Startseite › Katalog › Bestes LLM auf dem Mac mit 128 GB Unified Memory im Jahr 2026

Bestes LLM auf dem Mac mit 128 GB Unified Memory im Jahr 2026

Q: Frontier MoE mit 128 GB: machbar?

DeepSeek V4 Flash 284B (13B aktive Parameter, MoE) in Q3_K_M (~140 GB) passt nicht in den Speicher – dafür ist ein Mac Studio mit mindestens 192 GB erforderlich. Granite 4 Mamba 150B in Q4 (~80 GB) passt hinein. Für Frontier-Modelle mit 200B+ wechseln Sie zu einem Mac Studio Ultra.

Q: MacBook Pro M5 Max 128 GB: Echt 128 GB in einem Laptop?

Ja, und es ist das einzige Notebook auf dem Markt in dieser Klasse. Das MacBook Pro mit 14 und 16 Zoll bietet sowohl mit M5 Max als auch mit M4 Max bis zu 128 GB gemeinsamen Arbeitsspeicher, allerdings nur in der GPU-Variante mit 40 Kernen — beim M5 Max ist dies auch die einzige Variante mit 614 GB/s (460 GB/s bei der Variante mit 32 Kernen). Llama 70B Q8 + 128k Kontext unterwegs, ohne Cloud. Siehe die Übersicht zum MacBook Pro M5 Max.

◆ Mac — Lokale KI auf Ihrem Mac, voll ausgereizt — Unified Memory, MLX, das richtige Modell für Ihren Chip · 24 € · oder alle Kits für 49 € →

Ranking aktualisiert am 22.09.2026

128 GB vereinheitlichter Speicher entsprechen der Premium-Stufe einer KI-Workstation – und diese ist nicht mehr auf Desktop-Rechner beschränkt: Das MacBook Pro mit 14 oder 16 Zoll erreicht sie sowohl mit M5 Max als auch mit M4 Max, sofern Sie die GPU-Variante mit 40 Kernen wählen (614 GB/s beim M5 Max gegenüber 460 GB/s bei der Variante mit 32 Kernen). Llama 70B in Q8 (~75 GB), MoE 150B in Q4, 200k Kontext für RAG im Unternehmen.

Angebote und Alternativen für lokale KI

Vergleichen Sie die Preise für MacBook Pro M5 Pro — 24 GB / 1 TB bei unseren Partnerhändlern (verifizierte Produktseiten):

AmazonPreis ansehen → Materiel.netPreis ansehen →

Welchen PC sollten Sie je nach Budget wählen? Unsere Auswahl von 800 bis 3 500 € →

Affiliate-Links — QuelLLM kann bei Käufen eine Provision erhalten, ohne dass Ihnen Mehrkosten entstehen. Dies beeinflusst die unabhängig erstellte Rangliste nicht. Als Amazon-Partner verdient QuelLLM an qualifizierten Käufen.

Rangliste

🇺🇸 Laguna XS.2

Poolside · 33 Milliarden Parameter · Apache 2.0 · Kontext: 131 072 Tokens

MoE mit 33B/3B aktiven Parametern unter Apache 2.0, Spezialist für agentisches Programmieren. 68,2 % SWE-Bench Verified, 128k ctx. Läuft auf einem Mac mit 36 GB. Veröffentlichung am 28. April 2026.

Warum dieser Rang MoE mit 33B/3B aktiven Parametern unter Apache 2.0, Spezialist für agentisches Programmieren. 68,2 % SWE-Bench Verified, 128k ctx. Läuft auf einem Mac mit 36 GB. Veröffentlichung am 28. April 2026.

ollama run laguna-xs.2

Auf Apple M5 Max (128 GB)

FP16

66 GB · 100 Tok/s

🇨🇳 GLM 4.7 Flash

Zhipu AI · 31B Parameter · MIT · Kontext: 128 000 Tokens

GLM-4.7-Flash (MoE mit 31B Parametern, davon ~3B aktiv): das beste Verhältnis von Code-Leistung zu VRAM-Bedarf in der 30B-Klasse. MIT, 128k ctx, sehr schnell auf 3090/4090.

Warum dieser Rang GLM-4.7-Flash (MoE mit 31B Parametern, davon ~3B aktiv): das beste Verhältnis von Code-Leistung zu VRAM-Bedarf in der 30B-Klasse. MIT, 128k ctx, sehr schnell auf 3090/4090.

ollama run glm-4.7-flash

Auf Apple M5 Max (128 GB)

FP16

62 GB · 100 Tok/s

🇺🇸 Granite 4.0 H-Small 32B-A9B

IBM · 32 Milliarden Parameter · Apache 2.0 · Kontext: 128 000 Tokens

Hybrid aus Mamba-2 und MoE mit 32B Parametern, davon 9B aktiv. ~70 % weniger RAM bei langem Kontext. Apache 2.0.

Warum dieser Rang Hybrid aus Mamba-2 und MoE mit 32B Parametern, davon 9B aktiv. ~70 % weniger RAM bei langem Kontext. Apache 2.0.

ollama run granite4:small-h

Auf Apple M5 Max (128 GB)

FP16

64 GB · 75 tok/s

🇨🇳 Qwen 3.6 35B-A3B

Alibaba · 35 Milliarden Parameter · Apache 2.0 · Kontextfenster: 262 000 Tokens

MoE mit 35B Parametern, davon 3B aktiv, für agentisches Coding. 73,4 % SWE-Bench. Veröffentlicht am 16. April 2026.

Warum dieser Rang MoE mit 35B Parametern, davon 3B aktiv, für agentisches Coding. 73,4 % SWE-Bench. Veröffentlicht am 16. April 2026.

ollama run qwen3.6:35b-a3b

Auf Apple M5 Max (128 GB)

FP16

70 GB · 60 Tok/s

🇨🇳 Qwen 3 30B-A3B

Alibaba · 30B Parameter · Apache 2.0 · Kontext: 131 072 Tokens

MoE mit 30B Parametern, davon 3B aktiv, und Hybrid-Thinking. MMLU 81,4, AIME24 80,4. 100+ Sprachen.

Warum dieser Rang MoE mit 30B Parametern, davon 3B aktiv, und Hybrid-Thinking. MMLU 81,4, AIME24 80,4. 100+ Sprachen.

ollama run qwen3:30b-a3b

Auf Apple M5 Max (128 GB)

FP16

62 GB · 100 Tok/s

🇺🇸 Nemotron Cascade 2 30B-A3B

NVIDIA · 30B Parameter · NVIDIA Open Model License · Kontext: 128 000 Tokens

MoE mit 30B/3B aktiven Parametern: Thinking-Modus + Instruct. Goldmedaille bei der IMO 2025 und der IOI 2025. Schnelle Inferenz dank 3B aktiver Parameter, Reasoning-Fähigkeiten auf 30B-Niveau. Veröffentlichung im April 2026.

Warum dieser Rang MoE mit 30B/3B aktiven Parametern: Thinking-Modus + Instruct. Goldmedaille bei der IMO 2025 und der IOI 2025. Schnelle Inferenz dank 3B aktiver Parameter, Reasoning-Fähigkeiten auf 30B-Niveau. Veröffentlichung im April 2026.

ollama run nemotron-cascade-2

Auf Apple M5 Max (128 GB)

FP16

60 GB · 80 tok/s

🇨🇳 Qwen3-Coder 30B-A3B

Alibaba · 30B Parameter · Apache 2.0 · 262 144 tokens ctx

MoE 30B (3,3B aktive Parameter), spezialisiert auf agentisches Coding. Sehr schnell lokal, 256k nativer Kontext, die Referenz für 16–24 GB via Ollama.

Warum dieser Rang MoE 30B (3,3B aktive Parameter), spezialisiert auf agentisches Coding. Sehr schnell lokal, 256k nativer Kontext, die Referenz für 16–24 GB via Ollama.

ollama run qwen3-coder:30b

Auf Apple M5 Max (128 GB)

FP16

61 GB · 100 Tok/s

🇨🇳 Qwen 3 VL 30B-A3B

Alibaba · 30B Parameter · Apache 2.0 · 262 144 tokens ctx

Vision-MoE mit 30B Parametern, davon 3B aktiv. Sweet Spot für Vision mit Qwen 3. 256k ctx.

Warum dieser Rang Vision-MoE mit 30B Parametern, davon 3B aktiv. Sweet Spot für Vision mit Qwen 3. 256k ctx.

ollama run qwen3-vl:30b

Auf Apple M5 Max (128 GB)

FP16

62 GB · 100 Tok/s

Vergleichstabelle

Rang	Modell	Params	VRAM Q4	Kontext	Lizenz	Auf Apple M5 Max (128 GB)
#1	Laguna XS.2	33B	19 GB	131 072	Apache 2.0	100 Tok/s · FP16
#2	GLM 4.7 Flash	31B	19 GB	128 000	MIT	100 Tok/s · FP16
#3	Granite 4.0 H-Small 32B-A9B	32B	19 GB	128 000	Apache 2.0	75 Tok/s · FP16
#4	Qwen 3.6 35B-A3B	35B	21 GB	262 000	Apache 2.0	60 tok/s · FP16
#5	Qwen 3 30B-A3B	30B	19 GB	131 072	Apache 2.0	100 Tok/s · FP16
#6	Nemotron Cascade 2 30B-A3B	30B	17 GB	128 000	NVIDIA Open Model License	80 Tok/s · FP16
#7	Qwen3-Coder 30B-A3B	30B	19 GB	262 144	Apache 2.0	100 Tok/s · FP16
#8	Qwen 3 VL 30B-A3B	30B	19 GB	262 144	Apache 2.0	100 Tok/s · FP16

Das Mac-Kit

Lokale KI auf Ihrem Mac voll ausschöpfen: Unified Memory, MLX vs. GGUF, das passende Modell für Ihren Chip und auf Apple Silicon abgestimmte Einstellungen für Ollama und LM Studio.

Lebenslanger Online-Zugang
PDF + Dateien
Erstattung binnen 30 Tagen

Das Mac-Kit → oder alle Kits lebenslang — 49 € →

Kostenloses Memo

Welches Code-Modell lässt sich auf IHREM Rechner ausführen?

Memo erhalten VRAM → bestes Code-Modell → Ollama-Befehl (alles auf einem Bildschirm, zum Kopieren und Einfügen). Und wechseln Sie zum Kit Copilote Local, um daraus ein wirklich funktionierendes Setup zu machen.

Das Kit „Copilote Local“ — die Ollama- + Cline- + Aider-Configs zum direkten Einfügen, angepasste Modelfiles, Hilfe bei Problemen, lebenslanger Zugang zum Onlinebereich →

Kein Spam. Abmeldung mit 1 Klick. Ihre Daten bleiben bei uns (werden nie weiterverkauft).

Ihre Karte → das beste Code-Modell für die lokale Ausführung und der exakte Ollama-Befehl:

Ihr VRAM	Typische GPUs / Macs	Empfohlenes Code-Modell	Ollama-Befehl
8 GB	RTX 4060 / 3060 · M1-M2 16 GB	Qwen 3.5 9B (Q4, 6,6 GB — 256k ctx)	`ollama run qwen3.5:9b`
12 GB	RTX 3060 12 GB / 4070 / 5070	Qwen 3.5 9B (Q8, 11 GB) oder Gemma 4 12B (7,6 GB)	`ollama run qwen3.5:9b-q8_0`
16 GB	RTX 5070 Ti / 4080 / 5080 · RX 9070 XT · M4 24 GB	Devstral 24B (Q4, 14 GB) — Code-Agent-Spezialist	`ollama run devstral:24b`
24 GB	RTX 3090 / 4090 · RX 7900 XTX · M4 Pro 48 GB	Qwen 3.8 27B (Q4, 18 GB) — „nahe an Copilot“	`ollama run qwen3.8:27b`
32 GB	RTX 5090	Qwen 3.6 35B-A3B (Q4, 23 GB) — schnelles MoE	`ollama run qwen3.6:35b`
48 GB+	Mac M4 Max 64 GB · M2 Ultra 128 GB	Qwen3-Coder 30B-A3B (Q8, 32 GB — 256k ctx)	`ollama run qwen3-coder:30b-a3b-q8_0`

💡 Chat/Agent ≠ Autovervollständigung. In der obigen Tabelle finden Sie Ihr Modell für Chat und Agent. Für die Inline-Autovervollständigung (FIM) behalten Sie ein kleines, dafür vorgesehenes Modell in der Variante -base : ollama run qwen2.5-coder:7b-base — das ist in diesem speziellen Fall immer noch der Referenzstandard. ⚠️ Qwen 3.8: sein Reasoning ist standardmäßig sehr hoch eingestellt, und es „denkt“ bei einfachen Anfragen zu viel nach — stellen Sie es auf low (oder schalten Sie es ab) beim ersten Start. ⚠️ Lizenzfalle: Codestral 22B = Mistral Non-Production License → zum Programmieren bei der Arbeit verboten. Qwen 3.5/3.8, Gemma 4 und Devstral sind unter Apache 2.0 lizenziert. 💡 Abstürze wegen Speicherproblemen? Halten Sie ca. 1,5 GB VRAM für den Kontext frei oder gehen Sie eine Quantisierungsstufe herunter.

🔌 Zum Einbinden in VS Code: Cline (Agent für mehrere Dateien), Aider (CLI) oder Tabby/Twinny (FIM-Autovervollständigung) — alle verbinden sich lokal mit Ollama. Das Kit Lokaler Copilot — Configs zum Einfügen + getestetes Setup — ist verfügbar: /copilote-local.

Methodik des Rankings

Filter: Modelle mit 30–250 Milliarden Parametern, die in Q4_K_M unter 96 GB bleiben (lässt 32 GB für macOS und einen sehr großen Kontext frei). Bonus: 70–150 Milliarden Parameter (Spitzenbedarf 128 GB) und MoE bis zu 250 Milliarden Parametern.

Berücksichtigte Kriterien:

Q4_K_M ≤ 96 GB
70B Q8 komfortabel
MoE-Modelle mit 150B+ nutzbar
Stabiler 200k-Kontext

Die Bewertung ist vollständig transparent: konsultieren Sie unsere Methodik für Details zur Berechnung des VRAM-Bedarfs und der Tokens pro Sekunde.

Häufige Fragen

Mac 128 GB: Llama 70B Q8 oder 123B Q5?

Llama 70B Q8 (~75 GB) bei 10–14 Tokens/sec auf M4 Max. Mistral Large 123B Q5 (~85 GB) bei 8–12 Tokens/sec. Q8 auf 70B ist in der Regel nützlicher (fast-FP16, leicht besser als Q6 anderswo). 123B bleibt im Gesamtbereich leistungsfähiger.

Frontier MoE mit 128 GB: machbar?

DeepSeek V4 Flash 284B (MoE mit 13B aktiven Parametern) Q3_K_M (~140 GB) passt nicht in den Speicher — ein Mac Studio mit mindestens 192 GB ist erforderlich. Granite 4 Mamba 150B Q4 (~80 GB) passt in den Speicher. Für Frontier-Modelle ab 200B wechseln Sie zu Mac Studio Ultra.

MacBook Pro M5 Max 128 GB: Echt 128 GB in einem Laptop?

Ja, und es ist der einzige Laptop auf dem Markt in dieser Klasse. Das MacBook Pro mit 14 und 16 Zoll bietet sowohl mit M5 Max als auch mit M4 Max bis zu 128 GB vereinheitlichten Speicher, allerdings nur in der Variante mit 40 GPU-Kernen – beim M5 Max ist dies zugleich die einzige Variante mit 614 GB/s (460 GB/s bei der Variante mit 32 Kernen). Llama 70B Q8 + 128k Kontext unterwegs, ohne Cloud. Siehe die Seite des MacBook Pro M5 Max.

Mac 128 GB vs. Server 2× H100 80 GB?

2× H100 = ca. 10× schneller bei 70B (1700 GB/s pro Karte gegenüber 546 GB/s beim gemeinsamen Speicher). Allerdings ca. 80.000 € + 1 kW gegenüber einem Mac mit 128 GB für ca. 5.000 € + 100 W. Für die private Nutzung oder kleine Teams ist der Mac beim Preis pro GB klar überlegen.

Weiterführende Informationen

Die QuelLLM-Pakete Der maßgebliche Leitfaden für jeden Anwendungsfall

Mac Lokaler Copilot Lokale KI Lokale Agenten Lokales RAG KI im Unternehmen KI ohne Filter KI-Bilder

Alle Kits lebenslang — 49 €