FR
11 novembre 2026 · Jakub M.
Deux Mac Studio M5 Ultra identiques : leurs performances en IA locale diffèrent-elles ?
Nous avons deux Mac Studio avec M5 Ultra et 256 Go de mémoire unifiée : l’un tourne depuis octobre, l’autre est neuf. Nous avons lancé le même test avec trois modèles de langage sur les deux. La vitesse de génération a varié de moins d’un demi-point de pourcentage.
Deux ordinateurs du même modèle et de la même configuration devraient être aussi rapides l’un que l’autre. On évoque pourtant parfois des écarts entre exemplaires, et nous voulions savoir ce qu’il en est pour l’IA locale. Pour nous, la question est concrète : un client loue une configuration et doit obtenir les mêmes performances, quel que soit l’exemplaire qui lui est attribué.
Sur quoi et comment nous avons mesuré
- Matériel : deux Mac Studio avec Apple M5 Ultra (CPU 36 cœurs, GPU 80 cœurs) et 256 Go de mémoire unifiée. L’un est en service depuis octobre, l’autre est neuf.
- Logiciels : identiques sur les deux : macOS 27.2.1, Python 3.12, MLX 0.32.4 et mlx-lm 0.32.2.
- Modèles : versions MLX 4 bits de l’organisation mlx-community sur Hugging Face : Qwen3 30B-A3B, Llama 3.3 70B Instruct et gpt-oss-120b (MXFP4-Q8).
- Test : l’outil intégré
mlx_lm.benchmarkavec un prompt court (512 tokens, trois essais) et un prompt long (8 192 tokens, deux essais), suivis à chaque fois de 128 tokens générés. Le prompt est composé de tokens aléatoires avec une graine fixe : les deux Mac ont donc reçu exactement la même entrée. Chaque mesure a commencé par un essai de mise en température, et les deux Mac ont été mesurés le même jour.
Résultats
| Modèle | Prompt (tokens) | Traitement du prompt, Mac plus ancien | Traitement du prompt, Mac neuf | Génération, Mac plus ancien | Génération, Mac neuf | Pic de mémoire |
|---|---|---|---|---|---|---|
| Qwen3 30B-A3B | 512 | 2 285 | 2 237 | 162,2 | 162,2 | 17,8 GB |
| Qwen3 30B-A3B | 8 192 | 7 646 | 7 602 | 138,1 | 138,0 | 18,7 GB |
| Llama 3.3 70B | 512 | 469 | 467 | 25,2 | 25,3 | 40,3 GB |
| Llama 3.3 70B | 8 192 | 682 | 683 | 23,6 | 23,6 | 43,3 GB |
| gpt-oss-120b | 512 | 1 077 | 1 046 | 121,4 | 121,2 | 63,8 GB |
| gpt-oss-120b | 8 192 | 5 143 | 5 109 | 114,8 | 115,2 | 64,5 GB |
Traitement du prompt et génération en tokens par seconde, moyenne des essais (trois pour 512 tokens, deux pour 8 192), 128 tokens générés. Mac plus ancien : en service depuis octobre ; Mac neuf : tout juste déballé. Même configuration, modèles MLX 4 bits, mlx-lm 0.32.2, macOS 27.2.1, mesuré le 11 novembre 2026.
Ce que montrent les chiffres
La vitesse de génération, c’est-à-dire la rapidité avec laquelle le modèle rédige sa réponse, est la même sur les deux Mac : pour les trois modèles et les deux longueurs de prompt, l’écart ne dépasse pas 0,35 %. Le traitement du prompt long diffère au plus de 0,7 %. Le pic de mémoire est identique au dixième de gigaoctet près.
Avec le prompt court, le Mac neuf l’a traité 2 à 3 % plus lentement. Cet essai ne dure toutefois que 0,2 à 0,5 seconde, et les essais répétés sur un seul et même Mac variaient jusqu’à 3 %. Nous ne considérons donc pas cet écart comme réel.
Les résultats concordent aussi avec notre mesure d’octobre : gpt-oss-120b générait alors 120 tokens par seconde, contre 121 aujourd’hui.
Limites du test
Nous n’avons comparé que deux exemplaires : le résultat ne vaut donc pas pour tous les Mac Studio M5 Ultra. Un prompt de tokens aléatoires et une génération courte donnent des chiffres de vitesse bruts ; avec de vraies tâches et des réponses plus longues, la vitesse peut différer. Le test ne mesure pas la qualité des réponses.
Essayez vous-même
Notre calculateur de RAM indique la mémoire nécessaire au modèle qui vous intéresse. Pour vos propres tests, vous pouvez louer un Mac Studio M5 Ultra avec 256 Go dès une journée.