并排对比
热门模型的速度
单个对话每秒生成的 token 数；每款芯片都按最大内存配置计算（32 GB 和 32 GB），使用装得下的最佳模型版本。
| 模型 | M5 | M6 |
|---|---|---|
| Llama 3.1 8B Instruct8B | 11–19 6 位 | 12–21 6 位 |
| gpt-oss-20b21B · 激活 3.6B | 36–64 原生 4.25 位 | 40–72 原生 4.25 位 |
| Qwen3.6 35B A3B35B · 激活 3B | 41–72 4 位 | 45–80 4 位 |
| Qwen3.8 27B27B | 3–6 6 位 | 3–6 6 位 |
| Llama 3.3 70B Instruct70B | 3–6 2 位 质量较低 | 3–6 2 位 质量较低 |
| gpt-oss-120b117B · 激活 5.1B | 太大 | 太大 |
| Qwen3.5 122B A10B122B · 激活 10B | 太大 | 太大 |
| DeepSeek V4 Flash 0731284B · 激活 13B | 太大 | 太大 |
常见问题
- 运行 LLM 时，M6 比 M5 快吗？
- M6 的内存读取速度比 M5 快约 11%（170 对 153 GB/s），所以运行两者都装得下的模型时，生成速度快约 11%。读取长提示词则取决于 GPU 算力，本对比不涉及。
- M5 和 M6，哪个能运行更大的模型？
- 一样：两者最高都是 32 GB。在这个容量下，73 个开放模型中，M5 能流畅运行 28 个，M6 能流畅运行 29 个；速度更快的那款有更多模型达到每秒 10 个 token。
更多对比
计算方法
内存：模型参数按每个权重 8、6、4、3 或 2 位计算，加上 MLX 的分组缩放（每个权重半位），或按其原生格式计算，再留出上下文空间。macOS 默认允许 GPU 使用约 75% 的统一内存。速度：内存带宽除以每个 token 读取的字节数，就是单个对话的上限；在 llama.cpp 的 Apple Silicon 公开基准测试中，实际运行可达这个上限的约 45% 到 80%，本页显示的就是这个范围。这些是估算值，不是实测值：可以在 MLX Bench 上测量你自己的 Mac。模型数据来自各模型的官方模型卡，芯片数据来自 Apple 的技术规格。核对于 2026-10-19。数据与 mlx.app/compare 相同。