Hoeveel geheugen heeft Qwen3.5 0.8B nodig?

Ongeveer 0,5 GB aan gewichten op 4 bits, plus ruimte voor de context: 2 GB in totaal. Op een Mac betekent dat 8 GB geïntegreerd geheugen of meer, omdat macOS de GPU standaard ongeveer 75% ervan laat gebruiken.

Hoe snel is Qwen3.5 0.8B op een Mac?

De schrijfsnelheid hangt af van de geheugenbandbreedte. De snelste Mac hiervoor is een M5 Ultra met 96 GB, met ongeveer 600–1067 tokens per seconde (8 bits). De kleinste Mac die het draait, met 8 GB, haalt ongeveer 50–89 op een M3.

Gaat Qwen3.5 0.8B achteruit door kwantisatie?

Op 4 bits blijven de meeste modellen dicht bij de oorspronkelijke kwaliteit; onder 4 bits daalt de kwaliteit sneller. Kies de hoogste precisie die met wat ruimte over in je Mac past.

Draait Qwen3.5 0.8B op een Mac? Geheugen, snelheid

Geheugen bij elke precisie

Versie	Gewichten	Met context	Kleinste Mac
8 bits	0,9 GB	2,4 GB	8 GB
6 bits	0,7 GB	2,2 GB	8 GB
4 bits	0,5 GB	2 GB	8 GB
3 bits lagere kwaliteit	0,4 GB	1,9 GB	8 GB
2 bits lagere kwaliteit	0,3 GB	1,8 GB	8 GB

Op elke Apple-chip

Per chip de kleinste geheugengrootte die Qwen3.5 0.8B draait, de beste versie die erin past en de schrijfsnelheid die je kunt verwachten.

Chip	Nodig	Versie	Tokens/s
M6	16 GB	8 bits Draait goed	77–136
M5 Ultra	96 GB	8 bits Draait goed	600–1067
M5 Max	36 GB	8 bits Draait goed	230–409
M5 Pro	24 GB	8 bits Draait goed	154–273
M5	16 GB	8 bits Draait goed	77–136
M4 Max	36 GB	8 bits Draait goed	205–364
M4 Pro	24 GB	8 bits Draait goed	137–243
M4	16 GB	8 bits Draait goed	60–107
M3 Ultra	96 GB	8 bits Draait goed	410–728
M3 Max	36 GB	8 bits Draait goed	150–267
M3 Pro	18 GB	8 bits Draait goed	75–133
M3	8 GB	8 bits Draait goed	50–89
M2 Ultra	64 GB	8 bits Draait goed	400–711
M2 Max	32 GB	8 bits Draait goed	200–356
M2 Pro	16 GB	8 bits Draait goed	100–178
M2	8 GB	8 bits Draait goed	50–89
M1 Ultra	64 GB	8 bits Draait goed	400–711
M1 Max	32 GB	8 bits Draait goed	200–356
M1 Pro	16 GB	8 bits Draait goed	100–178
M1	8 GB	8 bits Draait goed	34–60

Zo draai je het

De makkelijke manier: download MLX Harness, gratis en open source. Zoek Qwen3.5 0.8B, download de versie die bij je Mac past en begin te chatten. MLX Harness stelt het model ook beschikbaar aan je andere apps via een OpenAI-compatibele API.Download MLX HarnessGratis · Apple Silicon · macOS 14.5 of nieuwer
In Terminal, met Apples MLX:pip install mlx-lmmlx_lm.chat --model mlx-community/Qwen3.5-0.8B-4bitBuild: mlx-community/Qwen3.5-0.8B-4bit op Hugging Face. Andere precisies staan ernaast.

Stap voor stap: LLM's downloaden en draaien op een Mac · zo gebruik je MLX Harness · MLX vs Ollama vs llama.cpp

Over Qwen3.5 0.8B

Gemaakt door	Qwen (Alibaba)
Parameters	0,8B (dense model)
Context	256K tokens
Licentie	Apache-2.0
Uitgebracht	2026-02
Invoer	Tekst en afbeeldingen
Gewichten	Qwen/Qwen3.5-0.8B

Vragen

Hoeveel geheugen heeft Qwen3.5 0.8B nodig?: Ongeveer 0,5 GB aan gewichten op 4 bits, plus ruimte voor de context: 2 GB in totaal. Op een Mac betekent dat 8 GB geïntegreerd geheugen of meer, omdat macOS de GPU standaard ongeveer 75% ervan laat gebruiken.
Hoe snel is Qwen3.5 0.8B op een Mac?: De schrijfsnelheid hangt af van de geheugenbandbreedte. De snelste Mac hiervoor is een M5 Ultra met 96 GB, met ongeveer 600–1067 tokens per seconde (8 bits). De kleinste Mac die het draait, met 8 GB, haalt ongeveer 50–89 op een M3.
Gaat Qwen3.5 0.8B achteruit door kwantisatie?: Op 4 bits blijven de meeste modellen dicht bij de oorspronkelijke kwaliteit; onder 4 bits daalt de kwaliteit sneller. Kies de hoogste precisie die met wat ruimte over in je Mac past.

Vergelijkbare modellen

Alle modellen · Alle Macs · Vergelijk je Mac

Voor je modelkaart of README

Toont de kleinste Mac die Qwen3.5 0.8B goed draait en linkt naar deze pagina.

[![Runs on a Mac](https://mlx.app/badge/run/qwen3.5-0.8b.svg)](https://mlx.app/run/qwen3.5-0.8b)

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.