Lenovo ThinkPad P16 (2025), RTX PRO 5000 Blackwell Laptop GPU, 128 GB
Ja. Auf diesem Gerät läuft Gemma 4 31B flüssig, mit rund 29 bis 36 Token pro Sekunde (nicht an Messungen abgeglichen).
Die Grenze dieses Geräts: Gemma 4 31B läuft noch, DeepSeek V4-Flash nicht mehr. Dafür fehlen 14 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 Qwen3-Coder 30B A3B flüssig, mit rund 126 bis 202 Token pro Sekunde (nicht an Messungen abgeglichen).
Die Grenze dieses Geräts: Granite 4.2 30B läuft noch, Laguna S 2.1 nicht mehr. Dafür fehlen 1,7 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 Gemma 4 31B flüssig, mit rund 29 bis 36 Token pro Sekunde (nicht an Messungen abgeglichen).
Die Grenze dieses Geräts: Gemma 4 31B läuft noch, DeepSeek V4-Flash nicht mehr. Dafür fehlen 14,2 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 Qwen3.8 27B flüssig, mit rund 32 bis 40 Token pro Sekunde (nicht an Messungen abgeglichen).
Die Grenze dieses Geräts: Qwen3 30B A3B 2507 läuft noch, DeepSeek V4-Flash nicht mehr. Dafür fehlen 15,2 GB nutzbarer 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 Qwen3.8 27B flüssig, mit rund 32 bis 40 Token pro Sekunde (nicht an Messungen abgeglichen).
Die Grenze dieses Geräts: Qwen3 30B A3B 2507 läuft noch, DeepSeek V4-Flash nicht mehr. Dafür fehlen 15,2 GB nutzbarer 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.
Stärkstes Modell, das flüssig läuft
Gemma 4 31BQ4_K_M · 29 bis 36 Token/s
Dieses Tempo ist auf diesem Gerät nicht an Messungen abgeglichen und deshalb unsicher.
So starten Sie es mit Ollama:
$ ollama run hf.co/unsloth/gemma-4-31B-it-GGUF:Q4_K_M
>>> /set parameter num_ctx 4096Ollama wählt auf diesem Gerät von selbst 32.768 Token Kontext, die Zahlen hier gelten für 4.096 Token. Damit sie stimmen, geben Sie die zweite Zeile nach dem Start in Ollama ein.
Schnellstes Modell
gpt-oss 20BQ4_K_M · 149 bis 239 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.co/unsloth/gpt-oss-20b-GGUF:Q4_K_M
>>> /set parameter num_ctx 4096Ollama wählt auf diesem Gerät von selbst 32.768 Token Kontext, die Zahlen hier gelten für 4.096 Token. Damit sie stimmen, geben Sie die zweite Zeile nach dem Start in Ollama ein.
Empfehlung für den Anwendungsfall „Programmieren“
Qwen3-Coder 30B A3BQ4_K_M · 126 bis 202 Token/s
Dieses Tempo ist auf diesem Gerät nicht an Messungen abgeglichen und deshalb unsicher.
So starten Sie es mit Ollama:
$ ollama run hf.co/unsloth/Qwen3-Coder-30B-A3B-Instruct-GGUF:Q4_K_M
>>> /set parameter num_ctx 16384Ollama wählt auf diesem Gerät von selbst 32.768 Token Kontext, die Zahlen hier gelten für 16.384 Token. Damit sie stimmen, geben Sie die zweite Zeile nach dem Start in Ollama ein.
Schnellstes Modell
gpt-oss 20BQ4_K_M · 143 bis 229 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.co/unsloth/gpt-oss-20b-GGUF:Q4_K_M
>>> /set parameter num_ctx 16384Ollama wählt auf diesem Gerät von selbst 32.768 Token Kontext, die Zahlen hier gelten für 16.384 Token. Damit sie stimmen, geben Sie die zweite Zeile nach dem Start in Ollama ein.
Stärkstes Modell, das flüssig läuft
Gemma 4 31BQ4_K_M · 29 bis 36 Token/s
Dieses Tempo ist auf diesem Gerät nicht an Messungen abgeglichen und deshalb unsicher.
So starten Sie es mit Ollama:
$ ollama run hf.co/unsloth/gemma-4-31B-it-GGUF:Q4_K_M
>>> /set parameter num_ctx 8192Ollama wählt auf diesem Gerät von selbst 32.768 Token Kontext, die Zahlen hier gelten für 8.192 Token. Damit sie stimmen, geben Sie die zweite Zeile nach dem Start in Ollama ein.
Schnellstes Modell
gpt-oss 20BQ4_K_M · 147 bis 235 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.co/unsloth/gpt-oss-20b-GGUF:Q4_K_M
>>> /set parameter num_ctx 8192Ollama wählt auf diesem Gerät von selbst 32.768 Token Kontext, die Zahlen hier gelten für 8.192 Token. Damit sie stimmen, geben Sie die zweite Zeile nach dem Start in Ollama ein.
Stärkstes Modell, das flüssig läuft
Qwen3.8 27BQ4_K_M · 32 bis 40 Token/s
Dieses Tempo ist auf diesem Gerät nicht an Messungen abgeglichen und deshalb unsicher.
So starten Sie es mit Ollama:
$ ollama run hf.co/unsloth/Qwen3.8-27B-GGUF:UD-Q4_K_MSchnellstes Modell
gpt-oss 20BQ4_K_M · 136 bis 217 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.co/unsloth/gpt-oss-20b-GGUF:Q4_K_MStärkstes Modell, das flüssig läuft
Qwen3.8 27BQ4_K_M · 32 bis 40 Token/s
Dieses Tempo ist auf diesem Gerät nicht an Messungen abgeglichen und deshalb unsicher.
So starten Sie es mit Ollama:
$ ollama run hf.co/unsloth/Qwen3.8-27B-GGUF:UD-Q4_K_MSchnellstes Modell
gpt-oss 20BQ4_K_M · 136 bis 217 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.co/unsloth/gpt-oss-20b-GGUF:Q4_K_MModelle auf diesem Gerät
Alle Tempowerte sind berechnet und an veröffentlichten Messungen abgeglichen, nicht auf dem Gerät gemessen. Mit * markierte Werte sind nicht abgeglichen und deshalb unsicher.
Gerätedaten
- Grafikkarte
- RTX PRO 5000 Blackwell Laptop GPU
- Grafikspeicher
- 24 GB
- Prozessor
- Intel Core Ultra 5 245HX oder Intel Core Ultra 7 255HX oder Intel Core Ultra 7 265HX oder Intel Core Ultra 9 275HX oder Intel Core Ultra 9 285HX
- Arbeitsspeicher
- 128 GB
- Davon für Modelle nutzbar
- 23,2 GB
- Speicherbandbreite
- 896 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 (Q4_K) | Q8_0 | 12,1 von 23,2 GB |
| Qwen-Image-2512 Apache 2.0 | passt (Q4_K_M) | Q5_K_M | 20,4 von 23,2 GB |
Weitere Ratgeber
- Mac mini für lokale KI: Welche Ausstattung reicht und wann es der Mac Studio sein mussBeim Mac zählt der Arbeitsspeicher, aber nicht die ganze Zahl. Was die Ausstattungen des Mac mini mit M4, M5 Pro und M6 tragen und wo der Mac Studio anfängt.
- 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.
- 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 527 Geräte sie flüssig laufen.
- gpt-oss: OpenAIs offenes Modell auf dem eigenen Rechnergpt-oss gibt es in zwei Größen. Die kleine läuft auf 319 von 527 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.
- 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.
- Ornith 1.5: Welche der drei Größen auf Ihrem Rechner läuftOrnith 1.5 gibt es in drei Größen. Die kleine läuft nach unserer Rechnung beim Ausprobieren auf 406 von 527 geführten Geräten, die größte auf 9. Was jede Größe braucht und wann ein Verbund aus mehreren Geräten 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.
- 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.
- 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.
- 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.