La puce RTX 5090 est-elle plus rapide que la M5 Max pour les LLM ?

La puce RTX 5090 lit la mémoire environ 192 % plus vite que la M5 Max (1 792 contre 614 GB/s) ; elle écrit donc environ 192 % plus vite avec tout modèle qui tient dans les deux. Dans le test mesuré de llama.cpp, le RTX 5090 lit un prompt environ 4,4× plus vite (14 073 contre 3 220 tokens par seconde). La lecture d’un prompt dépend de la puissance de calcul du GPU et non de la bande passante mémoire : c’est elle qui fixe l’attente avant le premier mot avec un long document ou une base de code.

Laquelle fait tourner de plus grands modèles, la M5 Max ou la RTX 5090 ?

Le M5 Max dispose d’environ 96 GB pour les modèles, le RTX 5090 d’environ 31 GB. 47 des 73 modèles ouverts populaires tournent bien sur le M5 Max, 38 sur le RTX 5090.

MLX Node fonctionne-t-il sur le RTX 5090 ?

Non. MLX Node et MLX Harness ne fonctionnent que sur les Mac Apple Silicon, avec le framework MLX d’Apple.

M5 Max vs RTX 5090 pour LLM : mémoire, vitesse, lequel choisir

Côte à côte

	M5 Max	RTX 5090
Ce que c’est	MacBook Pro (14-inch, M5 Pro or M5 Max), MacBook Pro (16-inch, M5 Pro or M5 Max), Mac Studio (M5 Max or M5 Ultra)	Une carte graphique pour PC de bureau
Capacités de mémoire	36, 48, 64, 128 GB	32 GB
Bande passante mémoire	460–614 GB/s	1 792 GB/s
Pour les modèles, au plus	environ 96 GB	environ 31 GB
Modèles qui tournent bien	47 sur 73	38 sur 73
Mesuré : écriture	120 tok/s	290 tok/s
Mesuré : lecture du prompt	3 220 tok/s	14 073 tok/s

Lignes mesurées : le meilleur résultat de chaque machine dans les benchmarks publics de llama.cpp avec Llama 2 7B Q4_0, en écrivant 128 tokens (tg128) et en lisant un prompt de 512 tokens (pp512), en tokens par seconde. Le Mac tournait sous Metal, le RTX 5090 sous CUDA. Résultats Apple Silicon · Résultats du RTX 5090 Pour les modèles, nous comptons les 32 GB propres au RTX 5090 moins environ 1 GB, et environ 75 % de la mémoire unifiée du Mac, la valeur par défaut de macOS.

Où chacun l’emporte

Vitesse d’écriture. La puce RTX 5090 lit la mémoire environ 192 % plus vite que la M5 Max (1 792 contre 614 GB/s) ; elle écrit donc environ 192 % plus vite avec tout modèle qui tient dans les deux.
Taille des modèles. Le M5 Max dispose d’environ 96 GB pour les modèles, le RTX 5090 d’environ 31 GB. 47 des 73 modèles ouverts populaires tournent bien sur le M5 Max, 38 sur le RTX 5090.
Lecture des longs prompts. Dans le test mesuré de llama.cpp, le RTX 5090 lit un prompt environ 4,4× plus vite (14 073 contre 3 220 tokens par seconde). La lecture d’un prompt dépend de la puissance de calcul du GPU et non de la bande passante mémoire : c’est elle qui fixe l’attente avant le premier mot avec un long document ou une base de code.
Logiciels. Le RTX 5090 utilise CUDA de NVIDIA, que la plupart des logiciels d’IA prennent en charge en premier, dont le code d’entraînement et de nombreux outils d’image et de vidéo. Sur un Mac, on fait tourner les modèles avec MLX, le backend Metal de llama.cpp ou le backend MPS de PyTorch.
Autour. Une carte graphique a besoin d’un PC autour d’elle, et ses propres 32 GB sont la limite : un modèle qui ne tient pas doit tourner en partie depuis la mémoire système du PC, bien plus lente, ou sur une deuxième carte.
Le Mac. C’est aussi un ordinateur de tous les jours, et il fait tourner MLX Harness et MLX Node, conçus pour Apple Silicon.

Vitesse avec des modèles populaires

Tokens par seconde pour une conversation, chaque puce avec sa plus grande capacité de mémoire (128 GB et 32 GB), avec la meilleure version du modèle qui tient.

Modèle	M5 Max	RTX 5090
Llama 3.1 8B Instruct8B	33–58 8 bits	95–169 8 bits
gpt-oss-20b21B · 3,6B actifs	145–259 4,25 bits natif	424–755 4,25 bits natif
Qwen3.6 35B A3B35B · 3B actifs	86–154 8 bits	336–597 6 bits
Qwen3.8 27B27B	10–17 8 bits	28–50 8 bits
Llama 3.3 70B Instruct70B	4–7 8 bits	37–65 2 bits qualité moindre
gpt-oss-120b117B · 5,1B actifs	102–182 4,25 bits natif	trop grand
Qwen3.5 122B A10B122B · 10B actifs	49–88 4 bits	trop grand
DeepSeek V4 Flash 0731284B · 13B actifs	67–120 2 bits qualité moindre	trop grand

Questions

La puce RTX 5090 est-elle plus rapide que la M5 Max pour les LLM ?: La puce RTX 5090 lit la mémoire environ 192 % plus vite que la M5 Max (1 792 contre 614 GB/s) ; elle écrit donc environ 192 % plus vite avec tout modèle qui tient dans les deux. Dans le test mesuré de llama.cpp, le RTX 5090 lit un prompt environ 4,4× plus vite (14 073 contre 3 220 tokens par seconde). La lecture d’un prompt dépend de la puissance de calcul du GPU et non de la bande passante mémoire : c’est elle qui fixe l’attente avant le premier mot avec un long document ou une base de code.
Laquelle fait tourner de plus grands modèles, la M5 Max ou la RTX 5090 ?: Le M5 Max dispose d’environ 96 GB pour les modèles, le RTX 5090 d’environ 31 GB. 47 des 73 modèles ouverts populaires tournent bien sur le M5 Max, 38 sur le RTX 5090.
MLX Node fonctionne-t-il sur le RTX 5090 ?: Non. MLX Node et MLX Harness ne fonctionnent que sur les Mac Apple Silicon, avec le framework MLX d’Apple.

Autres comparaisons

La puce M5 Max 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.

Données du RTX 5090 : NVIDIA: GeForce RTX 5090 (specs: 32 GB GDDR7, 512-bit, 575 W TGP), NVIDIA RTX Blackwell GPU Architecture whitepaper (Tables 1 and 4).