Zum Inhalt

M1 vs M1 Pro für lokale KI

M1 führt 10 von 74 offenen Modellen gut aus, M1 Pro schafft 18. Hier ist jedes Modell auf beiden, mit Note und Tempo.

Führt mehr Modelle gut aus (Note B oder besser)

M1 Pro

M1: 10 · M1 Pro: 18

Schneller bei Modellen, die beide ausführen

M1 Pro · ×2,4

Medianes Tempoverhältnis über 10 Modelle, die beide vollständig im Speicher laden.

Das intelligenteste Modell, das es gut ausführt

M1—

M1 ProqwenQwen3.5 9B

Die wichtigen Daten

M1 M1 Pro
Verglichener Speicher8 GB (Basiskonfiguration)16 GB (Basiskonfiguration)
Speicherbandbreite68.25 GB/s200 GB/s
SpeichertypUnified (mit dem System geteilt)Unified (mit dem System geteilt)
BackendMetalMetal
Erschienen20202021

Jedes Modell auf beiden

Note und Ausgabetempo bei Q4_K_M mit 8K Kontext; Grün markiert das bessere der beiden.

ModellECIM1M1 Pro
moonshotKimi K3157F—F—
deepseekDeepSeek V4 Pro 0813155F—F—
deepseekDeepSeek V4.1 Flash155F—F—
deepseekDeepSeek V4 Flash 0731154F—F—
zaiGLM 5.3 Flash152F—F—
zaiGLM 5.2152F—F—
moonshotKimi K2.6151F—F—
tInkling Small150F—F—
moonshotKimi K2.7 Code150F—F—
zaiGLM 5.1150F—F—
qwenQwen3.8 27B149F—F—
deepseekDeepSeek V4 Pro149F—F—
tInkling149F—F—
moonshotKimi K2.5148F—F—
minimaxMiniMax M3147F—F—
minimaxMiniMax M2.5147F—F—
qwenQwen3.5 397B A17B147F—F—
qwenQwen3.6 27B147F—F—
deepseekDeepSeek V3.2146F—F—
nvidiaNemotron 3 Ultra 550B A55B146F—F—
deepseekDeepSeek V4 Flash146F—F—
moonshotKimi K2 Thinking146F—F—
minimaxMiniMax M2.7146F—F—
zaiGLM 5146F—F—
deepseekDeepSeek V3.2 Exp145F—F—
qwenQwen3.6 35B A3B144F—F—
qwenQwen3 235B A22B Thinking 2507144F—F—
zaiGLM 4.7144F—F—
googleGemma 4 31B143F—F—
qwenQwen3.5 35B A3B143F—F—
googleGemma 4 26B A4B142F—F—
mistralMistral Medium 3.5 128B141F—F—
moonshotKimi K2140F—F—
openaigpt-oss 120b140F—F—
deepseekDeepSeek V3.1140F—F—
qwenQwen3 30B A3B Thinking 2507140F—F—
qwenQwen3.5 9B139F—A~27 t/s
qwenQwen3 235B A22B 2507139F—F—
openaigpt-oss 20b138F—F—
qwenQwen3 30B A3B 2507137F—F—
mistralMagistral Small 2506133F—F—
mistralMistral Small 3.2 24B132F—F—
mistralMagistral Small 2509131F—F—
microsoftPhi-4 14B130F—B~17 t/s
metaLlama 4 Scout 17B 16E130F—F—
metaLlama 3.3 70B127F—F—
metaLlama 3.1 8B117F—A~29 t/s
cohereCommand A+—F—F—
qwenQwen3.8 Flash Next—F—F—
qwenQwen3.5 122B A10B—F—F—
mistralMistral Small 4 119B—F—F—
qwenQwen3 Coder Next—F—F—
moonshotKimi Linear 48B A3B—F—F—
ai2Olmo 3.1 32B Think—F—F—
nvidiaNemotron 3.5 Lightning 30B A3B—F—F—
zaiGLM 4.7 Flash—F—F—
cohereNorth Mini Code 1.0—F—F—
ibmGranite 4.2 30B—F—F—
mistralDevstral Small 2 24B—F—F—
mistralMinistral 3 14B—F—B~19 t/s
googleGemma 4 12B—F—A~22 t/s
mistralMinistral 3 8B—F—A~28 t/s
ibmGranite 4.2 8B—F—A~26 t/s
googleGemma 4 E4B—B~12 t/sA~31 t/s
ai2Olmo 3 7B—F—A~24 t/s
googleGemma 4 E2B—B~18 t/sS~45 t/s
qwenQwen3.5 4B—B~20 t/sS~48 t/s
mistralMinistral 3 3B—A~22 t/sS~52 t/s
ibmGranite 4.2 3B—A~21 t/sS~51 t/s
metaLlama 3.2 3B—A~22 t/sS~53 t/s
huggingfaceSmolLM3 3B—A~25 t/sS~58 t/s
liquidLFM2.5 2.6B—A~30 t/sS~68 t/s
qwenQwen3.5 2B—A~38 t/sS~80 t/s
qwenQwen3.5 0.8B—S~69 t/sS~118 t/s

Schätzungen aus veröffentlichten Daten und Messungen, je Backend kalibriert. Treiber, Einstellungen und Software ändern die echten Werte.

Speicher, Kontext oder Quantisierung ändernDiesen Vergleich im interaktiven Werkzeug öffnen.