M5 có nhanh hơn M4 cho LLM không?

M5 đọc bộ nhớ nhanh hơn M4 khoảng 27% (153 so với 120 GB/s), nên viết nhanh hơn khoảng 27% 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 hay M5 chạy được mô hình lớn hơn?

Không chip nào hơn: cả hai đều tới 32 GB. Ở dung lượng đó, M4 chạy tốt 27 và M5 chạy tốt 28 trên 73 mô hình mở; chip nhanh hơn đưa được nhiều mô hình hơn lên mức 10 token mỗi giây.

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

Cạnh nhau

	M4	M5
Dung lượng bộ nhớ	16, 24, 32 GB	16, 24, 32 GB
Băng thông bộ nhớ	120 GB/s	153 GB/s
Cho mô hình, tối đa	khoảng 24 GB	khoảng 24 GB
Mô hình chạy tốt	27 trên 73	28 trên 73
Hạng ghế MLX	Core	Core
Có trên	MacBook Pro (14-inch, M4, 2024), iMac (24-inch, 2024, Two ports), iMac (24-inch, 2024, Four ports), Mac mini (2024), MacBook Air (13-inch, M4, 2025), MacBook Air (15-inch, M4, 2025)	MacBook Pro (14-inch, M5), MacBook Air (13-inch, M5), MacBook Air (15-inch, M5)

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 (32 GB và 32 GB), với phiên bản tốt nhất của mô hình vừa với máy.

Mô hình	M4	M5
Llama 3.1 8B Instruct8B	12–21 4-bit	11–19 6-bit
gpt-oss-20b21B · 3,6B hoạt động	28–51 4,25-bit gốc	36–64 4,25-bit gốc
Qwen3.6 35B A3B35B · 3B hoạt động	32–56 4-bit	41–72 4-bit
Qwen3.8 27B27B	2–4 6-bit	3–6 6-bit
Llama 3.3 70B Instruct70B	2–4 2-bit chất lượng thấp hơn	3–6 2-bit chất lượng thấp hơn
gpt-oss-120b117B · 5,1B hoạt động	quá lớn	quá lớn
Qwen3.5 122B A10B122B · 10B hoạt động	quá lớn	quá lớn
DeepSeek V4 Flash 0731284B · 13B hoạt động	quá lớn	quá lớn

Câu hỏi

M5 có nhanh hơn M4 cho LLM không?: M5 đọc bộ nhớ nhanh hơn M4 khoảng 27% (153 so với 120 GB/s), nên viết nhanh hơn khoảng 27% 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 hay M5 chạy được mô hình lớn hơn?: Không chip nào hơn: cả hai đều tới 32 GB. Ở dung lượng đó, M4 chạy tốt 27 và M5 chạy tốt 28 trên 73 mô hình mở; chip nhanh hơn đưa được nhiều mô hình hơn lên mức 10 token mỗi giây.

Thêm so sánh

M4 cho AI cục bộ · M5 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.