M5 Ultra có nhanh hơn M4 Max cho LLM không?

M5 Ultra đọc bộ nhớ nhanh hơn M4 Max khoảng 120% (1.200 so với 546 GB/s), nên viết nhanh hơn khoảng 120% với mọi mô hình vừa cả hai. Việc đọc một prompt dài lại phụ thuộc vào sức tính toán của GPU, điều mà phép so sánh này không đề cập.

M4 Max hay M5 Ultra chạy được mô hình lớn hơn?

M5 Ultra: M5 Ultra có tới 512 GB bộ nhớ, M4 Max tới 128 GB. Ở cấu hình lớn nhất, nó chạy tốt 61 trên 73 mô hình mở, so với 47.

M4 Max vs M5 Ultra cho LLM: bộ nhớ, tốc độ, nên mua máy nào

Cạnh nhau

	M4 Max	M5 Ultra
Dung lượng bộ nhớ	36, 48, 64, 128 GB	96, 256, 512 GB
Băng thông bộ nhớ	410–546 GB/s	1.200 GB/s
Cho mô hình, tối đa	khoảng 96 GB	khoảng 384 GB
Mô hình chạy tốt	47 trên 73	61 trên 73
Hạng ghế MLX	Pro	Ultra Latest
Có trên	MacBook Pro (14-inch, M4 Pro or M4 Max, 2024), MacBook Pro (16-inch, 2024), Mac Studio (2025)	Mac Studio (M5 Max or M5 Ultra)

Tốc độ với các mô hình phổ biến

Token mỗi giây cho một cuộc trò chuyện, mỗi chip ở dung lượng bộ nhớ lớn nhất (128 GB và 512 GB), với phiên bản tốt nhất của mô hình vừa với máy.

Mô hình	M4 Max	M5 Ultra
Llama 3.1 8B Instruct8B	29–51 8-bit	64–113 8-bit
gpt-oss-20b21B · 3,6B hoạt động	129–230 4,25-bit gốc	284–505 4,25-bit gốc
Qwen3.6 35B A3B35B · 3B hoạt động	77–137 8-bit	169–300 8-bit
Qwen3.8 27B27B	11–20 6-bit	19–33 8-bit
Llama 3.3 70B Instruct70B	3–6 8-bit	14–24 4-bit
gpt-oss-120b117B · 5,1B hoạt động	91–162 4,25-bit gốc	200–356 4,25-bit gốc
Qwen3.5 122B A10B122B · 10B hoạt động	44–78 4-bit	51–91 8-bit
DeepSeek V4 Flash 0731284B · 13B hoạt động	60–107 2-bit chất lượng thấp hơn	39–70 8-bit

Câu hỏi

M5 Ultra có nhanh hơn M4 Max cho LLM không?: M5 Ultra đọc bộ nhớ nhanh hơn M4 Max khoảng 120% (1.200 so với 546 GB/s), nên viết nhanh hơn khoảng 120% với mọi mô hình vừa cả hai. Việc đọc một prompt dài lại phụ thuộc vào sức tính toán của GPU, điều mà phép so sánh này không đề cập.
M4 Max hay M5 Ultra chạy được mô hình lớn hơn?: M5 Ultra: M5 Ultra có tới 512 GB bộ nhớ, M4 Max tới 128 GB. Ở cấu hình lớn nhất, nó chạy tốt 61 trên 73 mô hình mở, so với 47.

Thêm so sánh

M4 Max cho AI cục bộ · M5 Ultra cho AI cục bộ · So sánh mọi mô hình · Mac tốt nhất cho LLM cục bộ

Cách tính

Bộ nhớ: số tham số của mô hình ở 8, 6, 4, 3 hoặc 2 bit mỗi trọng số cộng với hệ số tỷ lệ theo nhóm của MLX (nửa bit mỗi trọng số), hoặc theo định dạng gốc, rồi thêm chỗ cho ngữ cảnh. Mặc định macOS cho GPU dùng khoảng 75% bộ nhớ hợp nhất. Tốc độ: băng thông bộ nhớ chia cho số byte đọc mỗi token là mức trần cho một cuộc trò chuyện; trong benchmark Apple Silicon công khai của llama.cpp, thực tế đạt khoảng 45% đến 80% mức đó, và đó là khoảng được hiển thị. Đây là ước tính, không phải số đo: hãy đo chính Mac của bạn trên MLX Bench. Số liệu mô hình lấy từ thẻ mô hình chính thức, số liệu chip từ Thông số kỹ thuật của Apple. Kiểm tra ngày 2026-10-19. Cùng dữ liệu với mlx.app/compare.