CS
27. října 2026 · Jakub M.
Souboj titánů: MacBook Pro M5 Max proti Macu Studio M5 Ultra v lokální AI
Nejvýkonnější MacBook proti nejvýkonnějšímu Macu Studio, 32 jazykových modelů a jeden vítěz. V testu webu Vše Smart byl Mac Studio M5 Ultra rychlejší ve 31 z 32 kol, v mediánu o 89 procent. U modelů od 70 miliard parametrů výš byl rychlejší víc než dvaapůlkrát.
Zdroj: MacBook Pro M5 Max vs. Mac Studio M5 Ultra: srovnání výkon lokálních AI modelů, Ludvík Eckerman, Vše Smart, 7. října 2026. Všechna čísla níže pocházejí z tohoto článku.
Nejvýkonnější notebook od Applu proti nejvýkonnějšímu stolnímu počítači. Oba stroje v nejvyšší konfiguraci, stejné modely, stejné zadání, stejná místnost. Web Vše Smart je prohnal dvaatřiceti lokálními jazykovými modely a výsledkem je jasné vítězství na body s několika překvapivými koly.
Do ringu nastupují
| MacBook Pro M5 Max | Mac Studio M5 Ultra | |
|---|---|---|
| Jádra CPU | 18 | 36 |
| Jádra GPU | 40 | 80 |
| Sjednocená paměť | 128 GB | 256 GB |
| SSD | 4 TB | 4 TB |
Na papíře je M5 Ultra dvojice čipů M5 Max spojených dohromady: dvakrát víc jader CPU i GPU a dvakrát víc paměti. Otázka je, kolik z toho se promítne do skutečné rychlosti.
Pravidla zápasu
- Modely běžely lokálně v Ollamě, bez cloudu.
- Jedno zadání pro všechny: dlouhý technický text o konstrukci moderních aut, až 2 000 tokenů, kontext 8k, teplota 0, pevný seed, bez režimu přemýšlení.
- Každý model běžel jedenáctkrát, první běh se zahodil a výsledek je průměr zbylých deseti.
- Modely v náhodném pořadí a po každém třicetisekundová pauza, aby teplo nezvýhodnilo ani jednu stranu.
Všech 32 kol
| Model | MacBook Pro M5 Max | Mac Studio M5 Ultra | Studio proti MacBooku |
|---|---|---|---|
| qwen3:4b | 121,39 | 203,31 | +67,5 % |
| qwen3:30b | 112,63 | 170,12 | +51,0 % |
| gpt-oss:20b | 100,94 | 169,35 | +67,8 % |
| qwen2.5:7b | 81,36 | 154,19 | +89,5 % |
| qwen3.5:35b-mlx | 124,13 | 144,87 | +16,7 % |
| qwen3.5:9b | 68,06 | 126,59 | +86,0 % |
| gpt-oss:120b | 73,15 | 115,21 | +57,5 % |
| gemma4:26b | 68,07 | 111,74 | +64,2 % |
| qwen3-coder-next:latest | 75,91 | 109,48 | +44,2 % |
| qwen3-next:80b | 73,14 | 94,48 | +29,2 % |
| gemma4:26b-mlx-bf16 | 58,76 | 93,21 | +58,6 % |
| gemma4:e4b | 93,12 | 92,95 | −0,2 % |
| qwen3.8:27b-mlx | 37,90 | 90,65 | +139,2 % |
| gemma4:12b | 46,62 | 90,48 | +94,1 % |
| ministral-3:14b | 44,61 | 88,66 | +98,7 % |
| gemma3:12b | 47,00 | 88,26 | +87,8 % |
| qwen3.5:122b-a10b | 46,91 | 84,80 | +80,8 % |
| phi4-reasoning:plus | 36,83 | 76,10 | +106,6 % |
| llama4:scout | 34,12 | 63,26 | +85,4 % |
| mistral-small3.2:24b | 26,42 | 62,19 | +135,4 % |
| qwen3.8-flash-next:125b-mlx | 45,26 | 54,60 | +20,6 % |
| gemma4:12b-mlx-bf16 | 27,70 | 48,84 | +76,3 % |
| qwen3.5:27b | 21,98 | 48,36 | +120,0 % |
| gemma3:27b | 21,32 | 47,74 | +123,9 % |
| qwen3:32b | 18,52 | 42,88 | +131,5 % |
| gemma4:31b | 18,72 | 39,75 | +112,3 % |
| qwen3.8:27b-mlx-bf16 | 18,06 | 36,65 | +102,9 % |
| gemma4:31b-mlx-bf16 | 12,94 | 26,11 | +101,8 % |
| deepseek-r1:70b | 8,82 | 22,65 | +156,8 % |
| llama3.3:70b | 8,93 | 22,57 | +152,7 % |
| command-a:111b | 5,58 | 15,38 | +175,6 % |
| mistral-large:123b | 5,20 | 13,69 | +163,3 % |
Rychlost generování v tokenech za sekundu, průměr 2. až 11. běhu v Ollamě, 2 000 výstupních tokenů, kontext 8k. Rychlejší stroj je tučně. Zdroj: Vše Smart.
První kolo: malé modely
Už u malých modelů vede Mac Studio jasně: Qwen3 4B běží rychlostí 203 tokenů za sekundu proti 121, gpt-oss 20B 169 proti 101. Oba stroje jsou tu ale dost rychlé na pohodlnou práci. Jediné kolo, které MacBook vyhrál, byla Gemma 4 E4B, a to jen těsně: 93,12 proti 92,95 tokenu za sekundu, prakticky remíza.
Druhé kolo: kde dvojnásobný hardware neznamená dvojnásobnou rychlost
Dvakrát víc jader a paměti nepřineslo všude dvojnásobnou rychlost. Qwen 3.5 35B v MLX si polepšil jen o 17 procent, Qwen3-Next 80B o 29 procent. Dva z nejmenších náskoků patří modelům typu mixture of experts, které pro každý token zapojí jen zhruba 3 miliardy parametrů. Na opačném konci byl Qwen 3.8 27B v MLX na Studiu rychlejší o 139 procent.
Třetí kolo: těžká váha
Tady Mac Studio rozdává knockout. S Llamou 3.3 70B píše 22,6 tokenu za sekundu proti 8,9 na MacBooku, s DeepSeek R1 70B 22,7 proti 8,8. Command A 111B a Mistral Large 123B jsou 2,6 až 2,8krát rychlejší. Pod deset tokenů za sekundu je čekání na odpověď otravné, nad dvacet se z modelu 70B stává nástroj pro každodenní práci.
Verdikt
Mac Studio M5 Ultra vyhrává 31:1 s mediánovým náskokem zhruba 89 procent. Podle článku byl navíc tišší. MacBook Pro M5 Max zůstává působivý stroj pro malé modely a modely typu mixture of experts a vejde se do batohu. Kdo ale pouští hlavně modely od 70 miliard parametrů výš, pro toho je Studio o třídu jinde. Jeho 256 GB navíc pojme i modely, které se do 128 GB vůbec nevejdou, třeba Qwen3 235B.
Jako vždy: test měří rychlost, ne kvalitu odpovědí, s jedním typem zadání v Ollamě. Další výsledky ze stejného měření najdete v našem článku o 15 modelech na Macu Studio M5 Ultra.
Vyzkoušejte vítěze
Šampiona nemusíte kupovat, abyste ho mohli používat. Mac Studio M5 Ultra s 256 GB si pronajměte už na jeden den a pusťte na něm vlastní modely.