FR
3 novembre 2026 · Jakub M.
MacBook Pro M5 Max 128 Go : jusqu’où va un portable en IA locale
Vše Smart a fait tourner six modèles ouverts de 8 à 120 milliards de paramètres sur un MacBook Pro M5 Max 128 Go. Tous ont tenu sans réglage du système, gpt-oss-120b génère 110 tokens par seconde et la puce ne consomme que 37 à 50 W. Le portable s’essouffle avec les longs contextes et les grands modèles denses.
Source : MacBook Pro M5 Max se 128 GB RAM v testu lokálních AI modelů, Ludvík Eckerman, Vše Smart, 2 novembre 2026 (en tchèque). Tous les chiffres ci-dessous proviennent de cet article.
Un portable peut-il faire de l’IA locale sérieuse ? Le site tchèque Vše Smart a testé le MacBook Pro le plus puissant, avec puce M5 Max (CPU 18 cœurs, GPU 40 cœurs) et 128 Go de mémoire unifiée à 614 Go/s. Six modèles ouverts, deux moteurs et un œil sur la consommation.
La méthode
- Système : macOS 27.2, mode haute performance, sur secteur, limite de mémoire GPU par défaut (environ 107 Go).
- Logiciels : llama.cpp (build 11669, Metal) et MLX 0.32.4 avec mlx-lm 0.32.2.
- Modèles : Llama 3.1 8B, gpt-oss-20b, Qwen3 30B-A3B, Qwen3 32B, Llama 3.3 70B et gpt-oss-120b, en 4 bits (gpt-oss en MXFP4 natif).
- Méthode : contextes de 0 à 32 768 tokens, trois passages chacun, consommation de la puce mesurée avec powermetrics, charge de dix minutes avec Qwen3 30B-A3B.
Résultats
| Modèle | Génération, llama.cpp | Génération, MLX | Génération avec un contexte de 32k (MLX) | Premier token à 32k (MLX) | Pic de mémoire (MLX) | Consommation de la puce | Tokens par watt |
|---|---|---|---|---|---|---|---|
| Llama 3.1 8B | 102 | 115 | 60 | 17 s | 9,5 Go | 49,8 W | 2,02 |
| gpt-oss-20b | 156 | 142 | 105 | 7,5 s | 13,7 Go | 48,5 W | 3,24 |
| Qwen3 30B-A3B | 155 | 152 | 72 | 15 s | 21,1 Go | 41,1 W | 3,69 |
| Qwen3 32B | 26 | 28 | 18 | 72 s | 27,8 Go | 48,3 W | 0,53 |
| Llama 3.3 70B | 12,5 | 13,6 | 10 | 132 s | 51,3 Go | 40,5 W | 0,31 |
| gpt-oss-120b | 110 | 94 | 70 | 13,5 s | 65,5 Go | 37,3 W | 2,92 |
Génération en tokens par seconde, modèles 4 bits (gpt-oss en MXFP4), contexte vide sauf mention contraire. Consommation de la puce pendant la génération avec llama.cpp, puce seule (CPU, GPU, Neural Engine). Source : Vše Smart, publié le 2 novembre 2026.
Tout tient dans 128 Go
Les six modèles ont tourné sans relever la limite de mémoire. Le plus grand, gpt-oss-120b, a culminé à 65,5 Go, laissant beaucoup de marge. Grâce à son architecture mixture of experts, il génère en plus 110 tokens par seconde avec llama.cpp.
Le mixture of experts gagne, les modèles denses peinent
Les plus rapides sont les modèles qui n’utilisent qu’une partie de leurs paramètres par token : Qwen3 30B-A3B et gpt-oss-20b, autour de 155 tokens par seconde. Le dense Llama 3.3 70B a atteint 12,5 à 13,6 tokens par seconde ; avec un contexte de 32 000 tokens il est tombé à environ 10 et le premier token a mis 132 secondes. Pour de longs documents avec de grands modèles denses, le portable est à sa limite.
Sobre et stable
En génération, la puce a consommé 37 à 50 W, et environ 2,1 W au repos. Le plus efficace a été Qwen3 30B-A3B avec 3,69 tokens par watt. Sur dix minutes de charge continue, il a tenu environ 152 tokens par seconde sans signe de bridage. Les chiffres concernent la puce seule, pas tout le portable, et le test s’est fait sur secteur.
Quand 128 Go ne suffisent pas
Le MacBook Pro M5 Max est une excellente machine portable pour les modèles jusqu’à environ 100 Go. Les plus grands, comme Qwen3 235B, qui demande environ 133 Go, n’y tiennent pas, et avec des modèles denses de 70B et de longs contextes il devient lent. Dans notre choc des titans, le Mac Studio M5 Ultra était 2,5 à 2,8 fois plus rapide avec ces modèles.
Comme le précise l’article, le test mesure la vitesse, pas la qualité des réponses.
Besoin de plus ?
Louez un Mac Studio M5 Ultra 256 Go dès une journée et faites tourner les modèles qui ne tiennent pas dans un portable.