DE
Gespräch buchen

Lokale KI

Was Local-KI auf Apple-Hardware 2026 kostet: die Kaufentscheidung von Mac mini bis M5 Ultra 512 GB

Von Michael Kerkhoff, Founder & Managing Director6 Min Lesezeit

Was Local-KI auf Apple-Hardware 2026 kostet: die Kaufentscheidung von Mac mini bis M5 Ultra 512 GB

Was Local-KI auf Apple-Hardware 2026 kostet: die Kaufentscheidung von Mac mini bis M5 Ultra 512 GB

TL;DR: Die drei Open-Weight-Flash-Modelle von August 2026 — Qwen 3.8 Flash Next, GLM 5.3 Flash und DeepSeek V4 Flash — sprengen die klassische 27B-Logik. Der sinnvolle Einstieg liegt bei 96 GB, das Arbeitspferd ist das 256-GB-Paket ab 10.999 Euro, und 512 GB kommt erst Ende Oktober. Wer unter 1 Million Tokens am Tag bewegt, fährt mit der API fast immer billiger als mit der Hardware.

Die Hardware-Achse: Preise nach Config

Die Preisstaffel 2026 ist steiler als bei früheren Generationen. Die Basiswerte belegt idealo, die Ultra-Konfigurationen ComputerBase und MacTechNews:

GerätRAMPreis (Straße/UVP)Quelle
Mac mini M616 GBab 1.019 €idealo
Mac mini M624 GB1.449 €idealo
Mac Studio M5 Max32/36 GB2.869–2.949 €idealo, Mactrade
Mac Studio M5 Max128 GB5.809–5.859 €idealo
Mac Studio M5 Ultra (30C/64C)96 GBab 6.599 €ComputerBase
Mac Studio M5 Ultra (30C/64C)256 GBab 10.999 €ComputerBase
Mac Studio M5 Ultra (36C/80C)256 GB12.429 €ComputerBase
Mac Studio M5 Ultra512 GBEnde Oktober 2026, Preis offenMacTechNews

Der Sprung von 96 auf 256 GB kostet 4.400 € Aufpreis — das ist der wichtigste Einzelwert für die Kaufentscheidung. Der Arbeitsspeicher ist überall verlötet und nachträglich nicht erweiterbar.

Die Modell-Achse: drei Flash-Modelle, drei Footprints

Die alte Rechnung „27B-Q4 passt auf 24 GB" gilt für diese Modelle nicht mehr. Alle drei sind Mixture-of-Experts mit sehr geringer Aktivierung pro Token, aber großem Gesamt-Footprint:

  • Qwen 3.8 Flash Next: 125B total plus 51B N-Gram-Tabelle (Engram), 6B aktive Parameter. GGUF-Footprints laut Unsloth: 1-bit 75 GB, 3-bit 90 GB, 4-bit 96–114 GB, 8-bit 200 GB, BF16 355 GB.
  • GLM 5.3 Flash: 320B total, 18B aktiv, nativ multimodal. FP8 belegt rund 328 GB auf Disk, 4-bit rund 164 GB.
  • DeepSeek V4 Flash (inkl. Vision-Exp-Variante vom 21. August): 284B total, 13B aktiv, rund 160 GB auf Disk.

RAM-zu-Modell-Fit

RAMQwen 3.8 FNGLM 5.3 FDeepSeek V4 F
24 GBkeins komplett, nur 27B-dense-Klasse——
96 GB1-bit (75 GB)——
128 GB3-bit (90 GB) + Kontext——
256 GB4-bit (96–114 GB)4-bit (~164 GB)~160 GB
512 GB8-bit (200 GB)FP8 (328 GB)großer Kontext

Die Kontext-Steuer nicht vergessen: lange Prompts und Sessions legen mehrere GB KV-Cache obendrauf. Faustregel: 10–15 Prozent Speicher als Puffer einplanen, sonst wird ins Paging von der SSD gezwungen.

Die Kostenrechnung: Hardware oder API?

GLM 5.3 Flash kostet bei Z.ai 0,15 $ pro 1M Input-Tokens und 0,50 $ pro 1M Output-Tokens. Die Rechnung zum Nachklicken:

bash
# Annahme: 10 Mio Tokens/Tag, Split 6M In / 4M Out
# 6 * 0.15 + 4 * 0.50 = 2.90 USD/Tag
# 2.90 * 365 = 1058.5 USD/Jahr (~1.000 EUR)
10999 / 1000   # => ~11 Jahre Amortisation (256-GB-Ultra)

# Bei nur 1 Mio Tokens/Tag:
# 0.29 USD/Tag * 365 = ~106 USD/Jahr
10999 / 106    # => ~104 Jahre -> API gewinnt deutlich

Das Muster: Unterhalb von etwa 5 Mio Tokens pro Tag ist die API billiger als jede Studio-Konfiguration. Die Hardware lohnt sich, wenn Datenschutz (keine Daten verlassen das Haus), Offline-Fähigkeit oder gebündelte Workloads den Ausschlag geben — nicht über den Cent.

Entscheidungshilfe

  • 24-GB-Mac-mini (1.449 €): dicht an der Modellkante der drei Flash-Modelle, nur was für die 27B-dense-Klasse. Als Zweitgerät oder für stabile kleine Agenten solide.
  • 96/128 GB (6.599 € / 5.809 €): die vernünftigste Stufe. Qwen 3.8 Flash Next läuft in 1- oder 3-bit mit brauchbarem Tempo — auf einem 64-GB-Notebook wurden gemessene 36 Tokens/s erreicht, mit mehr RAM steigt der Puffer für Kontext.
  • 256 GB (10.999–12.429 €): das Arbeitspferd, wenn GLM 5.3 Flash oder DeepSeek V4 in 4-bit das Rückgrat bilden sollen.
  • 512 GB (Ende Oktober): nur für FP8-Vollausbau und lange multimodale Sessions. Preis ist offen — nicht vorlaunch blind vorbestellen.

FAQ

Warum braucht ein Modell mit nur 6B aktiven Parametern 96 GB RAM? Bei Mixture-of-Experts wird pro Token nur ein Teil der Parameter geladen, aber alle Gewichte müssen im Speicher liegen. Qwen 3.8 Flash Next hat 125B Hauptparameter plus 51B N-Gram-Embeddings. Dazu kommen der KV-Cache für den Kontext und der MTP-Head. Deshalb ist die aktive Parameterzahl nicht der limitierende Speicherwert.

Ist die 512-GB-Variante ihr Geld wert? Die 512-GB-Konfiguration ist Ende Oktober 2026 verfügbar, der Preis stand zum Redaktionsschluss noch nicht fest. Sie lohnt sich, wenn FP8-Gewichte (GLM 5.3 Flash: ~328 GB) oder 8-bit-Qwen (200 GB) ohne Quantisierungsverlust gefahren werden sollen. Für 4-bit-Betrieb reicht das 256-GB-Paket mit 10–15 Prozent Puffer.

Kann ich den RAM später aufrüsten? Nein, bei allen M5-Systemen ist der unified memory verlötet und fix. Die Kaufentscheidung ist damit endgültig: lieber einmal korrekt dimensionieren als zweimal kaufen. Wer unsicher ist, nimmt die nächstgrößere Stufe, weil Paging auf SSD das Tempo spürbar bremst.

Läuft DeepSeek V4 Flash Vision Exp auf demselben Footprint? Ja, die Vision-Exp-Variante vom 21. August basiert auf der 284B/13B-Architektur von V4 Flash und wird zu identischen API-Konditionen gelistet. Bild- und Video-Input erhöhen die KV-Cache-Last, deshalb auf 160 GB Modellgewicht einen Kontext-Puffer von 10–20 GB dazurechnen.

Wann ist die lokale Inferenz schneller als die API? Bei kleinen Batch-Graden und viel Repeat-Usage auf gleichem Präfix kann ein 256-GB-Studio mit 1,2 TB/s Bandbreite die Tokens pro Sekunde gut ausreizen. Die gehostete Flash-Klasse ist jedoch ebenfalls schnell und hat keine Ladezeiten zwischen Sessions — für die meisten Builder bleibt die API pragmatischer.

Quellen

Mehr lesen

Thema für Ihr Team? Sprechen wir 30 Minuten.

Wir ordnen ein, was davon in Ihrem Unternehmen trägt — konkret, ohne Folienschlacht.

Gespräch buchen Formate ansehen

Unverbindlich · 30 Minuten · Angebot in 48 h