Log inMaak wallet aan

Wat draait een M3 Pro met 18 GB?

20 van de 73 open modellen draaien er goed op. De GPU kan standaard ongeveer 14 GB van de 18 GB gebruiken, en de chip leest het geheugen met 150 GB/s; dat bepaalt hoe snel hij schrijft. Zit in: MacBook Pro (14-inch, M3 Pro or M3 Max, Nov 2023), MacBook Pro (16-inch, Nov 2023).

Slimste dat goed draaitMiniCPM5 2B8 bits · 2,7 GB · 25–44 tok/sGrootste dat goed draaitGemma 4 12B Unified4 bits · 6,7 GB · 10–18 tok/s

Draait goed 27

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

ModelVersieGeheugenTokens/s
MiniCPM5 2B2,52B · Intelligentie 12,58 bits2,7 GB25–44
Qwen3.5 9B9B · Intelligentie 11,24 bits5,1 GB13–24
Granite 4.2 8B8B · Intelligentie 11,16 bits6,5 GB10–18
Granite 4.2 3B3B · Intelligentie 9,18 bits3,2 GB21–38
Gemma 4 E4B8B · Intelligentie 8,98 bits8,5 GB14–25
Ministral 3 8B8,9B · Intelligentie 5,54 bits5 GB14–24
Nemotron 3 Nano 4B3,97B · Intelligentie 4,88 bits4,2 GB16–29
Gemma 4 12B Unified12B4 bits6,7 GB10–18
Qwen3 8B8,2B6 bits6,7 GB10–18
Llama 3.1 8B Instruct8B6 bits6,5 GB10–18
Gemma 4 E2B5,1B8 bits5,4 GB28–50
Qwen3.5 4B4B8 bits4,3 GB16–28
Phi-4 mini instruct3,8B8 bits4 GB17–30
Llama 3.2 3B Instruct3,21B8 bits3,4 GB20–35
SmolLM3 3B3B8 bits3,2 GB21–38
LFM2.5 2.6B2,69B8 bits2,9 GB23–41
Qwen3.5 2B2B8 bits2,1 GB32–57
Llama 3.2 1B Instruct1,23B8 bits1,3 GB52–92
Qwen3.5 0.8B0,8B8 bits0,9 GB75–133
Qwen3 0.6B0,6B8 bits0,6 GB113–200
Qwen3.6 35B A3B35B · 3B actief · Intelligentie 18,22 bits lagere kwaliteit10,9 GB75–133
Nemotron 3.5 Lightning 30B A3B30B · 3B actief · Intelligentie 12,92 bits lagere kwaliteit9,4 GB75–133
Nemotron 3 Nano 30B A3B30B · 3,5B actief · Intelligentie 8,92 bits lagere kwaliteit9,4 GB61–109
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B actief2 bits lagere kwaliteit9,5 GB68–120
GLM-4.7 Flash30B · 3B actief2 bits lagere kwaliteit9,4 GB75–133
Gemma 4 26B A4B25,2B · 3,8B actief3 bits lagere kwaliteit11 GB40–71
LFM2.5 24B A2B24B · 2B actief3 bits lagere kwaliteit10,5 GB75–133

Draait, maar traag 10

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

ModelVersieGeheugenTokens/s
Phi-4 Reasoning Vision 15B15B4 bits8,4 GB8–14
Phi-4 (14B)14B6 bits11,4 GB6–11
Qwen3.8 27B27B · Intelligentie 33,73 bits lagere kwaliteit11,8 GB6–10
Muse Glimmer 30B29,6B · Intelligentie 17,52 bits lagere kwaliteit9,3 GB7–13
Gemma 4 31B30,7B · Intelligentie 14,72 bits lagere kwaliteit9,6 GB7–13
Granite 4.2 30B30B · Intelligentie 12,72 bits lagere kwaliteit9,4 GB7–13
Qwen3.6 27B27B3 bits lagere kwaliteit11,8 GB6–10
Devstral Small 2 (24B)24B3 bits lagere kwaliteit10,5 GB6–11
Magistral Small 1.2 (2509)24B3 bits lagere kwaliteit10,5 GB6–11
Mistral Small 3.2 (24B)24B3 bits lagere kwaliteit10,5 GB6–11

Past net 1

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

ModelVersieGeheugenTokens/s
gpt-oss-20b21B · 3,6B actief · Intelligentie 94,25 bits native13,8 GB36–63

Te groot 35

Heeft meer dan 18 GB geheugen nodig, zelfs op 2 bits.

Andere Macs

Alle Macs met 18 GB, met elke chip.

De M3 Pro met meer of minder geheugen:

Naburige chips:

Rechtstreeks vergeleken:

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

Vragen

Wat is het beste LLM voor een M3 Pro met 18 GB?
Van de modellen met een gepubliceerde Intelligence Index scoort MiniCPM5 2B het hoogst van de modellen die hier goed draaien: 8 bits, ongeveer 25–44 tokens per seconde. Het grootste dat goed draait, is Gemma 4 12B Unified.
Kan een M3 Pro met 18 GB Llama 3.3 70B draaien?
Nee: zelfs op 2 bits is meer nodig dan de 14 GB die de GPU standaard kan gebruiken.
Hoe snel is gpt-oss-20b op een M3 Pro?
Ongeveer 36–63 tokens per seconde (4,25 bits native), op basis van de geheugenbandbreedte van 150 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 M3 Pro met 18 GB? Modellen en snelheid