Log inMaak wallet aan

Wat draait een M2 Ultra met 128 GB?

47 van de 73 open modellen draaien er goed op. De GPU kan standaard ongeveer 96 GB van de 128 GB gebruiken, en de chip leest het geheugen met 800 GB/s; dat bepaalt hoe snel hij schrijft. Zit in: Mac Studio (2023), Mac Pro (2023), Mac Pro (Rack, 2023).

Slimste dat goed draaitQwen3.8 27B8 bits · 28,7 GB · 13–22 tok/sGrootste dat goed draaitQwen3.5 122B A10B4 bits · 68,6 GB · 64–114 tok/sVoor codeQwen3 Coder Next8 bits · 85 GB · 113–200 tok/s

Draait goed 51

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

ModelVersieGeheugenTokens/s
Qwen3.8 27B27B · Intelligentie 33,78 bits28,7 GB13–22
Nemotron 3.5 Bolt 74B A9B74B · 9B actief · Intelligentie 21,48 bits78,6 GB38–67
Qwen3.6 35B A3B35B · 3B actief · Intelligentie 18,28 bits37,2 GB113–200
Muse Glimmer 30B29,6B · Intelligentie 17,58 bits31,5 GB11–20
Qwen3.5 122B A10B122B · 10B actief · Intelligentie 15,64 bits68,6 GB64–114
Gemma 4 31B30,7B · Intelligentie 14,78 bits32,6 GB11–20
Nemotron 3.5 Lightning 30B A3B30B · 3B actief · Intelligentie 12,98 bits31,9 GB113–200
Granite 4.2 30B30B · Intelligentie 12,78 bits31,9 GB11–20
MiniCPM5 2B2,52B · Intelligentie 12,58 bits2,7 GB133–237
gpt-oss-120b117B · 5,1B actief · Intelligentie 11,64,25 bits native65,3 GB133–237
Mistral Small 4 (119B)119B · 6,5B actief · Intelligentie 11,34 bits66,9 GB97–173
Qwen3.5 9B9B · Intelligentie 11,28 bits9,6 GB38–67
Granite 4.2 8B8B · Intelligentie 11,18 bits8,5 GB42–75
Qwen3 Coder Next80B · 3B actief · Intelligentie 9,28 bits85 GB113–200
Granite 4.2 3B3B · Intelligentie 9,18 bits3,2 GB113–200
gpt-oss-20b21B · 3,6B actief · Intelligentie 94,25 bits native13,8 GB189–337
Nemotron 3 Nano 30B A3B30B · 3,5B actief · Intelligentie 8,98 bits31,9 GB97–173
Gemma 4 E4B8B · Intelligentie 8,98 bits8,5 GB75–133
Llama 4 Scout 17B-16E Instruct109B · 17B actief · Intelligentie 6,56 bits88,6 GB26–46
Ministral 3 8B8,9B · Intelligentie 5,58 bits9,5 GB38–67
Nemotron 3 Nano 4B3,97B · Intelligentie 4,88 bits4,2 GB86–152
Ornith 1.5 122B122B · 10B actief4 bits68,6 GB64–114
Nemotron 3 Super 120B A12B120B · 12B actief4 bits67,5 GB53–94
GLM-4.5 Air106B · 12B actief6 bits86,1 GB37–65
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B actief8 bits32,4 GB103–183
GLM-4.7 Flash30B · 3B actief8 bits31,9 GB113–200
Qwen3.6 27B27B8 bits28,7 GB13–22
Gemma 4 26B A4B25,2B · 3,8B actief8 bits26,8 GB90–160
Devstral Small 2 (24B)24B8 bits25,5 GB14–25
Magistral Small 1.2 (2509)24B8 bits25,5 GB14–25
Mistral Small 3.2 (24B)24B8 bits25,5 GB14–25
LFM2.5 24B A2B24B · 2B actief8 bits25,5 GB171–305
Phi-4 Reasoning Vision 15B15B8 bits15,9 GB23–40
Phi-4 (14B)14B8 bits14,9 GB24–43
Gemma 4 12B Unified12B8 bits12,7 GB28–50
Qwen3 8B8,2B8 bits8,7 GB41–74
Llama 3.1 8B Instruct8B8 bits8,5 GB42–75
Gemma 4 E2B5,1B8 bits5,4 GB150–267
Qwen3.5 4B4B8 bits4,3 GB84–149
Phi-4 mini instruct3,8B8 bits4 GB90–160
Llama 3.2 3B Instruct3,21B8 bits3,4 GB106–188
SmolLM3 3B3B8 bits3,2 GB113–200
LFM2.5 2.6B2,69B8 bits2,9 GB124–221
Qwen3.5 2B2B8 bits2,1 GB171–305
Llama 3.2 1B Instruct1,23B8 bits1,3 GB277–492
Qwen3.5 0.8B0,8B8 bits0,9 GB400–711
Qwen3 0.6B0,6B8 bits0,6 GB600–1067
Qwen3.8 Flash Next180B · 6B actief · Intelligentie 39,83 bits lagere kwaliteit78,8 GB138–246
Inkling Small276B · 12B actief · Intelligentie 25,72 bits lagere kwaliteit86,3 GB95–168
DeepSeek V4 Flash 0731284B · 13B actief2 bits lagere kwaliteit88,8 GB88–156
MiniMax M2.7230B · 10B actief2 bits lagere kwaliteit71,9 GB116–206

Draait, maar traag 3

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

ModelVersieGeheugenTokens/s
Mistral Medium 3.5 (128B)128B · Intelligentie 14,24 bits72 GB5–9
Devstral 2 (123B)123B4 bits69,2 GB5–9
Llama 3.3 70B Instruct70B8 bits74,4 GB5–9

Past net 3

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

ModelVersieGeheugenTokens/s
GLM-5.3 Flash320B · 18B actief · Intelligentie 41,82 bits lagere kwaliteit100 GB64–114
MiMo V2.6 Flash309B · 15B actief · Intelligentie 37,92 bits lagere kwaliteit96,6 GB77–136
Hy3295B · 21B actief · Intelligentie 25,32 bits lagere kwaliteit92,2 GB55–97

Te groot 16

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

Andere Macs

Alle Macs met 128 GB, met elke chip.

De M2 Ultra met meer of minder geheugen:

Naburige chips:

Rechtstreeks vergeleken:

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

Vragen

Wat is het beste LLM voor een M2 Ultra met 128 GB?
Van de modellen met een gepubliceerde Intelligence Index scoort Qwen3.8 27B het hoogst van de modellen die hier goed draaien: 8 bits, ongeveer 13–22 tokens per seconde. Het grootste dat goed draait, is Qwen3.5 122B A10B.
Kan een M2 Ultra met 128 GB Llama 3.3 70B draaien?
Ja, maar traag: 8 bits, met ongeveer 5–9 tokens per seconde.
Hoe snel is gpt-oss-20b op een M2 Ultra?
Ongeveer 189–337 tokens per seconde (4,25 bits native), op basis van de geheugenbandbreedte van 800 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.

Welke LLM's draait een M2 Ultra met 128 GB? Modellen en snelheid