HP ZBook 8 16 Zoll (2025), RTX 500 Ada Generation Laptop GPU, 32 GB
Ja. Auf diesem Gerät läuft LFM2.5 2.6B flüssig, mit rund 50 bis 61 Token pro Sekunde (nicht an Messungen abgeglichen).
Die Grenze dieses Geräts: LFM2.5 2.6B läuft noch, Llama 3.3 70B nicht mehr. Dafür fehlen 16,3 GB nutzbarer Speicher.
Berechnet für 4.096 Token Kontext (Anwendungsfall „Ausprobieren, Neugier“). Die Tempowerte sind aus der Speicherbandbreite des Grafikchips berechnet. Für Grafikchips in Notebooks gibt es keinen Abgleich an Messungen, weil die Hersteller ihre Leistung unterschiedlich begrenzen.
Ja. Auf diesem Gerät läuft MiniCPM5 2B flüssig, mit rund 46 bis 56 Token pro Sekunde (nicht an Messungen abgeglichen).
Die Grenze dieses Geräts: MiniCPM5 2B läuft noch, EuroLLM 1.7B nicht mehr. Dafür fehlen 0,3 GB nutzbarer Speicher.
Berechnet für 16.384 Token Kontext (Anwendungsfall „Programmieren“). Die Tempowerte sind aus der Speicherbandbreite des Grafikchips berechnet. Für Grafikchips in Notebooks gibt es keinen Abgleich an Messungen, weil die Hersteller ihre Leistung unterschiedlich begrenzen.
Ja. Auf diesem Gerät läuft LFM2.5 2.6B flüssig, mit rund 46 bis 57 Token pro Sekunde (nicht an Messungen abgeglichen).
Die Grenze dieses Geräts: LFM2.5 2.6B läuft noch, Muse Glimmer 30B nicht mehr. Dafür fehlen 0,7 GB nutzbarer Speicher.
Berechnet für 8.192 Token Kontext (Anwendungsfall „Texte schreiben, übersetzen“). Die Tempowerte sind aus der Speicherbandbreite des Grafikchips berechnet. Für Grafikchips in Notebooks gibt es keinen Abgleich an Messungen, weil die Hersteller ihre Leistung unterschiedlich begrenzen.
Ja. Auf diesem Gerät läuft LFM2.5-VL 1.6B flüssig, mit rund 75 bis 92 Token pro Sekunde (nicht an Messungen abgeglichen).
Die Grenze dieses Geräts: LFM2.5-VL 1.6B läuft noch, EuroMoE 2.6B A0.6B scheitert knapp am Speicher.
Berechnet für 32.768 Token Kontext (Anwendungsfall „Dokumente auswerten“). Die Tempowerte sind aus der Speicherbandbreite des Grafikchips berechnet. Für Grafikchips in Notebooks gibt es keinen Abgleich an Messungen, weil die Hersteller ihre Leistung unterschiedlich begrenzen.
Ja. Auf diesem Gerät läuft LFM2.5-VL 1.6B flüssig, mit rund 75 bis 92 Token pro Sekunde (nicht an Messungen abgeglichen).
Die Grenze dieses Geräts: LFM2.5-VL 1.6B läuft noch, EuroMoE 2.6B A0.6B scheitert knapp am Speicher.
Berechnet für 32.768 Token Kontext (Anwendungsfall „Kundendaten, interne Unterlagen“). Die Tempowerte sind aus der Speicherbandbreite des Grafikchips berechnet. Für Grafikchips in Notebooks gibt es keinen Abgleich an Messungen, weil die Hersteller ihre Leistung unterschiedlich begrenzen.
„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
LFM2.5 2.6BQ4_K_M · 50 bis 61 Token/s
Eine Seite Text (rund 500 Wörter) schreibt es damit in etwa 15 bis 18 Sekunden; dazu kommt die Zeit, bis es zu schreiben beginnt.
Dieses Tempo ist auf diesem Gerät nicht an Messungen abgeglichen und deshalb unsicher.
So starten Sie es mit Ollama:
$ ollama Oder mit llama.cpp, mit dem Kontext dieser Seite (lädt das Modell von Hugging Face):
$ llama-server Lieber ohne Terminal? So starten Sie das Modell in LM Studio
Schnellstes Modell
EuroMoE 2.6B A0.6BQ4_K_M · 163 bis 261 Token/s
Eine Seite Text (rund 500 Wörter) schreibt es damit in etwa 3 bis 6 Sekunden; dazu kommt die Zeit, bis es zu schreiben beginnt.
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 Oder mit llama.cpp, mit dem Kontext dieser Seite (lädt das Modell von Hugging Face):
$ llama-server Lieber ohne Terminal? So starten Sie das Modell in LM Studio
Stärkstes Modell, das flüssig läuft
MiniCPM5 2BQ4_K_M · 46 bis 56 Token/s
Eine Seite Text (rund 500 Wörter) schreibt es damit in etwa 16 bis 20 Sekunden; dazu kommt die Zeit, bis es zu schreiben beginnt.
Dieses Tempo ist auf diesem Gerät nicht an Messungen abgeglichen und deshalb unsicher.
So starten Sie es mit Ollama:
$ ollama 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-server Lieber ohne Terminal? So starten Sie das Modell in LM Studio
Schnellstes Modell
Spark-X2.5 1.7BQ4_K_M · 62 bis 76 Token/s
Eine Seite Text (rund 500 Wörter) schreibt es damit in etwa 12 bis 14 Sekunden; dazu kommt die Zeit, bis es zu schreiben beginnt.
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 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-server Lieber ohne Terminal? So starten Sie das Modell in LM Studio
Stärkstes Modell, das flüssig läuft
LFM2.5 2.6BQ4_K_M · 46 bis 57 Token/s
Eine Seite Text (rund 500 Wörter) schreibt es damit in etwa 16 bis 19 Sekunden; dazu kommt die Zeit, bis es zu schreiben beginnt.
Dieses Tempo ist auf diesem Gerät nicht an Messungen abgeglichen und deshalb unsicher.
So starten Sie es mit Ollama:
$ ollama 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-server Lieber ohne Terminal? So starten Sie das Modell in LM Studio
Schnellstes Modell
Spark-X2.5 1.7BQ4_K_M · 71 bis 86 Token/s
Eine Seite Text (rund 500 Wörter) schreibt es damit in etwa 10 bis 13 Sekunden; dazu kommt die Zeit, bis es zu schreiben beginnt.
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 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-server Lieber ohne Terminal? So starten Sie das Modell in LM Studio
Stärkstes Modell, das flüssig läuft
LFM2.5-VL 1.6BQ4_K_M · 75 bis 92 Token/s
Eine Seite Text (rund 500 Wörter) schreibt es damit in etwa 10 bis 12 Sekunden; dazu kommt die Zeit, bis es zu schreiben beginnt.
Dieses Tempo ist auf diesem Gerät nicht an Messungen abgeglichen und deshalb unsicher.
So starten Sie es mit Ollama:
$ ollama 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-server Lieber ohne Terminal? So starten Sie das Modell in LM Studio
Schnellstes Modell
MiniCPM5 1BQ4_K_M · 83 bis 102 Token/s
Eine Seite Text (rund 500 Wörter) schreibt es damit in etwa 9 bis 11 Sekunden; dazu kommt die Zeit, bis es zu schreiben beginnt.
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 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-server Lieber ohne Terminal? So starten Sie das Modell in LM Studio
Stärkstes Modell, das flüssig läuft
LFM2.5-VL 1.6BQ4_K_M · 75 bis 92 Token/s
Eine Seite Text (rund 500 Wörter) schreibt es damit in etwa 10 bis 12 Sekunden; dazu kommt die Zeit, bis es zu schreiben beginnt.
Dieses Tempo ist auf diesem Gerät nicht an Messungen abgeglichen und deshalb unsicher.
So starten Sie es mit Ollama:
$ ollama 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-server Lieber ohne Terminal? So starten Sie das Modell in LM Studio
Schnellstes Modell
MiniCPM5 1BQ4_K_M · 83 bis 102 Token/s
Eine Seite Text (rund 500 Wörter) schreibt es damit in etwa 9 bis 11 Sekunden; dazu kommt die Zeit, bis es zu schreiben beginnt.
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 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-server Lieber ohne Terminal? So starten Sie das Modell in LM Studio
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.
Was die Angaben bedeuten
- Token: Ein Modell liest und schreibt in Wortstücken, den Token. Ein deutsches Wort sind rund 1,5 bis 1,8 Token.
- Token/s: So viele Token schreibt das Modell je Sekunde. Angegeben ist eine Spanne, gerechnet, nicht auf diesem Gerät gemessen.
- Kontext: Wie viel Text das Modell auf einmal im Blick behält, also Ihre Frage, angehängte Dokumente und den bisherigen Verlauf, gezählt in Token. Mehr Kontext braucht mehr Speicher.
- Mrd.: Milliarden Parameter, die Größe des Modells. Größere Modelle antworten in der Regel besser und brauchen mehr Speicher.
- „davon … aktiv“: Das Modell (Mixture-of-Experts) rechnet je Token nur mit einem Teil seiner Parameter. Das macht es schneller; Speicher braucht es trotzdem für alle.
- Q4_K_M, Q8_0 und ähnlich: die Stufe der Quantisierung. Die Zahlen des Modells werden mit weniger Bits gespeichert; je kleiner die Zahl hinter dem Q, desto kleiner die Datei und desto größer die Abweichung vom Original.
- VL im Namen steht für Vision-Language: solche Modelle lesen auch Bilder. Was ein Modell entgegennimmt, steht auf seiner Seite unter „Nimmt entgegen“.
- „Läuft gut“: Das Modell passt ganz in den Speicher und schafft in der Mitte der Spanne mindestens 10 Token/s. „Eingeschränkt“: Es passt, ist aber langsamer, oder ein Teil liegt im Arbeitsspeicher. Ob die Antworten stimmen, sagt beides nicht.
- „*“ am Tempo: Die Rechnung geht hier über ihre Messungen hinaus, der Wert ist unsicherer.
- „Der Speicher für den Kontext ist geschätzt“: Für die Bauart dieses Modells lesen wir den Speicher für den Kontext nicht aus der Modelldatei ab, sondern schätzen ihn aus der Modellgröße.
- Wie wir rechnen
Gerätedaten
- Grafikkarte
- RTX 500 Ada Generation Laptop GPU
- Grafikspeicher
- 4 GB
- Prozessor
- Intel Core Ultra 7 255H oder Intel Core Ultra 7 265H oder Intel Core Ultra 9 285H
- Arbeitsspeicher
- 32 GB
- Davon für Modelle nutzbar
- 3,2 GBVom Grafikspeicher rechnen wir 0,8 GB ab, die Betriebssystem und Anzeige belegen können.
- Speicherbandbreite
- 128 GB/s
- Rechenschnittstelle
- CUDA
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 nicht (Q4_K) | 12,1 von 3,2 GB | |
| Qwen-Image-2512 Apache 2.0 | passt nicht (Q4_K_M) | 20,4 von 3,2 GB |
Audiomodelle auf diesem Gerät
Transkription mit Whisper: ob das Modell in den Speicher passt. Eine Zeit rechnen wir nicht. Alle Audiomodelle, auch die ohne belegten Speicherbedarf, stehen in der Modellübersicht.
| Modell | Passt | Größte Stufe, die passt | Speicher beim Laufen |
|---|---|---|---|
| Whisper large-v3-turbo Transkription, MIT | Passt (q5_0) | f16 | 1,4 von 3,2 GB |
| Whisper large-v3 Transkription, MIT | Passt (q5_0) | q5_0 | 1,9 von 3,2 GB |
| Whisper medium Transkription, MIT | Passt (q5_0) | f16 | 1,0 von 3,2 GB |
| Whisper small Transkription, MIT | Passt (q5_1) | f16 | 0,6 von 3,2 GB |
Weitere Ratgeber
- KI für Berufsgeheimnisträger: Was § 203 StGB bei ChatGPT & Co. verlangtHat ChatGPT eine Schweigepflicht? Worauf Anwälte, Ärzte, Steuerberater und Psychotherapeuten bei KI achten müssen, was die Kammern sagen und warum lokale KI die einfachste Antwort ist.
- 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.
- Whisper lokal: Interviews und Besprechungen auf dem eigenen Rechner transkribierenWhisper lokal installieren und nutzen, mit Programm oder im Terminal: Welches Modell für deutsche Aufnahmen passt, wie viel Speicher es braucht und wo die Grenzen liegen.
- 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 684 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 684 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 392 von 684 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 456 von 684 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.
- 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.