Log inMaak wallet aan

Wat draait een M3 Ultra met 96 GB?

43 van de 73 open modellen draaien er goed op. De GPU kan standaard ongeveer 72 GB van de 96 GB gebruiken, en de chip leest het geheugen met 819 GB/s; dat bepaalt hoe snel hij schrijft. Zit in: Mac Studio (2025).

Slimste dat goed draaitQwen3.8 27B8 bits · 28,7 GB · 13–23 tok/sGrootste dat goed draaitgpt-oss-120b4,25 bits native · 65,3 GB · 137–243 tok/sVoor codeQwen3 Coder Next6 bits · 65 GB · 154–273 tok/s

Draait goed 48

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

ModelVersieGeheugenTokens/s
Qwen3.8 27B27B · Intelligentie 33,78 bits28,7 GB13–23
Nemotron 3.5 Bolt 74B A9B74B · 9B actief · Intelligentie 21,46 bits60,1 GB50–90
Qwen3.6 35B A3B35B · 3B actief · Intelligentie 18,28 bits37,2 GB115–205
Muse Glimmer 30B29,6B · Intelligentie 17,58 bits31,5 GB12–21
Gemma 4 31B30,7B · Intelligentie 14,78 bits32,6 GB11–20
Nemotron 3.5 Lightning 30B A3B30B · 3B actief · Intelligentie 12,98 bits31,9 GB115–205
Granite 4.2 30B30B · Intelligentie 12,78 bits31,9 GB12–21
MiniCPM5 2B2,52B · Intelligentie 12,58 bits2,7 GB137–243
gpt-oss-120b117B · 5,1B actief · Intelligentie 11,64,25 bits native65,3 GB137–243
Qwen3.5 9B9B · Intelligentie 11,28 bits9,6 GB38–68
Granite 4.2 8B8B · Intelligentie 11,18 bits8,5 GB43–77
Qwen3 Coder Next80B · 3B actief · Intelligentie 9,26 bits65 GB154–273
Granite 4.2 3B3B · Intelligentie 9,18 bits3,2 GB115–205
gpt-oss-20b21B · 3,6B actief · Intelligentie 94,25 bits native13,8 GB194–345
Nemotron 3 Nano 30B A3B30B · 3,5B actief · Intelligentie 8,98 bits31,9 GB100–177
Gemma 4 E4B8B · Intelligentie 8,98 bits8,5 GB77–137
Llama 4 Scout 17B-16E Instruct109B · 17B actief · Intelligentie 6,54 bits61,3 GB38–68
Ministral 3 8B8,9B · Intelligentie 5,58 bits9,5 GB39–69
Nemotron 3 Nano 4B3,97B · Intelligentie 4,88 bits4,2 GB88–156
GLM-4.5 Air106B · 12B actief4 bits59,6 GB54–96
Qwen3 Coder 30B A3B Instruct30,5B · 3,3B actief8 bits32,4 GB105–187
GLM-4.7 Flash30B · 3B actief8 bits31,9 GB115–205
Qwen3.6 27B27B8 bits28,7 GB13–23
Gemma 4 26B A4B25,2B · 3,8B actief8 bits26,8 GB92–164
Devstral Small 2 (24B)24B8 bits25,5 GB14–26
Magistral Small 1.2 (2509)24B8 bits25,5 GB14–26
Mistral Small 3.2 (24B)24B8 bits25,5 GB14–26
LFM2.5 24B A2B24B · 2B actief8 bits25,5 GB176–312
Phi-4 Reasoning Vision 15B15B8 bits15,9 GB23–41
Phi-4 (14B)14B8 bits14,9 GB25–44
Gemma 4 12B Unified12B8 bits12,7 GB29–52
Qwen3 8B8,2B8 bits8,7 GB42–75
Llama 3.1 8B Instruct8B8 bits8,5 GB43–77
Gemma 4 E2B5,1B8 bits5,4 GB154–273
Qwen3.5 4B4B8 bits4,3 GB86–152
Phi-4 mini instruct3,8B8 bits4 GB92–164
Llama 3.2 3B Instruct3,21B8 bits3,4 GB108–193
SmolLM3 3B3B8 bits3,2 GB115–205
LFM2.5 2.6B2,69B8 bits2,9 GB127–226
Qwen3.5 2B2B8 bits2,1 GB176–312
Llama 3.2 1B Instruct1,23B8 bits1,3 GB284–504
Qwen3.5 0.8B0,8B8 bits0,9 GB410–728
Qwen3 0.6B0,6B8 bits0,6 GB614–1092
Qwen3.8 Flash Next180B · 6B actief · Intelligentie 39,82 bits lagere kwaliteit56,3 GB194–345
Qwen3.5 122B A10B122B · 10B actief · Intelligentie 15,63 bits lagere kwaliteit53,4 GB84–149
Mistral Small 4 (119B)119B · 6,5B actief · Intelligentie 11,33 bits lagere kwaliteit52,1 GB132–234
Ornith 1.5 122B122B · 10B actief3 bits lagere kwaliteit53,4 GB84–149
Nemotron 3 Super 120B A12B120B · 12B actief3 bits lagere kwaliteit52,5 GB70–124

Draait, maar traag 3

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

ModelVersieGeheugenTokens/s
Llama 3.3 70B Instruct70B6 bits56,9 GB6–12
Mistral Medium 3.5 (128B)128B · Intelligentie 14,23 bits lagere kwaliteit56 GB7–12
Devstral 2 (123B)123B3 bits lagere kwaliteit53,8 GB7–12

Past net 1

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

ModelVersieGeheugenTokens/s
MiniMax M2.7230B · 10B actief2 bits lagere kwaliteit71,9 GB119–211

Te groot 21

Heeft meer dan 96 GB geheugen nodig, zelfs op 2 bits.

Andere Macs

Alle Macs met 96 GB, met elke chip.

De M3 Ultra met meer of minder geheugen:

Naburige chips:

Rechtstreeks vergeleken:

Tegen pc’s en videokaarten:

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

Vragen

Wat is het beste LLM voor een M3 Ultra met 96 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 13–23 tokens per seconde. Het grootste dat goed draait, is gpt-oss-120b.
Kan een M3 Ultra met 96 GB Llama 3.3 70B draaien?
Ja, maar traag: 6 bits, met ongeveer 6–12 tokens per seconde.
Hoe snel is gpt-oss-20b op een M3 Ultra?
Ongeveer 194–345 tokens per seconde (4,25 bits native), op basis van de geheugenbandbreedte van 819 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 Ultra met 96 GB? Modellen en snelheid