Wat is het beste LLM voor een M2 Pro met 32 GB?

Van de modellen met een gepubliceerde Intelligence Index scoort Qwen3.6 35B A3B het hoogst van de modellen die hier goed draaien: 4 bits, ongeveer 53–94 tokens per seconde.

Kan een M2 Pro met 32 GB Llama 3.3 70B draaien?

Ja, maar traag: 2 bits (lagere kwaliteit), met ongeveer 4–7 tokens per seconde.

Hoe snel is gpt-oss-20b op een M2 Pro?

Ongeveer 47–84 tokens per seconde (4,25 bits native), op basis van de geheugenbandbreedte van 200 GB/s van de chip.

Welke LLM's draait een M2 Pro met 32 GB? Modellen en snelheid

Draait goed 30

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

Model	Versie	Geheugen	Tokens/s
Qwen3.6 35B A3B35B · 3B actief · Intelligentie 18,2	4 bits	19,7 GB	53–94
Nemotron 3.5 Lightning 30B A3B30B · 3B actief · Intelligentie 12,9	4 bits	16,9 GB	53–94
MiniCPM5 2B2,52B · Intelligentie 12,5	8 bits	2,7 GB	33–59
Qwen3.5 9B9B · Intelligentie 11,2	6 bits	7,3 GB	12–22
Granite 4.2 8B8B · Intelligentie 11,1	8 bits	8,5 GB	11–19
Granite 4.2 3B3B · Intelligentie 9,1	8 bits	3,2 GB	28–50
gpt-oss-20b21B · 3,6B actief · Intelligentie 9	4,25 bits native	13,8 GB	47–84
Nemotron 3 Nano 30B A3B30B · 3,5B actief · Intelligentie 8,9	4 bits	16,9 GB	45–80
Gemma 4 E4B8B · Intelligentie 8,9	8 bits	8,5 GB	19–33
Ministral 3 8B8,9B · Intelligentie 5,5	6 bits	7,2 GB	13–22
Nemotron 3 Nano 4B3,97B · Intelligentie 4,8	8 bits	4,2 GB	21–38
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B actief	4 bits	17,2 GB	47–84
GLM-4.7 Flash30B · 3B actief	4 bits	16,9 GB	53–94
Gemma 4 26B A4B25,2B · 3,8B actief	6 bits	20,5 GB	29–52
LFM2.5 24B A2B24B · 2B actief	6 bits	19,5 GB	56–100
Phi-4 Reasoning Vision 15B15B	4 bits	8,4 GB	11–19
Phi-4 (14B)14B	4 bits	7,9 GB	11–20
Gemma 4 12B Unified12B	4 bits	6,7 GB	13–24
Qwen3 8B8,2B	8 bits	8,7 GB	10–18
Llama 3.1 8B Instruct8B	8 bits	8,5 GB	11–19
Gemma 4 E2B5,1B	8 bits	5,4 GB	38–67
Qwen3.5 4B4B	8 bits	4,3 GB	21–37
Phi-4 mini instruct3,8B	8 bits	4 GB	23–40
Llama 3.2 3B Instruct3,21B	8 bits	3,4 GB	26–47
SmolLM3 3B3B	8 bits	3,2 GB	28–50
LFM2.5 2.6B2,69B	8 bits	2,9 GB	31–55
Qwen3.5 2B2B	8 bits	2,1 GB	43–76
Llama 3.2 1B Instruct1,23B	8 bits	1,3 GB	69–123
Qwen3.5 0.8B0,8B	8 bits	0,9 GB	100–178
Qwen3 0.6B0,6B	8 bits	0,6 GB	150–267

Draait, maar traag 9

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

Model	Versie	Geheugen	Tokens/s
Qwen3.8 27B27B · Intelligentie 33,7	6 bits	21,9 GB	4–7
Muse Glimmer 30B29,6B · Intelligentie 17,5	4 bits	16,7 GB	5–10
Gemma 4 31B30,7B · Intelligentie 14,7	4 bits	17,3 GB	5–9
Granite 4.2 30B30B · Intelligentie 12,7	4 bits	16,9 GB	5–9
Qwen3.6 27B27B	6 bits	21,9 GB	4–7
Devstral Small 2 (24B)24B	6 bits	19,5 GB	5–8
Magistral Small 1.2 (2509)24B	6 bits	19,5 GB	5–8
Mistral Small 3.2 (24B)24B	6 bits	19,5 GB	5–8
Llama 3.3 70B Instruct70B	2 bits lagere kwaliteit	21,9 GB	4–7

Past net 2

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

Model	Versie	Geheugen	Tokens/s
Nemotron 3.5 Bolt 74B A9B74B · 9B actief · Intelligentie 21,4	2 bits lagere kwaliteit	23,1 GB	32–57
Qwen3 Coder Next80B · 3B actief · Intelligentie 9,2	2 bits lagere kwaliteit	25 GB	100–178

Andere Macs

Alle Macs met 32 GB, met elke chip.

De M2 Pro met meer of minder geheugen:

16 GB22 draaien goed

Naburige chips:

Rechtstreeks vergeleken:

Vergelijk met elke Mac of GPU · De M2 Pro voor lokale AI · De beste Mac voor lokale LLM's · Alle Macs

Vragen

Wat is het beste LLM voor een M2 Pro met 32 GB?: Van de modellen met een gepubliceerde Intelligence Index scoort Qwen3.6 35B A3B het hoogst van de modellen die hier goed draaien: 4 bits, ongeveer 53–94 tokens per seconde.
Kan een M2 Pro met 32 GB Llama 3.3 70B draaien?: Ja, maar traag: 2 bits (lagere kwaliteit), met ongeveer 4–7 tokens per seconde.
Hoe snel is gpt-oss-20b op een M2 Pro?: Ongeveer 47–84 tokens per seconde (4,25 bits native), op basis van de geheugenbandbreedte van 200 GB/s van de chip.

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.

Wat draait een M2 Pro met 32 GB?