Per geheugengrootte
| Geheugen | Draaien goed | Grootste dat goed draait | gpt-oss-20b |
|---|---|---|---|
| 8 GB100 GB/s | 16 | Granite 4.2 8B | te groot |
| 16 GB100 GB/s | 17 | Qwen3 8B | 28–50 tok/s |
| 24 GB100 GB/s | 20 | Gemma 4 26B A4B | 24–42 tok/s |
Modellen: MacBook Air (13-inch, M3, 2024), MacBook Air (15-inch, M3, 2024). Niet elke geheugengrootte is bij elk model leverbaar; de technische specificaties van Apple vermelden waarmee elk model komt.
Vragen
- Is de MacBook Air met M3 goed voor lokale LLM's?
- Met 24 GB draait hij 20 van de 73 open modellen goed, tot Gemma 4 26B A4B, en schrijft hij ongeveer 24–42 tokens per seconde met gpt-oss-20b. De M3 leest het geheugen met 100 GB/s; dat bepaalt hoe snel hij schrijft.
- Hoeveel geheugen moet een MacBook Air met M3 hebben voor AI?
- Met 8 GB draait hij 16 open modellen goed; met 24 GB 20, tot Gemma 4 26B A4B. Het geheugen bepaalt welke modellen passen en kan later niet worden uitgebreid.
Andere Macs
De MacBook Air met andere chips:
Andere Macs met de M3:
Rechtstreeks vergeleken:
De M3 voor lokale AI · De beste Mac voor lokale LLM's · Alle Macs
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.