Für lokale Coding-KI auf Apple Silicon sind Qwen Coder und Devstral die wichtigsten Ausgangspunkte. Die beste Wahl hängt davon ab, ob Sie Autovervollständigung, Repository-Fragen oder einen Agenten mit Tests und Werkzeugen benötigen.
Empfehlung nach Arbeitsspeicher
| Mac-Speicher | Modellkandidaten | Geeignete Aufgabe |
|---|---|---|
| 16 GB | kleiner Qwen-Coder oder 7B-FIM-Modell | Autovervollständigung, kleine Funktionen |
| 24 GB | Devstral Small 2, quantisiert | Agentenläufe mit begrenztem Kontext |
| 32–64 GB | Qwen3-Coder 30B-A3B, Devstral Small 2 | Repository-Arbeit, Tests, Refactoring |
| 96 GB und mehr | Qwen3-Coder Next und größere Varianten | größere Kontexte und anspruchsvollere Agenten |
Qwen3-Coder 30B-A3B nutzt eine Mixture-of-Experts-Architektur und aktiviert nur einen Teil der Gewichte pro Token. Das kann auf einem Mac deutlich schneller sein als ein dichtes Modell ähnlicher Gesamtgröße. Devstral Small ist auf agentische Softwareentwicklung ausgerichtet, benötigt als dichtes Modell aber mehr Bandbreite pro erzeugtem Token.
Für Inline-Autovervollständigung ist Fill-in-the-Middle wichtig. Für einen Agenten zählen Werkzeugaufrufe, Patchqualität und bestandene Tests. Ein Modell kann in einer Chatfrage gut aussehen und im echten Repository scheitern.
So vergleichen wir Coding-Modelle
Wir geben jedem Kandidaten dieselben Tickets, Werkzeuge und Zeitbudgets. Gemessen werden bestandene Tests, akzeptierte Diffs, unzulässige Dateizugriffe, Laufzeit und menschlicher Review-Aufwand. SWE-bench-Werte verschiedener Anbieter sind nur bedingt vergleichbar, wenn Agentengerüst und Einstellungen abweichen.
Lesen Sie auch lokale KI zum Programmieren auf dem Mac und den M6-vs.-M5-Vergleich.
Coding-Modelle auf Ihrem Repository vergleichen
Wir testen mehrere Modelle auf echten Tickets, wählen den passenden Mac und integrieren den lokalen Endpunkt mit begrenzten Rechten.