Wie viel Speicher braucht Llama 4 Maverick 17B-128E Instruct?

Etwa 225 GB für die Gewichte mit 4 Bit, plus Platz für den Kontext: insgesamt 243 GB. Auf einem Mac heißt das 512 GB gemeinsamer Arbeitsspeicher oder mehr, denn macOS lässt die GPU standardmäßig etwa 75 % davon nutzen.

Wie schnell ist Llama 4 Maverick 17B-128E Instruct 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 39–70 Tokens pro Sekunde (6 Bit). Der kleinste Mac, der es ausführt, schafft mit 512 GB etwa 39–70 auf dem M5 Ultra.

Warum läuft Llama 4 Maverick 17B-128E Instruct schneller, als seine Größe vermuten lässt?

Es ist ein Mixture-of-Experts-Modell: Es hält 400B Parameter im Speicher, liest pro Token aber nur 17B. Darum schreibt es so schnell wie ein viel kleineres Modell.

Läuft Llama 4 Maverick 17B-128E Instruct auf dem Mac? Speicher und Tempo

Speicher bei jeder Genauigkeit

Version	Gewichte	Mit Kontext	Kleinster Mac
8 Bit	425 GB	459 GB	mehr als jeder Mac
6 Bit	325 GB	351 GB	512 GB
4 Bit	225 GB	243 GB	512 GB
3 Bit geringere Qualität	175 GB	189 GB	256 GB
2 Bit geringere Qualität	125 GB	135 GB	192 GB

Auf jedem Apple-Chip

Die kleinste Speichergröße jedes Chips, mit der Llama 4 Maverick 17B-128E Instruct 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	6 Bit Läuft gut	39–70
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	6 Bit Läuft gut	27–47
M3 Max	keine Größe passt	Zu groß	–
M3 Pro	keine Größe passt	Zu groß	–
M3	keine Größe passt	Zu groß	–
M2 Ultra	192 GB	2 Bit Läuft gut	68–121
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 Llama 4 Maverick 17B-128E 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-4-Maverick-17B-128E-Instruct-4bitBuild: mlx-community/Llama-4-Maverick-17B-128E-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 4 Maverick 17B-128E Instruct

Von	Meta
Parameter	400B gesamt · 17B aktiv (Mixture of Experts)
Kontext	1M Tokens
Lizenz	Llama 4 Community License
Veröffentlicht	2025-04
Eingabe	Text und Bilder
Intelligenz	9,3 im Artificial Analysis Intelligence Index
Gewichte	meta-llama/Llama-4-Maverick-17B-128E-Instruct

Fragen

Wie viel Speicher braucht Llama 4 Maverick 17B-128E Instruct?: Etwa 225 GB für die Gewichte mit 4 Bit, plus Platz für den Kontext: insgesamt 243 GB. Auf einem Mac heißt das 512 GB gemeinsamer Arbeitsspeicher oder mehr, denn macOS lässt die GPU standardmäßig etwa 75 % davon nutzen.
Wie schnell ist Llama 4 Maverick 17B-128E Instruct 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 39–70 Tokens pro Sekunde (6 Bit). Der kleinste Mac, der es ausführt, schafft mit 512 GB etwa 39–70 auf dem M5 Ultra.
Warum läuft Llama 4 Maverick 17B-128E Instruct schneller, als seine Größe vermuten lässt?: Es ist ein Mixture-of-Experts-Modell: Es hält 400B Parameter im Speicher, liest pro Token aber nur 17B. Darum schreibt es so schnell wie ein viel kleineres Modell.

Für deine Model Card oder README

Zeigt den kleinsten Mac, der Llama 4 Maverick 17B-128E Instruct gut ausführt, und verlinkt hierher.

[![Runs on a Mac](https://mlx.app/badge/run/llama-4-maverick.svg)](https://mlx.app/run/llama-4-maverick)

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 4 Maverick 17B-128E Instruct auf einem Mac?