並排比較
熱門模型的速度
單一對話每秒產生的 token 數；每款晶片都以最大記憶體配置計算（128 GB 和 512 GB），使用放得下的最佳模型版本。
| 模型 | M4 Max | M5 Ultra |
|---|---|---|
| Llama 3.1 8B Instruct8B | 29–51 8 位元 | 64–113 8 位元 |
| gpt-oss-20b21B · 啟用 3.6B | 129–230 原生 4.25 位元 | 284–505 原生 4.25 位元 |
| Qwen3.6 35B A3B35B · 啟用 3B | 77–137 8 位元 | 169–300 8 位元 |
| Qwen3.8 27B27B | 11–20 6 位元 | 19–33 8 位元 |
| Llama 3.3 70B Instruct70B | 3–6 8 位元 | 14–24 4 位元 |
| gpt-oss-120b117B · 啟用 5.1B | 91–162 原生 4.25 位元 | 200–356 原生 4.25 位元 |
| Qwen3.5 122B A10B122B · 啟用 10B | 44–78 4 位元 | 51–91 8 位元 |
| DeepSeek V4 Flash 0731284B · 啟用 13B | 60–107 2 位元 品質較低 | 39–70 8 位元 |
常見問題
- 執行 LLM 時，M5 Ultra 比 M4 Max 快嗎？
- M5 Ultra 的記憶體讀取速度比 M4 Max 快約 120%（1,200 對 546 GB/s），所以執行兩者都放得下的模型時，產生速度快約 120%。讀取長提示詞則取決於 GPU 運算能力，本比較未涵蓋。
- M4 Max 和 M5 Ultra，哪個能執行更大的模型？
- M5 Ultra。M5 Ultra 最高可配 512 GB 記憶體，M4 Max 最高 128 GB。在最大配置下，它能順暢執行 73 個開放模型中的 61 個，另一款為 47 個。
更多比較
- M1 Max vs M4 Max
- M2 Max vs M4 Max
- M2 Ultra vs M4 Max
- M3 Max vs M4 Max
- M3 Ultra vs M4 Max
- M4 Pro vs M4 Max
- M4 Max vs M5 Max
- M3 Ultra vs M5 Ultra
用 M4 Max 執行本機 AI · 用 M5 Ultra 執行本機 AI · 比較所有模型 · 執行本機 LLM 的最佳 Mac
計算方式
記憶體：模型參數以每個權重 8、6、4、3 或 2 位元計算，加上 MLX 的分組縮放（每個權重半個位元），或依其原生格式計算，再留出上下文空間。macOS 預設讓 GPU 使用約 75% 的統一記憶體。速度：記憶體頻寬除以每個 token 讀取的位元組數，就是單一對話的上限；在 llama.cpp 的 Apple Silicon 公開效能測試中，實際執行可達這個上限的約 45% 到 80%，本頁顯示的就是這個範圍。這些是估算值，不是實測值：可以到 MLX Bench 測量你自己的 Mac。模型數據來自各模型的官方模型卡，晶片數據來自 Apple 的技術規格。核對於 2026-10-19。數據與 mlx.app/compare 相同。