Apple Mac Studio M4 Max (128 GB Unified Memory) — Lauffähige Modelle, maximaler Kontext & tok/s-Richtwerte

Physischer Speicher: 128 GB
Default / Tuned Usable: 96.0 / 112.6 GB
Speicherbandbreite: 546 GB/s
FP16-Rechenleistung: 36.4 TFLOPS
Typischer Cloud-$/Std. / CapEx: $0.32/hr · $4,499
TDP / Native FP8: 120W · FP16/INT4

Im VRAM-Rechner öffnen → vLLM- / Ollama-Config erzeugen → Eigene GPU vs. API vergleichen →

Interaktiver Workload-Simulator auf Mac Studio 128GB

Open-Weight-Modellvorlage (oder benutzerdefiniert)

Multi-Device-Anzahl (1× bis 8× Mac Studio 128GB)

Gewichtsquantisierung (bpw)

KV-Cache-Präzision

Kontextlänge (Tokens) 32,768 Tokens

Speicheraufschlüsselung & Bandbreitenlimit

Passt komfortabel

Modellgewichte: 77.4% KV: 19.4% Overhead: 3.2%

Gesamter Speicherbedarf

51.51 GB

Belegung pro Gerät: 51.51 / 128 GB

Modellgewichte

39.86 GB

KV: 10.00 GB

Gesch. Einzelstream-Decode

6.0 tok/s

Gesch. Batch-Durchsatz: 6.0 tok/s

Max. Kontext vor OOM

232,758

Tokens

3. Apple Silicon Unified Memory & obere Schranke der Decode-Bandbreite

macOS begrenzt den verdrahteten GPU-Speicher standardmäßig auf rund 96.0 GB (75 %); eine Erhöhung von iogpu.wired_limit_mb schaltet bis zu 112.6 GB (88 %) frei.

sudo sysctl iogpu.wired_limit_mb=115343

Auf macOS-Systemen mit Apple Silicon endet die standardmäßige verdrahtete GPU-Zuweisung bei rund 75 % des physischen Unified RAM, sofern sie nicht per sysctl iogpu.wired_limit_mb angehoben wird (modelliert bis zu einer stabilen Obergrenze von 88 %). Die autoregressive Decode-Geschwindigkeit wird durch die effektive externe Speicherbandbreite geteilt durch aktive Parameter-Bytes plus pro Schritt gelesene KV-Cache-Bytes begrenzt und alle 12 Stunden durch die automatisierte Verifikationspipeline von VRAMLab geprüft.

Open-Weight-LLM-Kompatibilitätsmatrix auf 1× Mac Studio 128GB (32K Kontext)

Passstatus und geschätzte Einzelstream-Decode-Rate in tok/s für FP16, Q8_0 und Q4_K_M auf einem einzelnen Gerät
Modell & Familie	FP16	Q8_0	Q4_K_M	Beste komfortable Quant.	Max. Kontext (Q4_K_M)	Decode-Tempo (Q4_K_M)
DeepSeek-R1 (671B MoE) 671B · MLA	Zu wenig Speicher (OOM)	Zu wenig Speicher (OOM)	Zu wenig Speicher (OOM)	—	—	—
DeepSeek-V3-0324 (671B MoE) 671B · MLA	Zu wenig Speicher (OOM)	Zu wenig Speicher (OOM)	Zu wenig Speicher (OOM)	—	—	—
DeepSeek-R1-Distill-Llama-70B 70.6B · GQA	Zu wenig Speicher (OOM)	Passt komfortabel	Passt komfortabel	Q8_0	232,758 Tokens	6.0 tok/s
DeepSeek-R1-Distill-Qwen-32B 32.8B · GQA	Passt komfortabel	Passt komfortabel	Passt komfortabel	FP16 / BF16	380,989 Tokens	11.3 tok/s
Qwen3-235B-A22B (MoE) 235B · GQA	Zu wenig Speicher (OOM)	Zu wenig Speicher (OOM)	Zu wenig Speicher (OOM)	—	—	—
Qwen3-30B-A3B (MoE) 30.5B · GQA	Passt komfortabel	Passt komfortabel	Passt komfortabel	FP16 / BF16	1,030,582 Tokens	61.6 tok/s
Qwen3-32B 32.8B · GQA	Passt komfortabel	Passt komfortabel	Passt komfortabel	FP16 / BF16	380,989 Tokens	11.3 tok/s
Qwen3-14B 14.8B · GQA	Passt komfortabel	Passt komfortabel	Passt komfortabel	FP16 / BF16	678,186 Tokens	22.4 tok/s
Qwen3-8B 8.2B · GQA	Passt komfortabel	Passt komfortabel	Passt komfortabel	FP16 / BF16	781,489 Tokens	32.8 tok/s
QwQ-32B (Reasoning) 32.8B · GQA	Passt komfortabel	Passt komfortabel	Passt komfortabel	FP16 / BF16	380,989 Tokens	11.3 tok/s
Qwen2.5-Coder-32B-Instruct 32.8B · GQA	Passt komfortabel	Passt komfortabel	Passt komfortabel	FP16 / BF16	380,989 Tokens	11.3 tok/s
Qwen2.5-72B-Instruct 72.7B · GQA	Zu wenig Speicher (OOM)	Passt komfortabel	Passt komfortabel	Q8_0	228,757 Tokens	5.9 tok/s
Llama 4 Maverick (400B / 17B-128E MoE) 402B · GQA	Zu wenig Speicher (OOM)	Zu wenig Speicher (OOM)	Zu wenig Speicher (OOM)	—	—	—
Llama 4 Scout (109B / 17B-16E MoE) 109B · HYBRID_SWA	Zu wenig Speicher (OOM)	Zu wenig Speicher (OOM)	Passt komfortabel	Q8_0	265,971 Tokens	24.3 tok/s
Llama 3.3 70B Instruct 70.6B · GQA	Zu wenig Speicher (OOM)	Passt komfortabel	Passt komfortabel	Q8_0	232,758 Tokens	6.0 tok/s
Llama 3.1 405B Instruct 405B · GQA	Zu wenig Speicher (OOM)	Zu wenig Speicher (OOM)	Zu wenig Speicher (OOM)	—	—	—
Llama 3.1 8B Instruct 8.03B · GQA	Passt komfortabel	Passt komfortabel	Passt komfortabel	FP16 / BF16	879,985 Tokens	35.1 tok/s
Gemma 3 27B IT (Multimodal) 27.4B · HYBRID_SWA	Passt komfortabel	Passt komfortabel	Passt komfortabel	FP16 / BF16	203,278 Tokens	16.3 tok/s
Gemma 3 12B IT (Multimodal) 12.2B · HYBRID_SWA	Passt komfortabel	Passt komfortabel	Passt komfortabel	FP16 / BF16	286,706 Tokens	32.5 tok/s
Mistral Small 3.1 (24B) 24B · GQA	Passt komfortabel	Passt komfortabel	Passt komfortabel	FP16 / BF16	643,122 Tokens	16.1 tok/s
Mistral Large 2411 (123B) 123B · GQA	Zu wenig Speicher (OOM)	Zu wenig Speicher (OOM)	Passt komfortabel	Q6_K	120,821 Tokens	3.7 tok/s
Codestral 22B 22.2B · GQA	Passt komfortabel	Passt komfortabel	Passt komfortabel	FP16 / BF16	464,273 Tokens	15.3 tok/s
Devstral Small (24B SWE Agent) 23.6B · GQA	Passt komfortabel	Passt komfortabel	Passt komfortabel	FP16 / BF16	644,647 Tokens	16.3 tok/s
GLM-4-32B-0414 32B · GQA	Passt komfortabel	Passt komfortabel	Passt komfortabel	FP16 / BF16	1,048,576 Tokens	15.0 tok/s
GLM-4-9B-0414 9.4B · GQA	Passt komfortabel	Passt komfortabel	Passt komfortabel	FP16 / BF16	1,048,576 Tokens	45.7 tok/s
Microsoft Phi-4 (14B) 14.7B · GQA	Passt komfortabel	Passt komfortabel	Passt komfortabel	FP16 / BF16	542,853 Tokens	20.6 tok/s
Microsoft Phi-4-mini-instruct (3.8B) 3.84B · GQA	Passt komfortabel	Passt komfortabel	Passt komfortabel	FP16 / BF16	899,947 Tokens	48.5 tok/s
Cohere Command A (111B) 111B · HYBRID_SWA	Zu wenig Speicher (OOM)	Zu wenig Speicher (OOM)	Passt komfortabel	Q5_K_M	194,714 Tokens	4.6 tok/s