O RTX 5090 é mais rápido que o M5 Max para LLMs?

O RTX 5090 lê a memória cerca de 192% mais rápido que o M5 Max (1.792 contra 614 GB/s), então escreve cerca de 192% mais rápido com qualquer modelo que caiba nos dois. No teste medido do llama.cpp, o RTX 5090 lê um prompt cerca de 4,4× mais rápido (14.073 contra 3.220 tokens por segundo). Ler um prompt depende do poder de cálculo da GPU, não da largura de banda da memória, e é isso que define a espera até a primeira palavra com um documento longo ou uma base de código.

Qual roda modelos maiores, o M5 Max ou o RTX 5090?

O M5 Max tem cerca de 96 GB para modelos, o RTX 5090 cerca de 31 GB. 47 de 73 modelos abertos populares rodam bem no M5 Max, e 38 no RTX 5090.

O MLX Node roda no RTX 5090?

Não. O MLX Node e o MLX Harness rodam só em Macs com Apple Silicon, com o framework MLX da Apple.

M5 Max vs RTX 5090 para LLMs: memória, velocidade, qual comprar

Lado a lado

	M5 Max	RTX 5090
O que é	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)	Uma placa de vídeo para PC de mesa
Tamanhos de memória	36, 48, 64, 128 GB	32 GB
Largura de banda da memória	460–614 GB/s	1.792 GB/s
Para modelos, no máximo	cerca de 96 GB	cerca de 31 GB
Modelos que rodam bem	47 de 73	38 de 73
Medido: escrita	120 tok/s	290 tok/s
Medido: leitura do prompt	3.220 tok/s	14.073 tok/s

Linhas medidas: o resultado mais rápido de cada máquina nos benchmarks públicos do llama.cpp com Llama 2 7B Q4_0, escrevendo 128 tokens (tg128) e lendo um prompt de 512 tokens (pp512), em tokens por segundo. O Mac rodou em Metal, o RTX 5090 em CUDA. Resultados do Apple Silicon · Resultados do RTX 5090 Para modelos, contamos os 32 GB próprios do RTX 5090 menos cerca de 1 GB, e cerca de 75% da memória unificada do Mac, o padrão do macOS.

Onde cada um vence

Velocidade de escrita. O RTX 5090 lê a memória cerca de 192% mais rápido que o M5 Max (1.792 contra 614 GB/s), então escreve cerca de 192% mais rápido com qualquer modelo que caiba nos dois.
Tamanho do modelo. O M5 Max tem cerca de 96 GB para modelos, o RTX 5090 cerca de 31 GB. 47 de 73 modelos abertos populares rodam bem no M5 Max, e 38 no RTX 5090.
Leitura de prompts longos. No teste medido do llama.cpp, o RTX 5090 lê um prompt cerca de 4,4× mais rápido (14.073 contra 3.220 tokens por segundo). Ler um prompt depende do poder de cálculo da GPU, não da largura de banda da memória, e é isso que define a espera até a primeira palavra com um documento longo ou uma base de código.
Software. O RTX 5090 usa o CUDA da NVIDIA, que a maior parte dos softwares de IA suporta primeiro, incluindo código de treino e muitas ferramentas de imagem e vídeo. No Mac, os modelos rodam com MLX, o backend Metal do llama.cpp ou o backend MPS do PyTorch.
Ao redor. Uma placa de vídeo precisa de um PC ao redor, e os 32 GB dela são o limite: um modelo que não cabe tem de rodar em parte na memória do sistema do PC, bem mais lenta, ou dividido numa segunda placa.
O Mac. Também é um computador para o dia a dia, e roda o MLX Harness e o MLX Node, feitos para Apple Silicon.

Velocidade com modelos populares

Tokens por segundo em uma conversa, cada chip com o seu maior tamanho de memória (128 GB e 32 GB), com a melhor versão do modelo que cabe.

Modelo	M5 Max	RTX 5090
Llama 3.1 8B Instruct8B	33–58 8 bits	95–169 8 bits
gpt-oss-20b21B · 3,6B ativos	145–259 4,25 bits nativo	424–755 4,25 bits nativo
Qwen3.6 35B A3B35B · 3B ativos	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 qualidade menor
gpt-oss-120b117B · 5,1B ativos	102–182 4,25 bits nativo	grande demais
Qwen3.5 122B A10B122B · 10B ativos	49–88 4 bits	grande demais
DeepSeek V4 Flash 0731284B · 13B ativos	67–120 2 bits qualidade menor	grande demais

Perguntas

O RTX 5090 é mais rápido que o M5 Max para LLMs?: O RTX 5090 lê a memória cerca de 192% mais rápido que o M5 Max (1.792 contra 614 GB/s), então escreve cerca de 192% mais rápido com qualquer modelo que caiba nos dois. No teste medido do llama.cpp, o RTX 5090 lê um prompt cerca de 4,4× mais rápido (14.073 contra 3.220 tokens por segundo). Ler um prompt depende do poder de cálculo da GPU, não da largura de banda da memória, e é isso que define a espera até a primeira palavra com um documento longo ou uma base de código.
Qual roda modelos maiores, o M5 Max ou o RTX 5090?: O M5 Max tem cerca de 96 GB para modelos, o RTX 5090 cerca de 31 GB. 47 de 73 modelos abertos populares rodam bem no M5 Max, e 38 no RTX 5090.
O MLX Node roda no RTX 5090?: Não. O MLX Node e o MLX Harness rodam só em Macs com Apple Silicon, com o framework MLX da Apple.

Mais comparações

O M5 Max para IA local · Compare todos os modelos · O melhor Mac para LLMs locais

Como é calculado

Memória: os parâmetros do modelo com 8, 6, 4, 3 ou 2 bits por peso, mais as escalas por grupo do MLX (meio bit por peso), ou o formato nativo do modelo, com espaço extra para o contexto. Por padrão, o macOS deixa a GPU usar cerca de 75% da memória unificada. Velocidade: a largura de banda da memória dividida pelos bytes lidos por token é o teto para uma conversa; nos benchmarks públicos de Apple Silicon do llama.cpp, execuções reais chegam a cerca de 45% a 80% desse teto, que é a faixa mostrada. São estimativas, não medições: meça o seu Mac no MLX Bench. Dados dos modelos tirados de cada model card oficial; dados dos chips, das especificações técnicas da Apple. Verificado em 2026-10-19. Os mesmos dados de mlx.app/compare.

Dados do 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).