Apakah DGX Spark lebih cepat daripada M5 Max untuk LLM?

M5 Max membaca memori sekitar 125% lebih cepat daripada DGX Spark (614 vs 273 GB/s), jadi ia menulis sekitar 125% lebih cepat untuk model apa pun yang muat di keduanya. Dalam uji terukur llama.cpp, keduanya membaca prompt dengan kecepatan hampir sama (3.220 dan 3.062 token per detik).

Mana yang bisa menjalankan model lebih besar, M5 Max atau DGX Spark?

Keduanya punya sekitar 96 GB untuk model. 47 dari 73 model terbuka populer berjalan baik di M5 Max, 39 di DGX Spark.

Apakah MLX Node berjalan di DGX Spark?

Tidak. MLX Node dan MLX Harness hanya berjalan di Mac dengan Apple Silicon, memakai framework MLX dari Apple.

M5 Max vs DGX Spark untuk LLM: memori, kecepatan, pilih mana

Berdampingan

	M5 Max	DGX Spark
Apa itu	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)	Komputer kecil yang lengkap
Ukuran memori	36, 48, 64, 128 GB	128 GB
Bandwidth memori	460–614 GB/s	273 GB/s
Untuk model, paling banyak	sekitar 96 GB	sekitar 96 GB
Model yang berjalan baik	47 dari 73	39 dari 73
Terukur: menulis	120 tok/s	57 tok/s
Terukur: membaca prompt	3.220 tok/s	3.062 tok/s

Baris terukur: hasil tercepat tiap mesin di benchmark publik llama.cpp dengan Llama 2 7B Q4_0, saat menulis 128 token (tg128) dan membaca prompt 512 token (pp512), dalam token per detik. Mac memakai Metal, DGX Spark memakai CUDA. Hasil Apple Silicon · Hasil DGX Spark Untuk model, kami menghitung sekitar 75% memori di keduanya, bawaan macOS, karena DGX Spark juga berbagi satu memori antara CPU dan GPU. Berapa yang benar-benar boleh dipakai GPU-nya tergantung sistem operasi dan pengaturannya.

Di mana masing-masing unggul

Kecepatan menulis. M5 Max membaca memori sekitar 125% lebih cepat daripada DGX Spark (614 vs 273 GB/s), jadi ia menulis sekitar 125% lebih cepat untuk model apa pun yang muat di keduanya.
Ukuran model. Keduanya punya sekitar 96 GB untuk model. 47 dari 73 model terbuka populer berjalan baik di M5 Max, 39 di DGX Spark.
Membaca prompt panjang. Dalam uji terukur llama.cpp, keduanya membaca prompt dengan kecepatan hampir sama (3.220 dan 3.062 token per detik).
Perangkat lunak. DGX Spark memakai CUDA dari NVIDIA, yang didukung lebih dulu oleh sebagian besar perangkat lunak AI, termasuk kode pelatihan dan banyak alat gambar serta video. Di Mac, model dijalankan dengan MLX, backend Metal llama.cpp, atau backend MPS PyTorch.
Di sekitarnya. Keduanya komputer lengkap yang menyimpan model dalam satu memori bersama untuk CPU dan GPU.
Mac. Ini juga komputer sehari-hari, dan menjalankan MLX Harness serta MLX Node, yang dibuat untuk Apple Silicon.

Kecepatan dengan model populer

Token per detik untuk satu percakapan, setiap chip pada ukuran memori terbesarnya (128 GB dan 128 GB), dengan versi terbaik model yang muat.

Model	M5 Max	DGX Spark
Llama 3.1 8B Instruct8B	33–58 8-bit	14–26 8-bit
gpt-oss-20b21B · 3,6B aktif	145–259 4,25-bit bawaan	65–115 4,25-bit bawaan
Qwen3.6 35B A3B35B · 3B aktif	86–154 8-bit	38–68 8-bit
Qwen3.8 27B27B	10–17 8-bit	4–8 8-bit
Llama 3.3 70B Instruct70B	4–7 8-bit	2–3 8-bit
gpt-oss-120b117B · 5,1B aktif	102–182 4,25-bit bawaan	45–81 4,25-bit bawaan
Qwen3.5 122B A10B122B · 10B aktif	49–88 4-bit	22–39 4-bit
DeepSeek V4 Flash 0731284B · 13B aktif	67–120 2-bit kualitas lebih rendah	30–53 2-bit kualitas lebih rendah

Pertanyaan

Apakah DGX Spark lebih cepat daripada M5 Max untuk LLM?: M5 Max membaca memori sekitar 125% lebih cepat daripada DGX Spark (614 vs 273 GB/s), jadi ia menulis sekitar 125% lebih cepat untuk model apa pun yang muat di keduanya. Dalam uji terukur llama.cpp, keduanya membaca prompt dengan kecepatan hampir sama (3.220 dan 3.062 token per detik).
Mana yang bisa menjalankan model lebih besar, M5 Max atau DGX Spark?: Keduanya punya sekitar 96 GB untuk model. 47 dari 73 model terbuka populer berjalan baik di M5 Max, 39 di DGX Spark.
Apakah MLX Node berjalan di DGX Spark?: Tidak. MLX Node dan MLX Harness hanya berjalan di Mac dengan Apple Silicon, memakai framework MLX dari Apple.

Perbandingan lainnya

M5 Max untuk AI lokal · Bandingkan semua model · Mac terbaik untuk LLM lokal

Cara menghitungnya

Memori: parameter model pada 8, 6, 4, 3, atau 2 bit per bobot ditambah skala grup MLX (setengah bit per bobot), atau format bawaannya, ditambah ruang untuk konteks. Secara bawaan macOS mengizinkan GPU memakai sekitar 75% memori terpadu. Kecepatan: bandwidth memori dibagi jumlah byte yang dibaca per token adalah batas atas untuk satu percakapan; dalam benchmark Apple Silicon publik llama.cpp, proses nyata mencapai sekitar 45% hingga 80% darinya, dan rentang itulah yang ditampilkan. Ini perkiraan, bukan pengukuran: ukur Mac Anda sendiri di MLX Bench. Angka model dari kartu model resmi masing-masing, angka chip dari Spesifikasi Teknis Apple. Diperiksa 2026-10-19. Data sama dengan mlx.app/compare.

Data DGX Spark: NVIDIA: DGX Spark (specs).