Is de MacBook Pro met M2 Pro goed voor lokale LLM's?

Met 32 GB draait hij 30 van de 73 open modellen goed, tot Qwen3.6 35B A3B, en schrijft hij ongeveer 47–84 tokens per seconde met gpt-oss-20b. De M2 Pro leest het geheugen met 200 GB/s; dat bepaalt hoe snel hij schrijft.

Hoeveel geheugen moet een MacBook Pro met M2 Pro hebben voor AI?

Met 16 GB draait hij 22 open modellen goed; met 32 GB 30, tot Qwen3.6 35B A3B. Het geheugen bepaalt welke modellen passen en kan later niet worden uitgebreid.

MacBook Pro M2 Pro voor lokale AI: welke LLM's per geheugen

Per geheugengrootte

Geheugen	Draaien goed	Grootste dat goed draait	gpt-oss-20b
16 GB200 GB/s	22	Phi-4 Reasoning Vision 15B	56–100 tok/s
32 GB200 GB/s	30	Qwen3.6 35B A3B	47–84 tok/s

Modellen: MacBook Pro (14-inch, 2023), MacBook Pro (16-inch, 2023). Niet elke geheugengrootte is bij elk model leverbaar; de technische specificaties van Apple vermelden waarmee elk model komt.

Vragen

Is de MacBook Pro met M2 Pro goed voor lokale LLM's?: Met 32 GB draait hij 30 van de 73 open modellen goed, tot Qwen3.6 35B A3B, en schrijft hij ongeveer 47–84 tokens per seconde met gpt-oss-20b. De M2 Pro leest het geheugen met 200 GB/s; dat bepaalt hoe snel hij schrijft.
Hoeveel geheugen moet een MacBook Pro met M2 Pro hebben voor AI?: Met 16 GB draait hij 22 open modellen goed; met 32 GB 30, tot Qwen3.6 35B A3B. Het geheugen bepaalt welke modellen passen en kan later niet worden uitgebreid.

Andere Macs

De MacBook Pro met andere chips:

Andere Macs met de M2 Pro:

Mac mini M2 Pro

Rechtstreeks vergeleken:

De M2 Pro 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.