La puce M5 est-elle plus rapide que la M4 pour les LLM ?

La puce M5 lit la mémoire environ 27 % plus vite que la M4 (153 contre 120 GB/s) ; elle écrit donc environ 27 % plus vite avec tout modèle qui tient dans les deux. La lecture d’un long prompt dépend plutôt de la puissance de calcul du GPU, que cette comparaison ne couvre pas.

Laquelle fait tourner de plus grands modèles, la M4 ou la M5 ?

Aucune : les deux montent jusqu’à 32 GB. À cette capacité, la M4 fait bien tourner 27 et la M5 28 des 73 modèles ouverts ; la plus rapide en fait passer davantage au-dessus de 10 tokens par seconde.

M4 vs M5 pour LLM : mémoire, vitesse, lequel choisir

Côte à côte

	M4	M5
Capacités de mémoire	16, 24, 32 GB	16, 24, 32 GB
Bande passante mémoire	120 GB/s	153 GB/s
Pour les modèles, au plus	environ 24 GB	environ 24 GB
Modèles qui tournent bien	27 sur 73	28 sur 73
Classe de place MLX	Core	Core
Présente dans	MacBook Pro (14-inch, M4, 2024), iMac (24-inch, 2024, Two ports), iMac (24-inch, 2024, Four ports), Mac mini (2024), MacBook Air (13-inch, M4, 2025), MacBook Air (15-inch, M4, 2025)	MacBook Pro (14-inch, M5), MacBook Air (13-inch, M5), MacBook Air (15-inch, M5)

Vitesse avec des modèles populaires

Tokens par seconde pour une conversation, chaque puce avec sa plus grande capacité de mémoire (32 GB et 32 GB), avec la meilleure version du modèle qui tient.

Modèle	M4	M5
Llama 3.1 8B Instruct8B	12–21 4 bits	11–19 6 bits
gpt-oss-20b21B · 3,6B actifs	28–51 4,25 bits natif	36–64 4,25 bits natif
Qwen3.6 35B A3B35B · 3B actifs	32–56 4 bits	41–72 4 bits
Qwen3.8 27B27B	2–4 6 bits	3–6 6 bits
Llama 3.3 70B Instruct70B	2–4 2 bits qualité moindre	3–6 2 bits qualité moindre
gpt-oss-120b117B · 5,1B actifs	trop grand	trop grand
Qwen3.5 122B A10B122B · 10B actifs	trop grand	trop grand
DeepSeek V4 Flash 0731284B · 13B actifs	trop grand	trop grand

Questions

La puce M5 est-elle plus rapide que la M4 pour les LLM ?: La puce M5 lit la mémoire environ 27 % plus vite que la M4 (153 contre 120 GB/s) ; elle écrit donc environ 27 % plus vite avec tout modèle qui tient dans les deux. La lecture d’un long prompt dépend plutôt de la puissance de calcul du GPU, que cette comparaison ne couvre pas.
Laquelle fait tourner de plus grands modèles, la M4 ou la M5 ?: Aucune : les deux montent jusqu’à 32 GB. À cette capacité, la M4 fait bien tourner 27 et la M5 28 des 73 modèles ouverts ; la plus rapide en fait passer davantage au-dessus de 10 tokens par seconde.

Autres comparaisons

La puce M4 pour l’IA locale · La puce M5 pour l’IA locale · Comparer tous les modèles · Le meilleur Mac pour les LLM en local

Comment c’est calculé

Mémoire : les paramètres du modèle à 8, 6, 4, 3 ou 2 bits par poids, plus les facteurs d’échelle par groupe de MLX (un demi-bit par poids), ou son format natif, avec en plus de la place pour le contexte. Par défaut, macOS laisse le GPU utiliser environ 75 % de la mémoire unifiée. Vitesse : la bande passante mémoire divisée par les octets lus pour chaque token donne le plafond pour une conversation ; dans les benchmarks Apple Silicon publics de llama.cpp, les exécutions réelles atteignent environ 45 % à 80 % de ce plafond, et c’est la fourchette affichée. Ce sont des estimations, pas des mesures : mesurez votre propre Mac sur MLX Bench. Chiffres des modèles tirés de chaque fiche officielle, chiffres des puces tirés des caractéristiques techniques d’Apple. Vérifié le 2026-10-19. Mêmes données que mlx.app/compare.