16 octobre 2026 · Jakub Mokříš

Quinze modèles d’IA sur le Mac Studio M5 Ultra : combien de tokens par seconde en pratique

Le site tchèque Vše Smart a fait tourner 32 modèles de langage locaux sur un Mac Studio M5 Ultra doté de 256 Go de mémoire. Nous en avons retenu quinze, du petit Qwen3 4B au Mistral Large et ses 123 milliards de paramètres, pour voir ce que ces chiffres changent au quotidien.

Les comparatifs de vitesse des modèles locaux s’arrêtent souvent à deux ou trois noms. L’équipe de Vše Smart en a mesuré trente-deux sur un Mac Studio M5 Ultra avec 256 Go de mémoire unifiée, chacun onze fois. Nous avons repris quinze modèles qui couvrent bien l’ensemble du paysage : petits et grands, denses et de type mixture of experts.

Comment le test a été mené

Les modèles tournaient dans Ollama, pilotés par un simple script Python. Tous ont reçu la même consigne, un long texte technique sur la construction des voitures modernes, avec une limite de 2 000 tokens en sortie, une température de 0 et un contexte de 8 192 tokens. Le premier passage de chaque modèle servait d’échauffement et n’était pas compté ; le résultat est la moyenne des dix suivants. Une pause de trente secondes séparait les modèles.

Le test a duré plus de quatre heures et les modèles ont produit plus de 700 000 tokens. Seule la vitesse était mesurée ; la qualité des réponses n’a pas été évaluée.

Résultats

Moyenne de dix passages dans Ollama, 2 000 tokens en sortie, contexte de 8k. MoE = mixture of experts ; « actifs » indique le nombre de paramètres utilisés pour chaque token. Données : Vše Smart.

La taille ne dit pas grand-chose de la vitesse

Le meilleur exemple oppose gpt-oss-120b à Llama 3.3 70B. Le modèle d’OpenAI compte davantage de paramètres (117 milliards contre 70) et écrit pourtant cinq fois plus vite : 115 tokens par seconde contre 23. Tout se joue dans l’architecture. gpt-oss-120b est un modèle mixture of experts qui n’utilise qu’environ cinq milliards de paramètres par token. Llama 3.3 est dense et mobilise ses soixante-dix milliards à chaque fois.

Même constat chez Qwen. La version 122B-A10B, avec dix milliards de paramètres actifs, atteint 85 tokens par seconde, alors que le Qwen3.5 27B dense, quatre fois plus petit, plafonne à 48. Si la vitesse compte pour vous, regardez le nombre de paramètres actifs plutôt que la taille totale.

Combien suffit

Pour discuter, une vingtaine de tokens par seconde suffit : le texte s’affiche alors plus vite que la plupart des gens ne lisent. Sur les quinze modèles du tableau, seul Mistral Large reste en dessous, à 14 tokens par seconde. Il reste utile pour des tâches que personne n’attend devant l’écran, comme le traitement de documents pendant la nuit.

La vitesse se fait bien plus sentir quand un assistant de programmation écrit de longs blocs de code. Là, les modèles au-dessus de 80 tokens par seconde prennent tout leur sens, par exemple gpt-oss-120b, Qwen3-Next 80B ou Qwen3.5 122B.

Cohérent avec nos propres mesures

Nous avons mesuré plusieurs de ces modèles sur notre propre Mac Studio, avec MLX au lieu d’Ollama et une méthode un peu différente. Les chiffres varient de quelques pour cent à quelques dizaines de pour cent, mais le tableau d’ensemble reste le même. gpt-oss-120b nous a donné 120 tokens par seconde (Vše Smart : 115), gpt-oss-20b 184 (169) et Qwen3.5 27B 55 (48). Gemma 4 31B s’est en revanche montré plus lent chez nous, 31 contre 40, car nous avons utilisé une autre version du modèle. Tous les détails sont dans notre article de mesures.

Essayez par vous-même

Les trente-deux modèles ont tenu dans les 256 Go de mémoire, avec de la marge. Si vous envisagez d’acheter une telle machine, ou si vous n’avez besoin de cette puissance que quelques jours, vous pouvez louer notre Mac Studio M5 Ultra 256 Go. La location à la journée et à la semaine est actuellement gratuite.

Source des données : Vše Smart : le Mac Studio M5 Ultra testé avec 32 modèles d’IA locaux (Ludvík Eckerman, 5 octobre 2026, en tchèque).

Demander une location Performances

← Tous les articles