Wat is het beste LLM voor een M3 met 16 GB?

Van de modellen met een gepubliceerde Intelligence Index scoort MiniCPM5 2B het hoogst van de modellen die hier goed draaien: 8 bits, ongeveer 17–30 tokens per seconde. Het grootste dat goed draait, is Qwen3 8B.

Kan een M3 met 16 GB Llama 3.3 70B draaien?

Nee: zelfs op 2 bits is meer nodig dan de 12 GB die de GPU standaard kan gebruiken.

Hoe snel is gpt-oss-20b op een M3?

Ongeveer 28–50 tokens per seconde (3 bits), op basis van de geheugenbandbreedte van 100 GB/s van de chip.

Welke LLM's draait een M3 met 16 GB? Modellen en snelheid

Draait goed 24

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

Model	Versie	Geheugen	Tokens/s
MiniCPM5 2B2,52B · Intelligentie 12,5	8 bits	2,7 GB	17–30
Granite 4.2 8B8B · Intelligentie 11,1	4 bits	4,5 GB	10–18
Granite 4.2 3B3B · Intelligentie 9,1	8 bits	3,2 GB	14–25
Gemma 4 E4B8B · Intelligentie 8,9	6 bits	6,5 GB	12–22
Nemotron 3 Nano 4B3,97B · Intelligentie 4,8	8 bits	4,2 GB	11–19
Qwen3 8B8,2B	4 bits	4,6 GB	10–17
Llama 3.1 8B Instruct8B	4 bits	4,5 GB	10–18
Gemma 4 E2B5,1B	8 bits	5,4 GB	19–33
Qwen3.5 4B4B	8 bits	4,3 GB	10–19
Phi-4 mini instruct3,8B	8 bits	4 GB	11–20
Llama 3.2 3B Instruct3,21B	8 bits	3,4 GB	13–24
SmolLM3 3B3B	8 bits	3,2 GB	14–25
LFM2.5 2.6B2,69B	8 bits	2,9 GB	16–28
Qwen3.5 2B2B	8 bits	2,1 GB	21–38
Llama 3.2 1B Instruct1,23B	8 bits	1,3 GB	35–62
Qwen3.5 0.8B0,8B	8 bits	0,9 GB	50–89
Qwen3 0.6B0,6B	8 bits	0,6 GB	75–133
Nemotron 3.5 Lightning 30B A3B30B · 3B actief · Intelligentie 12,9	2 bits lagere kwaliteit	9,4 GB	50–89
gpt-oss-20b21B · 3,6B actief · Intelligentie 9	3 bits lagere kwaliteit	9,2 GB	28–50
Nemotron 3 Nano 30B A3B30B · 3,5B actief · Intelligentie 8,9	2 bits lagere kwaliteit	9,4 GB	41–73
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B actief	2 bits lagere kwaliteit	9,5 GB	45–80
GLM-4.7 Flash30B · 3B actief	2 bits lagere kwaliteit	9,4 GB	50–89
Gemma 4 26B A4B25,2B · 3,8B actief	2 bits lagere kwaliteit	7,9 GB	38–67
LFM2.5 24B A2B24B · 2B actief	3 bits lagere kwaliteit	10,5 GB	50–89

Draait, maar traag 13

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

Model	Versie	Geheugen	Tokens/s
Qwen3.5 9B9B · Intelligentie 11,2	8 bits	9,6 GB	5–8
Ministral 3 8B8,9B · Intelligentie 5,5	8 bits	9,5 GB	5–8
Phi-4 Reasoning Vision 15B15B	4 bits	8,4 GB	5–10
Phi-4 (14B)14B	4 bits	7,9 GB	6–10
Gemma 4 12B Unified12B	6 bits	9,7 GB	5–8
Qwen3.8 27B27B · Intelligentie 33,7	2 bits lagere kwaliteit	8,4 GB	5–10
Muse Glimmer 30B29,6B · Intelligentie 17,5	2 bits lagere kwaliteit	9,3 GB	5–9
Gemma 4 31B30,7B · Intelligentie 14,7	2 bits lagere kwaliteit	9,6 GB	5–8
Granite 4.2 30B30B · Intelligentie 12,7	2 bits lagere kwaliteit	9,4 GB	5–9
Qwen3.6 27B27B	2 bits lagere kwaliteit	8,4 GB	5–10
Devstral Small 2 (24B)24B	3 bits lagere kwaliteit	10,5 GB	4–8
Magistral Small 1.2 (2509)24B	3 bits lagere kwaliteit	10,5 GB	4–8
Mistral Small 3.2 (24B)24B	3 bits lagere kwaliteit	10,5 GB	4–8

Past net 1

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

Model	Versie	Geheugen	Tokens/s
Qwen3.6 35B A3B35B · 3B actief · Intelligentie 18,2	2 bits lagere kwaliteit	10,9 GB	50–89

Andere Macs

Alle Macs met 16 GB, met elke chip.

De M3 met meer of minder geheugen:

Naburige chips:

Rechtstreeks vergeleken:

Vergelijk met elke Mac of GPU · De M3 voor lokale AI · De beste Mac voor lokale LLM's · Alle Macs

Vragen

Wat is het beste LLM voor een M3 met 16 GB?: Van de modellen met een gepubliceerde Intelligence Index scoort MiniCPM5 2B het hoogst van de modellen die hier goed draaien: 8 bits, ongeveer 17–30 tokens per seconde. Het grootste dat goed draait, is Qwen3 8B.
Kan een M3 met 16 GB Llama 3.3 70B draaien?: Nee: zelfs op 2 bits is meer nodig dan de 12 GB die de GPU standaard kan gebruiken.
Hoe snel is gpt-oss-20b op een M3?: Ongeveer 28–50 tokens per seconde (3 bits), op basis van de geheugenbandbreedte van 100 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 M3 met 16 GB?