1Spesifikasi yang penting untuk AI
| Memori terpadu | 32 GB |
|---|---|
| Bandwidth memori | 153 GB/s |
| Ada di | 14-inch MacBook Pro (2025), MacBook Air (2026) |
| Kursi khusus untuknya | Kursi Core: menambang hingga 20 MLX per hari |
2Model yang muat
Pada 4 bit per bobot, model butuh sedikit lebih dari setengah gigabyte per miliar parameter, ditambah ruang untuk konteks dan macOS. Dengan 32 GB, M5 dengan lega menampung model hingga sekitar 42 miliar parameter.
| Model 4-bit | Memori yang dibutuhkan | Muat di M5 |
|---|---|---|
| Model 8B | 4,5 GB | Ya |
| Model 14B | 7,9 GB | Ya |
| Model 32B | 18 GB | Ya |
| Model 70B | 39,4 GB | Tidak |
| gpt-oss-120b, mixture-of-experts | 65 GB | Tidak |
| Qwen3.5-397B-A17B, mixture-of-experts | 223,3 GB | Tidak |
| DeepSeek-V4.1-Flash, mixture-of-experts | 316 GB | Tidak |
3Seberapa cepat
Kecepatan menulis teks dibatasi oleh bandwidth memori: setiap token baru membaca bobot aktif model satu kali. Membagi 153 GB/s milik M5 dengan jumlah byte yang dibaca per token menghasilkan batas atas di bawah. Penggunaan nyata biasanya mencapai sekitar 45% hingga 80% darinya (benchmark llama.cpp).
| Model 4-bit | Dibaca per token | Batas atas satu chat |
|---|---|---|
| Model 8B | 4,5 GB | 34 token/detik |
| Model 14B | 7,9 GB | 19 token/detik |
| Model 32B | 18 GB | 9 token/detik |
Terukur: pada M5 (10-core GPU), llama.cpp menghasilkan 32 token per detik dengan Llama-2-7B (Q4_0) dalam benchmark publiknya.
Chip generasi M5 menambahkan akselerator neural ke GPU, sehingga membaca prompt beberapa kali lebih cepat daripada M4: Apple mengukur token pertama muncul 3,3 hingga 4,1 kali lebih cepat dengan MLX (Apple).
5Bandingkan dengan chip lain
6Pertanyaan
- Bisakah M5 menjalankan model 70B?
- Tidak dengan lega. Model 70B pada 4-bit butuh sekitar 40 GB, sedangkan M5 punya paling banyak 32 GB. Model hingga sekitar 42B parameter berjalan baik.
- Berapa token per detik yang didapat M5?
- Untuk model 8B pada 4-bit, batas atasnya sekitar 34 token per detik, dan penggunaan nyata mencapai kira-kira setengah hingga empat perlimanya. Model yang lebih besar melambat secara proporsional.
- Apakah M5 bagus untuk AI?
- Untuk menjalankan model secara lokal, memori dan bandwidth paling menentukan. M5 punya hingga 32 GB pada 153 GB/s, cukup untuk model hingga sekitar 42 miliar parameter. Mac ini juga bisa memperoleh token dengan menjalankan pekerjaan AI untuk MLX Network lewat MLX Node.
Sumber
- Apple: M5apple.com
- Apple: MacBook Air with M5apple.com
- llama.cpp: Apple Silicon benchmarksgithub.com