3 de novembro de 2026 · Jakub M.

MacBook Pro M5 Max com 128 GB: até onde vai um portátil em IA local

A Vše Smart correu seis modelos abertos de 8 a 120 mil milhões de parâmetros num MacBook Pro M5 Max com 128 GB. Todos couberam sem ajustes ao sistema, o gpt-oss-120b gera 110 tokens por segundo e o chip consome apenas 37–50 W. O portátil perde fôlego com contextos longos e grandes modelos densos.

Fonte: MacBook Pro M5 Max se 128 GB RAM v testu lokálních AI modelů, Ludvík Eckerman, Vše Smart, 2 de novembro de 2026 (em checo). Todos os números abaixo vêm desse artigo.

Um portátil aguenta IA local a sério? O site checo Vše Smart testou o MacBook Pro mais potente, com chip M5 Max (CPU de 18 núcleos, GPU de 40 núcleos) e 128 GB de memória unificada com 614 GB/s de largura de banda. Seis modelos abertos, dois motores e um olhar sobre o consumo.

Como foi testado

Sistema: macOS 27.2, modo de alto desempenho, ligado à corrente, limite de memória da GPU predefinido (cerca de 107 GB).
Software: llama.cpp (build 11669, Metal) e MLX 0.32.4 com mlx-lm 0.32.2.
Modelos: Llama 3.1 8B, gpt-oss-20b, Qwen3 30B-A3B, Qwen3 32B, Llama 3.3 70B e gpt-oss-120b, em 4 bits (gpt-oss no MXFP4 nativo).
Método: contextos de 0 a 32 768 tokens, três execuções cada, consumo do chip medido com powermetrics e uma carga de dez minutos com Qwen3 30B-A3B.

Resultados

Modelo	Geração, llama.cpp	Geração, MLX	Geração com contexto de 32k (MLX)	Primeiro token com 32k (MLX)	Pico de memória (MLX)	Consumo do chip	Tokens por watt
Llama 3.1 8B	102	115	60	17 s	9,5 GB	49,8 W	2,02
gpt-oss-20b	156	142	105	7,5 s	13,7 GB	48,5 W	3,24
Qwen3 30B-A3B	155	152	72	15 s	21,1 GB	41,1 W	3,69
Qwen3 32B	26	28	18	72 s	27,8 GB	48,3 W	0,53
Llama 3.3 70B	12,5	13,6	10	132 s	51,3 GB	40,5 W	0,31
gpt-oss-120b	110	94	70	13,5 s	65,5 GB	37,3 W	2,92

Geração em tokens por segundo, modelos de 4 bits (gpt-oss em MXFP4), com contexto vazio salvo indicação. Consumo do chip durante a geração no llama.cpp, apenas o chip (CPU, GPU, Neural Engine). Fonte: Vše Smart, publicado a 2 de novembro de 2026.

Em 128 GB cabe tudo

Os seis modelos correram sem aumentar o limite de memória. O maior, gpt-oss-120b, atingiu um pico de 65,5 GB, deixando muita margem. Graças à arquitetura mixture of experts, gera ainda 110 tokens por segundo no llama.cpp.

O mixture of experts ganha, os modelos densos sofrem

Os mais rápidos foram os modelos que usam só parte dos parâmetros por token: Qwen3 30B-A3B e gpt-oss-20b, com cerca de 155 tokens por segundo. O denso Llama 3.3 70B fez 12,5–13,6 tokens por segundo; com um contexto de 32 000 tokens desceu para cerca de 10 e o primeiro token demorou 132 segundos. Para documentos longos com grandes modelos densos, o portátil está no limite.

Eficiente e estável

Durante a geração o chip consumiu 37–50 W e cerca de 2,1 W em repouso. O mais eficiente foi o Qwen3 30B-A3B, com 3,69 tokens por watt. Em dez minutos de carga contínua manteve cerca de 152 tokens por segundo, sem sinais de limitação térmica. Os valores referem-se só ao chip, não ao portátil inteiro, e o teste decorreu ligado à corrente.

Quando 128 GB não chegam

O MacBook Pro M5 Max é uma excelente máquina portátil para modelos até cerca de 100 GB. Modelos maiores, como o Qwen3 235B, que precisa de cerca de 133 GB, nem cabem, e com modelos densos de 70B e contextos longos fica lento. No nosso duelo de titãs, o Mac Studio M5 Ultra foi 2,5 a 2,8 vezes mais rápido com estes modelos.

Como o artigo refere, o teste mediu a velocidade e não a qualidade das respostas.

Precisa de mais?

Alugue um Mac Studio M5 Ultra com 256 GB a partir de um dia e corra os modelos que não cabem num portátil.

Pedir aluguer Desempenho