Tag
#ollama
40 Artikel
Gemini 3.7 Flash auf dem Mac: API-Preis, Benchmarks & lokale Grenzen
Gemini 3.7 Flash ist seit 13. August 2026 GA. Was Mac-Nutzer über API-Preis, 1M-Kontext, Coding-Benchmarks, Datenschutz und lokale Nutzung wissen müssen.
Gemini 3.7 Flash on Mac: API Pricing, Benchmarks & Local Limits
Gemini 3.7 Flash is GA as of August 13, 2026. What Mac users need to know about API pricing, 1M context, coding benchmarks, privacy and local inference.
Meta Muse Glimmer 30B im Faktencheck: lokales Agentenmodell für 24/32 GB
Muse Glimmer 30B geprüft: 24/32-GB-Hardware, DFlash-Speed, 131K Kontext, Ollama/MLX und Benchmarks gegen Qwen3.6-27B – mit Methodikcheck.
Meta Muse Glimmer 30B fact-checked: 24/32 GB, DFlash, Qwen3.6-27B
Muse Glimmer 30B checked: 24/32 GB hardware, DFlash speed, 131K context, Ollama/MLX and independent benchmarks against Qwen3.6-27B.
Best MacBook for AI Development in 2026: Air vs Pro
Choose the best MacBook for AI development: M1 through M5, Air and Pro compared by RAM, local LLM capacity, context and value.
MacBook für KI-Entwicklung 2026: Air oder Pro, wie viel RAM?
Welches MacBook für KI-Entwicklung? M1 bis M5, Air und Pro nach RAM, lokalen LLMs, Kontext und Preis-Leistung verglichen.
Poolside Laguna XS.2 auf dem Mac: Open-Weight Coding-Modell, Benchmarks und RAM
Poolside Laguna XS.2 ist ein offenes 33B-MoE-Coding-Modell mit 3B aktiven Parametern. Benchmarks, Fähigkeiten und realistische Mac-Konfigurationen.
Poolside Laguna XS.2 on Mac: Open-Weight Coding Model, Benchmarks and RAM
Can Poolside Laguna XS.2 run on a Mac? See RAM needs, coding benchmarks, Ollama options and which Apple Silicon Macs fit the 33B MoE model.
Kimi K2.7 Code auf dem Mac: Cloud, API oder GGUF?
Kimi K2.7 Code auf dem Mac einordnen: Ollama Cloud, Kimi Code, API-Preise, verpflichtendes Thinking und der aufwendige GGUF-Weg.
Kimi K2.7 Code on Mac: Cloud, API, or GGUF?
Kimi K2.7 Code on Mac, separated clearly: Ollama Cloud, Kimi Code, API pricing, mandatory thinking, and the demanding GGUF route.
Nex N2 Pro auf dem Mac: Was 397B MoE in der Praxis bedeuten
Nex N2 Pro: offenes 397B-MoE-Agentenmodell. Was 17B aktive Parameter bedeuten, wie viel Speicher realistisch nötig ist und warum der Mac nicht das Ziel ist.
Nex N2 Pro on Mac: What 397B MoE Means in Practice
Nex N2 Pro is an open-weight 397B MoE agent model. What 17B active parameters mean, how much memory it needs, and why Macs are not the target.
Gemma 4 12B auf dem Mac: Das neue lokale Multimodal-Modell für 16 GB?
Gemma 4 12B läuft lokal ab 16 GB, bietet 256K Kontext sowie Bild- und Audioverständnis. Was auf dem Mac mit Ollama und MLX wirklich geht.
Gemma 4 12B on Mac: Is 16 GB Really Enough?
Gemma 4 12B runs locally from 16 GB with 256K model context and multimodal input. What Ollama and MLX actually support on Mac.
NVIDIA Nemotron 3 Ultra auf dem Mac: Cloud-Tag, 256K und NIM
Nemotron 3 Ultra vom Mac aus nutzen: Ollama Cloud, native 256K, optionales NIM-1M-Setup und die Grenzen auf Apple Silicon klar getrennt.
NVIDIA Nemotron 3 Ultra on Mac: Cloud Tag, 256K and NIM
Use Nemotron 3 Ultra from a Mac without confusing cloud access with local inference: Ollama Cloud, native 256K, optional NIM 1M, real hardware limits.
Gemini 3.5 Flash on Mac: How to Use It, Pricing, and Local Alternatives
What Gemini 3.5 Flash can do, how to use it from a Mac, what it costs, how Google handles your data, and which local models fit when you need offline AI.
Gemini 3.5 Flash auf dem Mac: Nutzung, Preise und lokale Alternativen
Was Gemini 3.5 Flash kann, wie du es vom Mac nutzt, was es kostet, wie Google mit Daten umgeht und welche lokalen Modelle passen, wenn du Offline-KI brauchst.
Moondream2 auf dem Mac: 1,7 GB Vision ohne Cloud
Moondream2 lokal auf Apple Silicon: Ollama-Setup, Python-API, RAM-Empfehlung, Datenschutz und die Grenzen des kompakten Vision-Modells.
Moondream2 on Mac: 1.7 GB Vision Without the Cloud
Run Moondream2 locally on Apple Silicon: Ollama setup, Python API, memory guidance, privacy and the limits of this compact vision model.
Gemma 4 vs. Qwen3.6 auf dem Mac: Ollama 0.31, MLX & RAM
Gemma 4 vs. Qwen3.6 auf dem Mac: Ollama 0.31, MLX/MTP, Paketgrößen, Coding-Benchmarks, Kontext und praktischer RAM-Vergleich.
Gemma 4 vs Qwen3.6 on Mac: Ollama 0.31, MLX & RAM
Gemma 4 vs Qwen3.6 on Mac: compare Ollama 0.31, MLX/MTP, package sizes, coding benchmarks, context limits and practical RAM.
Gemma 3 auf dem Mac: Varianten, Vision und Speichergrenzen
Gemma 3 lokal auf Apple Silicon: Welche Ollama-Variante Text und Bilder unterstützt, welche Paketgröße passt und warum 128K Kontext kein RAM-Versprechen ist.
Gemma 3 on Mac: Variants, Vision and Memory Limits
Gemma 3 on Apple Silicon: which Ollama variants support text and images, what package size fits, and why 128K context is not a RAM promise.
Gemma 4 auf dem Mac: Varianten, Modalitäten und Speicherplanung
Gemma 4 lokal auf Apple Silicon: E2B, E4B, 12B, 26B A4B und 31B nach Paketgröße, Modalität und Unified Memory einordnen.
Gemma 4 on Mac: Variants, Modalities and Memory Planning
Gemma 4 on Apple Silicon: compare E2B, E4B, 12B, 26B A4B and 31B by package size, modality and unified memory.
Qwen3.6 auf dem Mac: 27B, 35B-A3B, Vision und Ollama
Qwen3.6 lokal auf Apple Silicon nutzen: 27B vs. 35B-A3B, Ollama- und MLX-Tags, Vision, Benchmarks und realistische RAM-Grenzen.
Qwen3.6 on Mac: 27B, 35B-A3B, Vision and Ollama
Run Qwen3.6 locally on Apple Silicon: 27B vs 35B-A3B, Ollama and MLX tags, vision, benchmarks and realistic RAM limits.
Wie viel RAM braucht ein lokales LLM auf dem Mac?
Wie viel Unified Memory lokale LLMs auf Apple-Silicon-Macs wirklich brauchen – mit Formeln, KV-Cache-Rechnungen und Kaufberatung von 8 bis 512 GB.
How Much RAM Does a Local LLM Need on a Mac?
A practical guide to unified memory for local LLMs on Apple silicon, including weight math, KV-cache examples, Mac tiers and buying advice.
Best Open-Weight LLMs for Mac in 2026: RAM, Ollama Tags & Picks
Which open-weight LLM is best for your Mac in 2026? Compare RAM, Ollama tags, context and realistic picks for 8–64 GB Apple Silicon.
Beste Open-Weight-LLMs für den Mac 2026: RAM, Ollama-Tags & Auswahl
Welche Open-Weight-LLMs sind 2026 für deinen Mac sinnvoll? Vergleiche RAM, Ollama-Tags, Kontext und realistische Modelle für 8–64 GB Unified Memory.
Apple Intelligence vs Local AI: Mac Privacy Guide
Apple Intelligence, PCC, ChatGPT and local AI on Mac: what stays local, when cloud processing happens and when Ollama is more private.
Apple Intelligence vs. lokale KI: Datenschutz auf dem Mac
Apple Intelligence, PCC, ChatGPT und lokale KI auf dem Mac: Welche Daten lokal bleiben, wann Cloud greift und wann Ollama privater ist.
LM Studio vs. Ollama: Was ist besser auf dem Mac?
LM Studio oder Ollama auf Apple Silicon: GUI, CLI, lokale APIs, GGUF, MLX, RAG, Offline-Betrieb und Sicherheit im direkten Vergleich.
LM Studio vs Ollama: Which Is Better on Mac?
LM Studio or Ollama on Apple Silicon: GUI, CLI, local APIs, GGUF, MLX, RAG, offline operation and security compared.
Ollama auf dem Mac mini M4 einrichten: lokale KI, RAM-Grenzen und Cloud-Falle erklärt
Ollama auf dem Mac mini M4 einrichten: Modellwahl für 16–64 GB Unified Memory, lokale API, Open WebUI, Kontextlänge und Datenschutz.
Ollama on Mac mini M4: local AI setup, memory limits and the cloud trap
Set up Ollama on Mac mini M4: model choices for 16–64 GB unified memory, local API, Open WebUI, context length, cloud models and privacy.
Mac mini M4 for Local AI in 2026: 16GB, 24GB or M4 Pro?
Which Mac mini M4 RAM size is best for local AI in 2026? Compare 16GB, 24GB, 32GB and M4 Pro for Ollama, LM Studio, MLX, context and cost.
Mac mini M4 für lokale KI 2026: 16 GB, 24 GB oder M4 Pro?
Welche Mac-mini-M4-RAM-Größe passt zu lokaler KI 2026? Vergleiche 16, 24, 32 GB und M4 Pro für Ollama, LM Studio, MLX, Kontext und Kosten.