie viel Speicher braucht Llama 3.3 70B Instruct?: Etwa 39,4 GB für die Gewichte mit 4 Bit, plus Platz für den Kontext: insgesamt 42,6 GB. Auf einem Mac heißt das 64 GB gemeinsamer Arbeitsspeicher oder mehr, denn macOS lässt die GPU standardmäßig etwa 75 % davon nutzen.
Wie schnell ist Llama 3.3 70B Instruct auf einem Mac?: Das Schreibtempo hängt von der Speicherbandbreite ab. Der schnellste Mac dafür ist hier einer mit M5 Ultra und 96 GB, mit etwa 14–24 Tokens pro Sekunde (4 Bit). Der kleinste Mac, der es ausführt, schafft mit 64 GB etwa 9–16 auf dem M2 Ultra.
Schadet Quantisierung Llama 3.3 70B Instruct?: Mit 4 Bit bleiben die meisten Modelle nah an der Originalqualität; unter 4 Bit sinkt die Qualität schneller. Nimm die höchste Genauigkeit, die mit Reserve auf deinen Mac passt.

Für deine Model Card oder README

Zeigt den kleinsten Mac, der Llama 3.3 70B Instruct gut ausführt, und verlinkt hierher.

[![Runs on a Mac](https://mlx.app/badge/run/llama-3.3-70b.svg)](https://mlx.app/run/llama-3.3-70b)

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.

Läuft Llama 3.3 70B Instruct auf einem Mac?