PT
22 de outubro de 2026 · Jakub M.
Uma hora em carga máxima no Mac Studio M5 Ultra: quanto custa um milhão de tokens
Pusemos o nosso Mac Studio a gerar texto com dezasseis modelos de IA em simultâneo durante uma hora inteira e registámos a velocidade, o consumo e a temperatura a cada dez segundos. Gerou 980 000 tokens sem abrandar, e um milhão de tokens gastou 0,074 kWh.
Quanto custa realmente correr IA localmente? No nosso Mac Studio com M5 Ultra e 256 GB de memória, a mesma máquina que alugamos, fizemos um teste de uma hora e registámos a cada dez segundos a velocidade, o consumo e a temperatura do chip.
Como medimos
- Hardware: Mac Studio com Apple M5 Ultra (CPU de 36 núcleos, GPU de 80 núcleos), 256 GB de memória unificada, macOS 27.0.1. Durante o teste não correu mais nada.
- Modelo: gpt-oss-20b da OpenAI na versão MXFP4-Q8 para o MLX da Apple (MLX 0.32.4, mlx-lm 0.32.2). É um modelo MoE com 21 mil milhões de parâmetros, dos quais cerca de 3,6 mil milhões são usados em cada token. Ocupa cerca de 12 GB de memória.
- Carga: dezasseis programas independentes geraram texto em simultâneo durante 60 minutos, cada um com a sua cópia do modelo. Simula dezasseis utilizadores ou agentes de IA. Cada geração tinha um limite de 2000 tokens e depois recomeçava com a mesma tarefa: um longo artigo técnico sobre o funcionamento de um motor de combustão.
- Medição: a cada 10 segundos registámos o número de tokens gerados, o consumo do chip e a temperatura média do CPU e da GPU, lidos do macOS com o macmon 0.10.0. A energia é o consumo médio multiplicado pelo tempo.
Resultados
| Resultado | |
|---|---|
| Duração do teste | 60 minutos |
| Fluxos em paralelo | 16 |
| Gerado | 980 000 tokens |
| Velocidade | 273 tokens por segundo |
| Velocidade, primeira / última sexta parte | 272 / 272 tok/s |
| Consumo do chip, média (máx.) | 73 W (76 W) |
| Temperatura CPU / GPU estabilizada | 63 / 66 °C |
| Temperatura máxima CPU / GPU | 66 / 70 °C |
| Energia por milhão de tokens | 0,074 kWh |
O limite é a velocidade da memória, não o cálculo
Ao gerar texto, o Mac é travado pela largura de banda da memória e não pela capacidade de cálculo. Para cada token, a GPU tem de ler da memória a parte necessária do modelo e passa a maior parte do tempo à espera de dados. É por isso que o chip consumiu apenas 73 W, mesmo com dezasseis fluxos.
Os dezasseis programas partilham a GPU e cada um lê a sua cópia do modelo. Juntos deram 273 tokens por segundo, cerca de 17 por fluxo. É pouco para uma pessoa a conversar, mas chega para um grupo de agentes a trabalhar em segundo plano. Os servidores de inferência fazem-no de outra forma: processam os pedidos de muitos utilizadores num único lote e leem o modelo uma vez para todos, tirando mais tokens por segundo do mesmo Mac. Isso não foi medido neste teste.
Temperaturas e estabilidade
A temperatura da GPU subiu para 70 °C no quarto minuto, depois desceu e manteve-se nos 66 °C a partir do quinto. O CPU estabilizou nos 63 °C. As ventoinhas aguentaram o calor sem o chip ter de abrandar: tanto na primeira como na última sexta parte do teste, o Mac gerou 272 tokens por segundo.
Quanto custa a eletricidade
A hora em carga máxima gastou 0,073 kWh. Um dia inteiro assim seriam cerca de 1,75 kWh, e um milhão de tokens precisa de 0,074 kWh. A 0,25 € por kWh, dá menos de 2 cêntimos por milhão de tokens e cerca de 44 cêntimos por dia. Na IA local a eletricidade quase não conta; o que pesa é o preço do próprio computador.
O que o teste não mostra
- O consumo do computador inteiro. Medimos apenas o chip (CPU, GPU e Neural Engine). Ventoinhas, SSD, rede e perdas da fonte não estão incluídos, por isso o consumo na tomada é um pouco maior.
- O processamento em lote. Dezasseis programas independentes não equivalem a um servidor que atende muitos utilizadores num único lote.
- Modelos grandes. O gpt-oss-20b é pequeno e rápido. Um modelo denso com 70 mil milhões de parâmetros carregaria o Mac de outra forma.
- A qualidade do texto. Medimos só a velocidade e o consumo, não o que o modelo escreveu.
São resultados medidos nas condições descritas, não uma garantia: a velocidade e o consumo reais dependem do modelo, da quantização, do comprimento do contexto, do software e do tipo de tarefa.
Experimente
Se quiser ver como o seu próprio modelo se comporta sob carga, pode alugar este Mac Studio M5 Ultra com 256 GB a partir de um dia. Há mais medições no nosso benchmark de seis modelos.