15 أكتوبر 2026 · Jakub M.

Mac Studio M5 Ultra بذاكرة 256 GB والذكاء الاصطناعي المحلي: قسنا ستة نماذج

كم توكنًا في الثانية يقدّم فعلًا جهاز Mac Studio بمعالج M5 Ultra وذاكرة موحدة 256 GB؟ شغّلنا ستة نماذج مفتوحة شائعة من 9 إلى 120 مليار معامل، مع سياق فارغ وآخر طويل، وسجّلنا استهلاك الذاكرة أيضًا.

عادةً ما تعرض اختبارات Apple Silicon للنماذج اللغوية المحلية رقمًا واحدًا لنموذج واحد، دون ذكر طريقة القياس. أردنا أرقامًا كاملة وقابلة للتكرار، لذا قسنا جميع النماذج بالطريقة نفسها ودوّنا المنهجية.

على أي جهاز وكيف قسنا

العتاد: Mac Studio بمعالج Apple M5 Ultra وذاكرة موحدة 256 GB وSSD سعة 4 TB. وهو الجهاز نفسه الذي نؤجّره.
البرمجيات: macOS 27.0.1 وPython 3.12 وmlx-lm 0.32 المبني على إطار MLX من Apple.
النماذج: تحويلات MLX من منظمة mlx-community على Hugging Face بتكميم 4 بت. تستخدم نماذج gpt-oss صيغة MXFP4 لأوزان الخبراء (إصدارات «MXFP4-Q8»)، وGemma 4 31B هو إصدار QAT بدقة 4 بت.
الاختبار: 512 توكنًا من الموجّه يليها 128 توكنًا مولّدًا، مع وجود 0 و8,192 و32,768 توكنًا مسبقًا في السياق. أُجريت عمليات التشغيل بسياق فارغ مرتين وأُخذ المتوسط، والسياقات الأطول مرة واحدة. يتكوّن الموجّه من توكنات عشوائية. ومع موجّهات حقيقية وإجابات أطول قد تختلف السرعة.
الذاكرة: الذروة التي أبلغ عنها MLX أثناء الاختبار، بما في ذلك أوزان النموذج وذاكرة السياق المؤقتة.

النتائج

النموذج	النوع	الحجم	التوليد، فارغ	التوليد، 8k	التوليد، 32k	الذاكرة، فارغ	الذاكرة، 32k
Qwen3.5 9B	كثيف	6.0 GB	167	161	141	5.5 GB	7.4 GB
gpt-oss-20b	MoE	12.1 GB	184	172	145	11.7 GB	12.8 GB
Qwen3.5 27B	كثيف	16.1 GB	55	53	48	15.3 GB	18.8 GB
Gemma 4 31B	كثيف	28.8 GB	31	27	21	26.6 GB	31.5 GB
Qwen3.5 35B-A3B	MoE	20.4 GB	162	154	141	18.8 GB	20.6 GB
gpt-oss-120b	MoE	63.4 GB	120	113	96	59.5 GB	61.0 GB

سرعة التوليد بعدد التوكنات في الثانية. «فارغ» و«8k» و«32k» تعني عدد التوكنات الموجودة مسبقًا في السياق. الذاكرة هي الذروة التي أبلغ عنها MLX. هذه نتائج مقيسة وفق الظروف المذكورة أعلاه وليست ضمانًا: تعتمد السرعة الفعلية على النموذج والتكميم وطول السياق وإعدادات البرمجيات ونوع العمل.

ماذا تقول الأرقام

نماذج خليط الخبراء أسرع بكثير

أسرع نموذج في الاختبار ليس أصغرها. يولّد gpt-oss-20b 184 توكنًا في الثانية، وحتى gpt-oss-120b يبلغ 120. كلاهما من نوع خليط الخبراء (MoE): لكل توكن لا يستخدمان إلا جزءًا صغيرًا من معاملاتهما، نحو 3.6 مليار في gpt-oss-20b و5.1 مليار في gpt-oss-120b بحسب OpenAI. ويعمل Qwen3.5 35B-A3B بالطريقة نفسها بنحو 3 مليارات معامل نشط ويبلغ 162 توكنًا في الثانية.

تستخدم النماذج الكثيفة كل معاملاتها لكل توكن، لذا فهي أبطأ: يولّد Qwen3.5 27B 55 توكنًا في الثانية وGemma 4 31B 31. وحتى أبطأ نموذج في الاختبار، بـ 31 توكنًا في الثانية، يكتب أسرع مما يقرأ معظم الناس.

السياق الطويل يكلّف من 12 إلى 32 بالمئة

مع وجود 32,768 توكنًا مسبقًا في السياق، تباطأ التوليد في معظم النماذج بنسبة 12 إلى 21 بالمئة. وكان Gemma 4 31B الأكثر خسارة، من 31 إلى 21 توكنًا في الثانية، أي نحو الثلث. إذا كنت تعمل على مستندات طويلة أو قواعد شيفرة كبيرة، فهذا هو العمود الذي ينبغي أن تنظر إليه.

تترك 256 GB مساحة واسعة

احتاج أكبر نموذج اختبرناه، gpt-oss-120b، إلى 61 GB بما في ذلك سياق 32k، أي أقل من ربع الذاكرة. وبحسب حساباتنا تكفي المساحة المتبقية لنماذج أكبر بكثير، مثل Qwen3.5 122B-A10B (نحو 70 GB بدقة 4 بت) أو حتى Qwen3.5 397B-A17B الذي تبلغ ملفاته بدقة 4 بت 224 GB. لم نختبر هذه النماذج بعد، كما أن السياق والنظام يحتاجان إلى ذاكرة أيضًا. وتتيح الذاكرة كذلك تشغيل عدة نماذج جنبًا إلى جنب، مثل نموذج كبير للإجابات وآخر صغير للتوجيه السريع أو التضمينات.

ما لم نقسه

سرعة معالجة الموجّه. أعطى اختبارنا القصير بـ 512 توكنًا نتائج متذبذبة، بين 500 و5,000 توكن في الثانية تقريبًا حسب النموذج. يكفي هذا للقول إن قراءة الموجّه أسرع من التوليد بأضعاف، لكنه لا يكفي لأرقام دقيقة. سنضيف قياسًا أطول.
بيئات تشغيل أخرى. استخدمنا MLX فقط. قد تعطي llama.cpp أو Ollama أو نماذج GGUF في LM Studio نتائج مختلفة.
جودة الإجابات واستهلاك الطاقة وأكبر النماذج (122B و397B). وهي التالية على قائمتنا.

جرّبه على عملك أنت

لا تجيب أرقام اختبار أجراه غيرك تمامًا عن سؤال ما إذا كان الجهاز مناسبًا لعملك. ولهذا نؤجّر جهاز Mac Studio هذا تحديدًا، بدءًا من يوم واحد، عبر SSH أو سطح المكتب البعيد. وإذا كنت تفكر في شرائه، يمكنك أولًا تشغيل نماذجك وبياناتك عليه.

اطلب الاستئجار الأداء