16 أكتوبر 2026 · Jakub M.

خمسة عشر نموذج ذكاء اصطناعي على Mac Studio M5 Ultra: كم توكنًا في الثانية تحصل عليه فعلًا

شغّل موقع التقنية التشيكي Vše Smart اثنين وثلاثين نموذجًا لغويًا محليًا على Mac Studio بمعالج M5 Ultra وذاكرة 256 GB. اخترنا منها خمسة عشر، من Qwen3 4B الصغير إلى Mistral Large بـ 123 مليار معامل، ونظرنا فيما تعنيه الأرقام للعمل اليومي.

عادةً ما تتوقف مقارنات سرعة النماذج المحلية بعد اسمين أو ثلاثة. قاس فريق Vše Smart اثنين وثلاثين نموذجًا على Mac Studio M5 Ultra بذاكرة موحدة 256 GB، كل منها إحدى عشرة مرة. أخذنا من نتائجهم خمسة عشر نموذجًا تغطي المجال كله جيدًا: صغيرة وكبيرة، كثيفة ومن نوع خليط الخبراء.

كيف جرى القياس

شُغّلت النماذج في Ollama بإدارة سكربت Python بسيط. حصل كل نموذج على المهمة نفسها، نص تقني طويل عن كيفية صناعة السيارات الحديثة، بحد 2,000 توكن للمخرجات، ودرجة حرارة 0، وسياق من 8,192 توكنًا. استُبعد التشغيل الأول لكل نموذج بوصفه تحمية، والنتيجة متوسط العشرة التالية. وكانت هناك استراحة 30 ثانية بين النماذج.

استغرق الاختبار كله أكثر من أربع ساعات، وولّدت النماذج خلاله أكثر من 700,000 توكن. قيست السرعة فقط؛ ولم يقيّم الاختبار جودة الإجابات.

النتائج

النموذج	النوع	سرعة التوليد
Qwen3 4B	كثيف	203.3 tok/s
Qwen3 30B-A3B	MoE، 3B نشطة	170.1 tok/s
gpt-oss-20b	MoE، 3.6B نشطة	169.3 tok/s
Qwen3.5 35B-A3B	MoE، 3B نشطة	144.9 tok/s
Qwen3.5 9B	كثيف	126.6 tok/s
gpt-oss-120b	MoE، 5.1B نشطة	115.2 tok/s
Gemma 4 26B-A4B	MoE، 4B نشطة	111.7 tok/s
Qwen3-Next 80B-A3B	MoE، 3B نشطة	94.5 tok/s
Qwen3.5 122B-A10B	MoE، 10B نشطة	84.8 tok/s
Llama 4 Scout	MoE، 17B نشطة	63.3 tok/s
Mistral Small 3.2 24B	كثيف	62.2 tok/s
Qwen3.5 27B	كثيف	48.4 tok/s
Gemma 4 31B	كثيف	39.8 tok/s
Llama 3.3 70B	كثيف	22.6 tok/s
Mistral Large 123B	كثيف	13.7 tok/s

متوسط عشر عمليات تشغيل في Ollama، و2,000 توكن مُخرَج، وسياق 8k. MoE تعني خليط الخبراء (mixture of experts)؛ و«نشطة» هو عدد المعاملات المستخدمة لكل توكن. البيانات: Vše Smart. لا يمكن مقارنة نتائج Ollama مباشرة بقياساتنا في MLX. هذه نتائج مقيسة وفق الظروف المذكورة أعلاه وليست ضمانًا: تعتمد السرعة الفعلية على النموذج والتكميم وطول السياق وإعدادات البرمجيات ونوع العمل.

الحجم لا يخبرك الكثير عن السرعة

أوضح مثال هو gpt-oss-120b في مقابل Llama 3.3 70B. لنموذج OpenAI معاملات أكثر (117 مليارًا مقابل 70)، ومع ذلك يكتب أسرع بخمس مرات: 115 توكنًا في الثانية مقابل 23. الفرق في البنية. فـ gpt-oss-120b نموذج خليط خبراء لا يستخدم إلا نحو خمسة مليارات معامل لكل توكن. أما Llama 3.3 فكثيف، يمرّ في كل مرة على السبعين مليارًا كلها.

ويُظهر Qwen الأمر نفسه. يحقق الإصدار 122B-A10B بعشرة مليارات معامل نشط 85 توكنًا في الثانية، بينما لا يتجاوز Qwen3.5 27B الكثيف، وهو بربع الحجم، 48. إذا كانت السرعة تهمك، فإن المعاملات النشطة تخبرك عادةً أكثر من الحجم الكلي، وإن كان للبنية والتكميم والبرمجيات دور أيضًا.

ما السرعة الكافية

للمحادثة العادية يبدو نحو 20 توكنًا في الثانية سلسًا في العادة. ومن بين النماذج الخمسة عشر في الجدول، لا ينخفض تحت هذا الحد إلا Mistral Large بـ 14 توكنًا في الثانية. ويظل مفيدًا للمهام التي لا ينتظرها أحد، مثل معالجة المستندات طوال الليل.

تصبح السرعة أهم بكثير حين يكتب مساعد برمجة كتلًا طويلة من الشيفرة. هناك تكون النماذج التي تتجاوز 80 توكنًا في الثانية منطقية، مثل gpt-oss-120b أو Qwen3-Next 80B أو Qwen3.5 122B.

يتوافق مع قياساتنا

قسنا عددًا من النماذج نفسها على جهاز Mac Studio الخاص بنا، باستخدام MLX بدلًا من Ollama وبطريقة مختلفة قليلًا. تختلف الأرقام ببضعة إلى بضع عشرات من النسبة المئوية، لكن الصورة العامة ثابتة. أعطانا gpt-oss-120b 120 توكنًا في الثانية (Vše Smart: 115)، وgpt-oss-20b 184 (169)، وQwen3.5 27B 55 (48). وجاء Gemma 4 31B أبطأ لدينا، 31 مقابل 40، لأننا استخدمنا إصدارًا مختلفًا من النموذج. التفاصيل في مقال الاختبار لدينا.

جرّبه بنفسك

اتسعت النماذج الاثنان والثلاثون كلها في ذاكرة 256 GB مع فائض. إذا كنت تفكر في شراء جهاز كهذا، أو تحتاج إلى قدرته لبضعة أيام فقط، يمكنك استئجار جهاز Mac Studio M5 Ultra لدينا بذاكرة 256 GB.

مصدر البيانات: Vše Smart: اختبار Mac Studio M5 Ultra مع 32 نموذج ذكاء اصطناعي محليًا (Ludvík Eckerman، 5 أكتوبر 2026، باللغة التشيكية).

اطلب الاستئجار الأداء