Wat is het beste LLM voor een Mac met 128 GB?

Van de modellen met een gepubliceerde Intelligence Index scoort Qwen3.8 27B het hoogst van de modellen die goed draaien in 128 GB (8 bits). Het grootste dat goed draait, is Qwen3.5 122B A10B. Voor code: Qwen3 Coder Next.

Is 128 GB genoeg voor lokale AI op een Mac?

47 van de 73 open modellen op deze lijst draaien er goed in, op 4 bits of beter. macOS laat de GPU standaard ongeveer 96 GB ervan gebruiken; het model en de context moeten daarin passen.

Kan een Mac met 128 GB gpt-oss-20b draaien?

Ja, 4,25 bits native, met ongeveer 95–168 tokens per seconde op een M3 Max en 189–337 op een M1 Ultra.

Beste lokale LLM's voor een 128 GB-Mac (M1 tot M5): wat draait

Macs met 128 GB

5 chips van M1 tot M5 zijn er met 128 GB. Open er een voor de eigen lijst en snelheden.

Draait goed 51

Past met ruimte voor de context, op 10 of meer tokens per seconde op de M1 Ultra.

Model	Versie	Geheugen	M3 Max	M1 Ultra
Qwen3.8 27B27B · Intelligentie 33,7	8 bits	28,7 GB	12–21	13–22
Nemotron 3.5 Bolt 74B A9B74B · 9B actief · Intelligentie 21,4	8 bits	78,6 GB	19–33	38–67
Qwen3.6 35B A3B35B · 3B actief · Intelligentie 18,2	8 bits	37,2 GB	56–100	113–200
Muse Glimmer 30B29,6B · Intelligentie 17,5	8 bits	31,5 GB	11–19	11–20
Qwen3.5 122B A10B122B · 10B actief · Intelligentie 15,6	4 bits	68,6 GB	32–57	64–114
Gemma 4 31B30,7B · Intelligentie 14,7	8 bits	32,6 GB	10–18	11–20
Nemotron 3.5 Lightning 30B A3B30B · 3B actief · Intelligentie 12,9	8 bits	31,9 GB	56–100	113–200
Granite 4.2 30B30B · Intelligentie 12,7	8 bits	31,9 GB	11–19	11–20
MiniCPM5 2B2,52B · Intelligentie 12,5	8 bits	2,7 GB	67–119	133–237
gpt-oss-120b117B · 5,1B actief · Intelligentie 11,6	4,25 bits native	65,3 GB	67–119	133–237
Mistral Small 4 (119B)119B · 6,5B actief · Intelligentie 11,3	4 bits	66,9 GB	49–86	97–173
Qwen3.5 9B9B · Intelligentie 11,2	8 bits	9,6 GB	19–33	38–67
Granite 4.2 8B8B · Intelligentie 11,1	8 bits	8,5 GB	21–38	42–75
Qwen3 Coder Next80B · 3B actief · Intelligentie 9,2	8 bits	85 GB	56–100	113–200
Granite 4.2 3B3B · Intelligentie 9,1	8 bits	3,2 GB	56–100	113–200
gpt-oss-20b21B · 3,6B actief · Intelligentie 9	4,25 bits native	13,8 GB	95–168	189–337
Nemotron 3 Nano 30B A3B30B · 3,5B actief · Intelligentie 8,9	8 bits	31,9 GB	49–86	97–173
Gemma 4 E4B8B · Intelligentie 8,9	8 bits	8,5 GB	38–67	75–133
Llama 4 Scout 17B-16E Instruct109B · 17B actief · Intelligentie 6,5	6 bits	88,6 GB	13–23	26–46
Ministral 3 8B8,9B · Intelligentie 5,5	8 bits	9,5 GB	19–34	38–67
Nemotron 3 Nano 4B3,97B · Intelligentie 4,8	8 bits	4,2 GB	43–76	86–152
Ornith 1.5 122B122B · 10B actief	4 bits	68,6 GB	32–57	64–114
Nemotron 3 Super 120B A12B120B · 12B actief	4 bits	67,5 GB	26–47	53–94
GLM-4.5 Air106B · 12B actief	6 bits	86,1 GB	18–33	37–65
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B actief	8 bits	32,4 GB	51–91	103–183
GLM-4.7 Flash30B · 3B actief	8 bits	31,9 GB	56–100	113–200
Qwen3.6 27B27B	8 bits	28,7 GB	12–21	13–22
Gemma 4 26B A4B25,2B · 3,8B actief	8 bits	26,8 GB	45–80	90–160
Devstral Small 2 (24B)24B	8 bits	25,5 GB	13–24	14–25
Magistral Small 1.2 (2509)24B	8 bits	25,5 GB	13–24	14–25
Mistral Small 3.2 (24B)24B	8 bits	25,5 GB	13–24	14–25
LFM2.5 24B A2B24B · 2B actief	8 bits	25,5 GB	86–152	171–305
Phi-4 Reasoning Vision 15B15B	8 bits	15,9 GB	11–20	23–40
Phi-4 (14B)14B	8 bits	14,9 GB	12–21	24–43
Gemma 4 12B Unified12B	8 bits	12,7 GB	14–25	28–50
Qwen3 8B8,2B	8 bits	8,7 GB	21–37	41–74
Llama 3.1 8B Instruct8B	8 bits	8,5 GB	21–38	42–75
Gemma 4 E2B5,1B	8 bits	5,4 GB	75–133	150–267
Qwen3.5 4B4B	8 bits	4,3 GB	42–74	84–149
Phi-4 mini instruct3,8B	8 bits	4 GB	45–80	90–160
Llama 3.2 3B Instruct3,21B	8 bits	3,4 GB	53–94	106–188
SmolLM3 3B3B	8 bits	3,2 GB	56–100	113–200
LFM2.5 2.6B2,69B	8 bits	2,9 GB	62–110	124–221
Qwen3.5 2B2B	8 bits	2,1 GB	86–152	171–305
Llama 3.2 1B Instruct1,23B	8 bits	1,3 GB	138–246	277–492
Qwen3.5 0.8B0,8B	8 bits	0,9 GB	200–356	400–711
Qwen3 0.6B0,6B	8 bits	0,6 GB	300–533	600–1067
Qwen3.8 Flash Next180B · 6B actief · Intelligentie 39,8	3 bits lagere kwaliteit	78,8 GB	69–123	138–246
Inkling Small276B · 12B actief · Intelligentie 25,7	2 bits lagere kwaliteit	86,3 GB	47–84	95–168
DeepSeek V4 Flash 0731284B · 13B actief	2 bits lagere kwaliteit	88,8 GB	44–78	88–156
MiniMax M2.7230B · 10B actief	2 bits lagere kwaliteit	71,9 GB	58–103	116–206

Draait, maar traag 3

Past, maar onder de 10 tokens per seconde: prima voor batchwerk, traag om mee te chatten.

Model	Versie	Geheugen	M3 Max	M1 Ultra
Mistral Medium 3.5 (128B)128B · Intelligentie 14,2	4 bits	72 GB	3–4	5–9
Devstral 2 (123B)123B	4 bits	69,2 GB	3–5	5–9
Llama 3.3 70B Instruct70B	8 bits	74,4 GB	2–4	5–9

Past net 3

Heeft bijna al het geheugen nodig: verhoog de geheugenlimiet van de GPU en houd de context kort.

Model	Versie	Geheugen	M3 Max	M1 Ultra
GLM-5.3 Flash320B · 18B actief · Intelligentie 41,8	2 bits lagere kwaliteit	100 GB	32–57	64–114
MiMo V2.6 Flash309B · 15B actief · Intelligentie 37,9	2 bits lagere kwaliteit	96,6 GB	38–68	77–136
Hy3295B · 21B actief · Intelligentie 25,3	2 bits lagere kwaliteit	92,2 GB	27–48	55–97

Te groot 16

Heeft meer dan 128 GB geheugen nodig, zelfs op 2 bits.

Vragen

Wat is het beste LLM voor een Mac met 128 GB?: Van de modellen met een gepubliceerde Intelligence Index scoort Qwen3.8 27B het hoogst van de modellen die goed draaien in 128 GB (8 bits). Het grootste dat goed draait, is Qwen3.5 122B A10B. Voor code: Qwen3 Coder Next.
Is 128 GB genoeg voor lokale AI op een Mac?: 47 van de 73 open modellen op deze lijst draaien er goed in, op 4 bits of beter. macOS laat de GPU standaard ongeveer 96 GB ervan gebruiken; het model en de context moeten daarin passen.
Kan een Mac met 128 GB gpt-oss-20b draaien?: Ja, 4,25 bits native, met ongeveer 95–168 tokens per seconde op een M3 Max en 189–337 op een M1 Ultra.

Andere groottes: 8 GB · 16 GB · 18 GB · 24 GB · 32 GB · 36 GB · 48 GB · 64 GB · 96 GB · 128 GB · 192 GB · 256 GB · 512 GB

Draai ze met MLX Harness (gratis, open source) of met Apples mlx-lm in Terminal: stap voor stap.

Zo is het berekend

Geheugen: de parameters van het model op 8, 6, 4, 3 of 2 bits per gewicht plus de groepsschalen van MLX (een halve bit per gewicht), of het eigen formaat van het model, met daarbovenop ruimte voor de context. Standaard laat macOS de GPU ongeveer 75% van het geïntegreerde geheugen gebruiken. Snelheid: de geheugenbandbreedte gedeeld door het aantal bytes dat per token wordt gelezen, is het plafond voor één gesprek; in de openbare Apple Silicon-benchmarks van llama.cpp halen echte runs ongeveer 45% tot 80% daarvan, en dat is het bereik dat we tonen. Dit zijn schattingen, geen metingen: meet je eigen Mac op MLX Bench. Modelgegevens uit elke officiële modelkaart, chipgegevens uit de technische specificaties van Apple. Gecontroleerd op 2026-10-19. Dezelfde gegevens als mlx.app/compare.