1Οι προδιαγραφές που μετρούν για το AI
| Ενοποιημένη μνήμη | 128 GB |
|---|---|
| Εύρος ζώνης μνήμης | 614 GB/s, ή 460 GB/s στη μικρότερη διαμόρφωση |
| Υπάρχει στους | MacBook Pro 14 και 16 ιντσών (2026), Mac Studio (2026) |
| Αποκλειστική θέση για αυτό | Θέση Pro Latest: εξορύσσει έως 120 MLX την ημέρα |
2Ποια μοντέλα χωρούν
Στα 4 bit ανά βάρος ένα μοντέλο χρειάζεται λίγο πάνω από μισό gigabyte ανά δισεκατομμύριο παραμέτρους, συν χώρο για τα συμφραζόμενά του και το macOS. Με 128 GB, το M5 Max χωράει άνετα μοντέλα έως περίπου 170 δισεκατομμύρια παραμέτρους.
| Μοντέλο σε 4 bit | Μνήμη που χρειάζεται | Χωράει στο M5 Max |
|---|---|---|
| Μοντέλο 8B | 4,5 GB | Ναι |
| Μοντέλο 14B | 7,9 GB | Ναι |
| Μοντέλο 32B | 18 GB | Ναι |
| Μοντέλο 70B | 39,4 GB | Ναι |
| gpt-oss-120b, mixture-of-experts | 65 GB | Ναι |
| Qwen3.5-397B-A17B, mixture-of-experts | 223,3 GB | Όχι |
| DeepSeek-V4.1-Flash, mixture-of-experts | 316 GB | Όχι |
3Πόσο γρήγορα τρέχει
Τη γραφή κειμένου την περιορίζει το εύρος ζώνης μνήμης: κάθε νέο token διαβάζει μία φορά τα ενεργά βάρη του μοντέλου. Αν διαιρέσετε τα 614 GB/s του M5 Max με τα bytes που διαβάζονται ανά token, προκύπτει το παρακάτω όριο. Οι πραγματικές εκτελέσεις φτάνουν συνήθως περίπου το 45% έως 80% αυτού (benchmarks του llama.cpp).
| Μοντέλο σε 4 bit | Ανάγνωση ανά token | Όριο για μία συνομιλία |
|---|---|---|
| Μοντέλο 8B | 4,5 GB | 136 tokens/s |
| Μοντέλο 14B | 7,9 GB | 78 tokens/s |
| Μοντέλο 32B | 18 GB | 34 tokens/s |
| Μοντέλο 70B | 39,4 GB | 16 tokens/s |
| gpt-oss-120b, mixture-of-experts | 2,7 GB | 227 tokens/s |
Τα τσιπ της γενιάς M5 προσθέτουν νευρωνικούς επιταχυντές στη GPU, οπότε διαβάζουν τα prompts αρκετές φορές πιο γρήγορα από το M4: η Apple μέτρησε ότι το πρώτο token φτάνει 3,3 έως 4,1 φορές νωρίτερα με το MLX (Apple).
5Σύγκριση με άλλα τσιπ
6Ερωτήσεις
- Μπορεί το M5 Max να τρέξει μοντέλο 70B;
- Ναι. Ένα μοντέλο 70B σε 4 bit χρειάζεται περίπου 40 GB, και το M5 Max έχει έως 128 GB. Υπολογίστε ένα όριο περίπου 16 tokens ανά δευτερόλεπτο για μία συνομιλία.
- Πόσα tokens ανά δευτερόλεπτο βγάζει το M5 Max;
- Για ένα μοντέλο 8B σε 4 bit, το όριο είναι περίπου 136 tokens ανά δευτερόλεπτο, και οι πραγματικές εκτελέσεις φτάνουν περίπου το μισό έως τα τέσσερα πέμπτα του. Τα μεγαλύτερα μοντέλα είναι αναλογικά πιο αργά.
- Είναι καλό το M5 Max για AI;
- Για την τοπική εκτέλεση μοντέλων, η μνήμη και το εύρος ζώνης μετρούν περισσότερο. Το M5 Max έχει έως 128 GB στα 614 GB/s, αρκετά για μοντέλα έως περίπου 170 δισεκατομμύρια παραμέτρους. Μπορεί επίσης να κερδίζει εκτελώντας εργασίες AI για το MLX Network με το MLX Node.
Πηγές
- Apple: M5 Pro and M5 Maxapple.com
- Apple: Mac Studio with M5 Max and M5 Ultraapple.com