Wat is het beste LLM voor een Mac met 24 GB?

Van de modellen met een gepubliceerde Intelligence Index scoort MiniCPM5 2B het hoogst van de modellen die goed draaien in 24 GB (8 bits). Het grootste dat goed draait, is Gemma 4 26B A4B. Voor code: Devstral Small 2 (24B).

Is 24 GB genoeg voor lokale AI op een Mac?

28 van de 73 open modellen op deze lijst draaien er goed in, op 4 bits of beter. macOS laat de GPU standaard ongeveer 18 GB ervan gebruiken; het model en de context moeten daarin passen.

Kan een Mac met 24 GB gpt-oss-20b draaien?

Ja, 4,25 bits native, met ongeveer 24–42 tokens per seconde op een M3 en 73–129 op een M5 Pro.

Beste lokale LLM's voor een 24 GB-Mac (M2 tot M6): wat draait

Macs met 24 GB

7 chips van M2 tot M6 zijn er met 24 GB. Open er een voor de eigen lijst en snelheden.

Draait goed 36

Past met ruimte voor de context, op 10 of meer tokens per seconde op de M5 Pro.

Model	Versie	Geheugen	M3	M5 Pro
MiniCPM5 2B2,52B · Intelligentie 12,5	8 bits	2,7 GB	17–30	51–91
Qwen3.5 9B9B · Intelligentie 11,2	8 bits	9,6 GB	5–8	14–26
Granite 4.2 8B8B · Intelligentie 11,1	8 bits	8,5 GB	10–18	16–29
Granite 4.2 3B3B · Intelligentie 9,1	8 bits	3,2 GB	14–25	43–77
gpt-oss-20b21B · 3,6B actief · Intelligentie 9	4,25 bits native	13,8 GB	24–42	73–129
Gemma 4 E4B8B · Intelligentie 8,9	8 bits	8,5 GB	12–22	29–51
Ministral 3 8B8,9B · Intelligentie 5,5	8 bits	9,5 GB	5–8	15–26
Nemotron 3 Nano 4B3,97B · Intelligentie 4,8	8 bits	4,2 GB	11–19	33–58
Gemma 4 26B A4B25,2B · 3,8B actief	4 bits	14,2 GB	21–38	66–117
Devstral Small 2 (24B)24B	4 bits	13,5 GB	3–6	10–18
Magistral Small 1.2 (2509)24B	4 bits	13,5 GB	3–6	10–18
Mistral Small 3.2 (24B)24B	4 bits	13,5 GB	3–6	10–18
LFM2.5 24B A2B24B · 2B actief	4 bits	13,5 GB	41–73	126–223
Phi-4 Reasoning Vision 15B15B	6 bits	12,2 GB	3–5	11–20
Phi-4 (14B)14B	6 bits	11,4 GB	3–5	12–22
Gemma 4 12B Unified12B	8 bits	12,7 GB	4–6	11–19
Qwen3 8B8,2B	8 bits	8,7 GB	10–17	16–28
Llama 3.1 8B Instruct8B	8 bits	8,5 GB	10–18	16–29
Gemma 4 E2B5,1B	8 bits	5,4 GB	19–33	58–102
Qwen3.5 4B4B	8 bits	4,3 GB	10–19	32–57
Phi-4 mini instruct3,8B	8 bits	4 GB	11–20	35–61
Llama 3.2 3B Instruct3,21B	8 bits	3,4 GB	13–24	41–72
SmolLM3 3B3B	8 bits	3,2 GB	14–25	43–77
LFM2.5 2.6B2,69B	8 bits	2,9 GB	16–28	48–85
Qwen3.5 2B2B	8 bits	2,1 GB	21–38	66–117
Llama 3.2 1B Instruct1,23B	8 bits	1,3 GB	35–62	106–189
Qwen3.5 0.8B0,8B	8 bits	0,9 GB	50–89	154–273
Qwen3 0.6B0,6B	8 bits	0,6 GB	75–133	230–409
Qwen3.6 35B A3B35B · 3B actief · Intelligentie 18,2	3 bits lagere kwaliteit	15,3 GB	35–62	106–189
Muse Glimmer 30B29,6B · Intelligentie 17,5	3 bits lagere kwaliteit	13 GB	3–6	11–19
Gemma 4 31B30,7B · Intelligentie 14,7	3 bits lagere kwaliteit	13,4 GB	3–6	10–18
Nemotron 3.5 Lightning 30B A3B30B · 3B actief · Intelligentie 12,9	3 bits lagere kwaliteit	13,1 GB	35–62	106–189
Granite 4.2 30B30B · Intelligentie 12,7	3 bits lagere kwaliteit	13,1 GB	3–6	11–19
Nemotron 3 Nano 30B A3B30B · 3,5B actief · Intelligentie 8,9	3 bits lagere kwaliteit	13,1 GB	30–53	92–164
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B actief	3 bits lagere kwaliteit	13,3 GB	32–57	99–175
GLM-4.7 Flash30B · 3B actief	3 bits lagere kwaliteit	13,1 GB	35–62	106–189

Draait, maar traag 2

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

Model	Versie	Geheugen	M3	M5 Pro
Qwen3.8 27B27B · Intelligentie 33,7	4 bits	15,2 GB	3–5	9–16
Qwen3.6 27B27B	4 bits	15,2 GB	3–5	9–16

Vragen

Wat is het beste LLM voor een Mac met 24 GB?: Van de modellen met een gepubliceerde Intelligence Index scoort MiniCPM5 2B het hoogst van de modellen die goed draaien in 24 GB (8 bits). Het grootste dat goed draait, is Gemma 4 26B A4B. Voor code: Devstral Small 2 (24B).
Is 24 GB genoeg voor lokale AI op een Mac?: 28 van de 73 open modellen op deze lijst draaien er goed in, op 4 bits of beter. macOS laat de GPU standaard ongeveer 18 GB ervan gebruiken; het model en de context moeten daarin passen.
Kan een Mac met 24 GB gpt-oss-20b draaien?: Ja, 4,25 bits native, met ongeveer 24–42 tokens per seconde op een M3 en 73–129 op een M5 Pro.

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.

De beste LLM's voor een Mac met 24 GB.