Dell XPS 14 14 Zoll (2026), Core Ultra Series 3 mit LPDDR5X-9600 (zweikanalig), 64 GB
Ja. Auf diesem Gerät läuft Gemma 4 12B flüssig, mit rund 5,7 bis 17 Token pro Sekunde (nicht an Messungen abgeglichen).
Die Grenze dieses Geräts: Kolibri 1 läuft noch, gpt-oss 120B nicht mehr. Dafür fehlen 7 GB nutzbarer Speicher.
Berechnet für 4.096 Token Kontext (Anwendungsfall „Ausprobieren, Neugier“). Ohne eigene Grafikkarte rechnen wir mit Prozessor und Arbeitsspeicher, die eingebaute Grafik zählt nicht mit. Die Tempowerte sind aus der Speicherbandbreite gerechnet, die am Speicherausbau hängt, und nicht an Messungen abgeglichen.
Ja. Auf diesem Gerät läuft Qwen3-Coder 30B A3B flüssig, mit rund 15 bis 46 Token pro Sekunde (nicht an Messungen abgeglichen).
Die Grenze dieses Geräts: Kolibri 1 läuft noch, gpt-oss 120B nicht mehr. Dafür fehlen 7,4 GB nutzbarer Speicher.
Berechnet für 16.384 Token Kontext (Anwendungsfall „Programmieren“). Ohne eigene Grafikkarte rechnen wir mit Prozessor und Arbeitsspeicher, die eingebaute Grafik zählt nicht mit. Die Tempowerte sind aus der Speicherbandbreite gerechnet, die am Speicherausbau hängt, und nicht an Messungen abgeglichen.
Ja. Auf diesem Gerät läuft Gemma 4 12B flüssig, mit rund 5,6 bis 17 Token pro Sekunde (nicht an Messungen abgeglichen).
Die Grenze dieses Geräts: Kolibri 1 läuft noch, gpt-oss 120B nicht mehr. Dafür fehlen 7,1 GB nutzbarer Speicher.
Berechnet für 8.192 Token Kontext (Anwendungsfall „Texte schreiben, übersetzen“). Ohne eigene Grafikkarte rechnen wir mit Prozessor und Arbeitsspeicher, die eingebaute Grafik zählt nicht mit. Die Tempowerte sind aus der Speicherbandbreite gerechnet, die am Speicherausbau hängt, und nicht an Messungen abgeglichen.
Ja. Auf diesem Gerät läuft Gemma 4 12B flüssig, mit rund 5,5 bis 17 Token pro Sekunde (nicht an Messungen abgeglichen).
Die Grenze dieses Geräts: Kolibri 1 läuft noch, gpt-oss 120B nicht mehr. Dafür fehlen 8 GB nutzbarer Speicher.
Berechnet für 32.768 Token Kontext (Anwendungsfall „Dokumente auswerten“). Ohne eigene Grafikkarte rechnen wir mit Prozessor und Arbeitsspeicher, die eingebaute Grafik zählt nicht mit. Die Tempowerte sind aus der Speicherbandbreite gerechnet, die am Speicherausbau hängt, und nicht an Messungen abgeglichen.
Ja. Auf diesem Gerät läuft Gemma 4 12B flüssig, mit rund 5,5 bis 17 Token pro Sekunde (nicht an Messungen abgeglichen).
Die Grenze dieses Geräts: Kolibri 1 läuft noch, gpt-oss 120B nicht mehr. Dafür fehlen 8 GB nutzbarer Speicher.
Berechnet für 32.768 Token Kontext (Anwendungsfall „Kundendaten, interne Unterlagen“). Ohne eigene Grafikkarte rechnen wir mit Prozessor und Arbeitsspeicher, die eingebaute Grafik zählt nicht mit. Die Tempowerte sind aus der Speicherbandbreite gerechnet, die am Speicherausbau hängt, und nicht an Messungen abgeglichen.
„Läuft“ heißt: das Modell passt und antwortet so schnell wie angegeben. Ob die Antwort stimmt, sagt das nicht. Ein lokales Modell kann sich irren und ist keine Nachschlagequelle; prüfen Sie jede Zusammenfassung und jeden Entwurf gegen das Original, bevor Sie ihn verwenden. Was lokale Modelle gut und schlecht können
Stärkstes Modell, das flüssig läuft
Gemma 4 12BQ4_0 · 5,7 bis 17 Token/s
Dieses Tempo ist auf diesem Gerät nicht an Messungen abgeglichen und deshalb unsicher.
So starten Sie es mit Ollama:
$ ollama run hf.Oder mit llama.cpp, mit dem Kontext dieser Seite (lädt das Modell von Hugging Face):
$ llama-Schnellstes Modell
Occamy-1.0Q4_K_M · 22 bis 67 Token/s
Dieses Tempo ist auf diesem Gerät nicht an Messungen abgeglichen und deshalb unsicher.
Das schnellste unter den flüssig laufenden Modellen mit mindestens halb so vielen Parametern wie das größte unter ihnen.
So starten Sie es mit Ollama:
$ ollama run hf.Oder mit llama.cpp, mit dem Kontext dieser Seite (lädt das Modell von Hugging Face):
$ llama-Empfehlung für den Anwendungsfall „Programmieren“
Qwen3-Coder 30B A3BQ4_K_M · 15 bis 46 Token/s
Dieses Tempo ist auf diesem Gerät nicht an Messungen abgeglichen und deshalb unsicher.
So starten Sie es mit Ollama:
$ ollama run hf.Ollama wählt auf diesem Gerät von selbst 4.096 Token Kontext, die Zahlen hier gelten für 16.384 Token. Damit sie stimmen, geben Sie die zweite Zeile nach dem Start in Ollama ein.
Oder mit llama.cpp, mit dem Kontext dieser Seite (lädt das Modell von Hugging Face):
$ llama-Schnellstes Modell
Occamy-1.0Q4_K_M · 21 bis 63 Token/s
Dieses Tempo ist auf diesem Gerät nicht an Messungen abgeglichen und deshalb unsicher.
Das schnellste unter den flüssig laufenden Modellen mit mindestens halb so vielen Parametern wie das größte unter ihnen.
So starten Sie es mit Ollama:
$ ollama run hf.Ollama wählt auf diesem Gerät von selbst 4.096 Token Kontext, die Zahlen hier gelten für 16.384 Token. Damit sie stimmen, geben Sie die zweite Zeile nach dem Start in Ollama ein.
Oder mit llama.cpp, mit dem Kontext dieser Seite (lädt das Modell von Hugging Face):
$ llama-Stärkstes Modell, das flüssig läuft
Gemma 4 12BQ4_0 · 5,6 bis 17 Token/s
Dieses Tempo ist auf diesem Gerät nicht an Messungen abgeglichen und deshalb unsicher.
So starten Sie es mit Ollama:
$ ollama run hf.Ollama wählt auf diesem Gerät von selbst 4.096 Token Kontext, die Zahlen hier gelten für 8.192 Token. Damit sie stimmen, geben Sie die zweite Zeile nach dem Start in Ollama ein.
Oder mit llama.cpp, mit dem Kontext dieser Seite (lädt das Modell von Hugging Face):
$ llama-Schnellstes Modell
Occamy-1.0Q4_K_M · 22 bis 65 Token/s
Dieses Tempo ist auf diesem Gerät nicht an Messungen abgeglichen und deshalb unsicher.
Das schnellste unter den flüssig laufenden Modellen mit mindestens halb so vielen Parametern wie das größte unter ihnen.
So starten Sie es mit Ollama:
$ ollama run hf.Ollama wählt auf diesem Gerät von selbst 4.096 Token Kontext, die Zahlen hier gelten für 8.192 Token. Damit sie stimmen, geben Sie die zweite Zeile nach dem Start in Ollama ein.
Oder mit llama.cpp, mit dem Kontext dieser Seite (lädt das Modell von Hugging Face):
$ llama-Stärkstes Modell, das flüssig läuft
Gemma 4 12BQ4_0 · 5,5 bis 17 Token/s
Dieses Tempo ist auf diesem Gerät nicht an Messungen abgeglichen und deshalb unsicher.
So starten Sie es mit Ollama:
$ ollama run hf.Ollama wählt auf diesem Gerät von selbst 4.096 Token Kontext, die Zahlen hier gelten für 32.768 Token. Damit sie stimmen, geben Sie die zweite Zeile nach dem Start in Ollama ein.
Oder mit llama.cpp, mit dem Kontext dieser Seite (lädt das Modell von Hugging Face):
$ llama-Schnellstes Modell
Occamy-1.0Q4_K_M · 20 bis 59 Token/s
Dieses Tempo ist auf diesem Gerät nicht an Messungen abgeglichen und deshalb unsicher.
Das schnellste unter den flüssig laufenden Modellen mit mindestens halb so vielen Parametern wie das größte unter ihnen.
So starten Sie es mit Ollama:
$ ollama run hf.Ollama wählt auf diesem Gerät von selbst 4.096 Token Kontext, die Zahlen hier gelten für 32.768 Token. Damit sie stimmen, geben Sie die zweite Zeile nach dem Start in Ollama ein.
Oder mit llama.cpp, mit dem Kontext dieser Seite (lädt das Modell von Hugging Face):
$ llama-Stärkstes Modell, das flüssig läuft
Gemma 4 12BQ4_0 · 5,5 bis 17 Token/s
Dieses Tempo ist auf diesem Gerät nicht an Messungen abgeglichen und deshalb unsicher.
So starten Sie es mit Ollama:
$ ollama run hf.Ollama wählt auf diesem Gerät von selbst 4.096 Token Kontext, die Zahlen hier gelten für 32.768 Token. Damit sie stimmen, geben Sie die zweite Zeile nach dem Start in Ollama ein.
Oder mit llama.cpp, mit dem Kontext dieser Seite (lädt das Modell von Hugging Face):
$ llama-Schnellstes Modell
Occamy-1.0Q4_K_M · 20 bis 59 Token/s
Dieses Tempo ist auf diesem Gerät nicht an Messungen abgeglichen und deshalb unsicher.
Das schnellste unter den flüssig laufenden Modellen mit mindestens halb so vielen Parametern wie das größte unter ihnen.
So starten Sie es mit Ollama:
$ ollama run hf.Ollama wählt auf diesem Gerät von selbst 4.096 Token Kontext, die Zahlen hier gelten für 32.768 Token. Damit sie stimmen, geben Sie die zweite Zeile nach dem Start in Ollama ein.
Oder mit llama.cpp, mit dem Kontext dieser Seite (lädt das Modell von Hugging Face):
$ llama-Modelle auf diesem Gerät
Die Tempowerte sind berechnet, nicht auf dem Gerät gemessen, und an veröffentlichten und eigenen Messungen abgeglichen. Ausgenommen sind die mit * markierten Werte: sie sind nicht abgeglichen und deshalb unsicher.
Mit anderer Kontextlänge rechnen
Die Tabelle oben rechnet mit der Kontextlänge des gewählten Anwendungsfalls. Hier wählen Sie die Länge selbst, etwa 65.536 Token für lange Dokumente oder Agenten. Mehr Kontext braucht mehr Speicher und macht langsamer.
Gerätedaten
- Prozessorreihe
- Core Ultra Series 3 mit LPDDR5X-9600 (zweikanalig)
- Prozessor
- Core Ultra X7 358H oder Core Ultra X9 388H
- Arbeitsspeicher
- 64 GB
- Davon für Modelle nutzbar
- 58,0 GB
- Speicherbandbreite
- 153,6 GB/s
- Rechenschnittstelle
- CPU
Bildmodelle auf diesem Gerät
Ob ein Bildmodell in den Speicher passt, für ein Bild mit 1024 × 1024 Pixeln. Eine Zeit je Bild rechnen wir nicht.
| Modell | Standardstufe | Größte Stufe | Speicher |
|---|---|---|---|
| Qwen-Image-2.1 Qwen Research License | passt (Q4_K) | Q8_0 | 12,1 von 58,0 GB |
| Qwen-Image-2512 Apache 2.0 | passt (Q4_K_M) | Q8_0 | 20,4 von 58,0 GB |
Weitere Ratgeber
- Qwen lokal betreiben: welche Fassung auf welches GerätQwen gibt es in vielen Größen. Die kleinste aktuelle Fassung in unserem Katalog, Qwen3.5 4B, braucht 4,4 GB und läuft damit auf praktisch jedem Rechner, Qwen3.8 27B flüssig auf 214 von 640 Geräten. Welche Fassung zu Ihrem Rechner passt und wie Sie sie starten.
- KI-Agenten mit lokalem Modell: zwölf Werkzeuge im VergleichOpenClaw, Hermes Agent, DeepSeek Harness und neun weitere Agenten mit einem Modell auf dem eigenen Rechner: was jeder verlangt, was Ihr Gerät hergibt und welcher zu Ihnen passt.
- Mac mini für lokale KI: Welche Ausstattung reicht und wann es der Mac Studio sein mussBeim Mac zählt der Arbeitsspeicher, nicht die ganze Zahl. Was der Mac mini mit M4, M5 Pro und M6 trägt, wann es der Mac Studio sein muss und was gebraucht zählt.
- DeepSeek Harness installieren und lokal nutzenDeepSeek Harness ist der quelloffene Programmier-Agent von DeepSeek. Wie Sie ihn installieren, mit einem lokalen Modell verbinden und was an DeepSeek geht.
- Deutsche und europäische KI-Modelle: Welche es gibt und was davon lokal läuftTeuken aus Deutschland, EuroLLM aus einem EU-Projekt, Mistral aus Paris, Apertus aus der Schweiz. Lizenz, Größe und auf wie vielen der 640 Geräte sie flüssig laufen.
- DSGVO-konforme KI: Welche Daten verlassen bei welchem Aufbau Ihr Haus?Lokal heißt nicht telemetriefrei, und eine EU-Zusage hängt am Bereitstellungstyp. Was bei vier gängigen Aufbauten wirklich übertragen wird, mit Zitaten aus den Datenschutzerklärungen der Anbieter.
- gpt-oss: OpenAIs offenes Modell auf dem eigenen Rechnergpt-oss gibt es in zwei Größen. Die kleine läuft auf 370 von 640 geführten Geräten flüssig, die große auf 69. Was Sie brauchen und wo das Modell nicht passt.
- Grafikkarte für KI: Worauf es bei lokalen Modellen ankommtFür KI zählt an einer Grafikkarte zuerst der Speicher, dann das Tempo. Welche Speicherklasse wie viele Modelle trägt und warum 24 GB der wichtigste Schritt ist.
- Hermes Agent lokal: mit Ollama oder LM Studio nutzenHermes Agent lokal mit Ollama oder LM Studio: Er braucht mindestens 64.000 Token Kontext, ein Modell mit Werkzeugaufrufen und genug Speicher.
- KI selbst hosten: Was sich ändert, sobald mehrere zugreifenSelbst hosten heißt, dass einer betreibt und mehrere nutzen. Was dafür nötig ist, warum die Voreinstellungen dafür nicht gemacht sind und welche Fragen ab dem zweiten Nutzer keine Technikfragen mehr sind.
- Lokale KI: Was das heißt, was Sie brauchen, was sie kannLokale KI heißt, dass die Modelldatei auf Ihrem Gerät liegt und die Rechenarbeit dort stattfindet. Was Sie dafür brauchen, was heute gut funktioniert und wo die Grenzen liegen.
- Open Source KI: Welche Modelle wirklich offen sindDie meisten Modelle, die „Open Source KI“ heißen, geben nur die fertigen Modelldateien frei, nicht den Weg dorthin. Was der Begriff bedeutet, welche Familien es gibt und was davon auf eigener Hardware läuft.
- OpenClaw lokal: mit Ollama oder LM Studio einrichtenOpenClaw mit einem lokalen Modell über Ollama oder LM Studio: installieren, einrichten, passende Modelle wählen und wissen, was trotzdem ins Netz geht.
- Ornith 1.5: Welche der drei Größen auf Ihrem Rechner läuftOrnith 1.5 in drei Größen: Die kleinste läuft beim Ausprobieren auf 445 von 640 Geräten flüssig, die größte auf 9. Was jede braucht und wann ein Verbund hilft.
- Qwen-Image: KI-Bilder lokal erzeugen und die richtige Fassung wählenQwen-Image erzeugt Bilder auf dem eigenen Rechner. Die neue Fassung 2.1 ist nur für Forschung und Erprobung freigegeben, für Unternehmen ist 2512 die Fassung. Was beide an Speicher brauchen und wie lange ein Bild auf unserer Karte dauerte.
- Lokale KI-Modelle: Welches läuft auf Ihrer Hardware?Ob ein lokales KI-Modell auf Ihrem Rechner läuft, entscheidet der Speicher. Wie Sie die richtige Zahl finden und was die Stufen hinter dem Namen bedeuten.
- KI lokal betreiben, ohne Terminal: So läuft ein Sprachmodell auf Ihrem RechnerLokale KI-Modelle brauchen auf Mac und Windows keine Befehlszeile mehr. Was Sie an Hardware brauchen, wie die Einrichtung Schritt für Schritt gelingt und wo die Grenzen liegen.
- Ollama oder LM Studio: Was ist der Unterschied, und welches passt zu Ihnen?Beide laden offene Sprachmodelle auf Ihren Rechner und rechnen mit demselben Unterbau. Was sie wirklich unterscheidet, was sie kosten und welche Daten dabei Ihr Haus verlassen.
- Was ist Ollama, und welche Alternativen gibt es?Ollama, LM Studio, llama.cpp und vLLM tauchen in vielen Anleitungen für lokale KI auf. Was jedes davon ist, wie die vier zusammenhängen und welches Sie wofür brauchen.
- Was kostet ChatGPT wirklich, und ab wann lohnt sich eigene Hardware?Die Rechnung hat vier Posten, und drei davon stehen auf keiner Preisliste. Was ein Modell über die Schnittstelle kostet, was eigene Hardware dagegenstellt, und ab welchem Punkt sich der Wechsel rechnet.