PT
11 de novembro de 2026 · Jakub M.
Dois Mac Studio M5 Ultra idênticos: o desempenho em IA local é diferente?
Temos dois Mac Studio com M5 Ultra e 256 GB de memória unificada: um está em funcionamento desde outubro e o outro é novo. Corremos o mesmo teste com três modelos de linguagem nos dois. A velocidade de geração variou menos de meio ponto percentual.
Dois computadores do mesmo modelo e configuração deveriam ser igualmente rápidos. Ainda assim, por vezes fala-se de diferenças entre unidades, e quisemos saber qual é a sua dimensão na IA local. Para nós é uma questão prática: um cliente aluga uma configuração e deve ter o mesmo desempenho, seja qual for a unidade que lhe calhe.
Em que e como medimos
- Hardware: dois Mac Studio com Apple M5 Ultra (CPU de 36 núcleos, GPU de 80 núcleos) e 256 GB de memória unificada. Um está em uso desde outubro e o outro é novo.
- Software: idêntico nos dois: macOS 27.2.1, Python 3.12, MLX 0.32.4 e mlx-lm 0.32.2.
- Modelos: versões MLX de 4 bits da organização mlx-community no Hugging Face: Qwen3 30B-A3B, Llama 3.3 70B Instruct e gpt-oss-120b (MXFP4-Q8).
- Teste: a ferramenta integrada
mlx_lm.benchmarkcom um prompt curto (512 tokens, três repetições) e um prompt longo (8192 tokens, duas repetições), sempre com 128 tokens gerados. O prompt é formado por tokens aleatórios com uma semente fixa, por isso os dois Mac receberam exatamente a mesma entrada. Cada medição começou com uma execução de aquecimento e medimos os dois Mac no mesmo dia.
Resultados
| Modelo | Prompt (tokens) | Processamento do prompt, Mac mais antigo | Processamento do prompt, Mac novo | Geração, Mac mais antigo | Geração, Mac novo | Pico de memória |
|---|---|---|---|---|---|---|
| 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 |
Processamento do prompt e geração em tokens por segundo, média das repetições (três com 512 tokens, duas com 8192), 128 tokens gerados. Mac mais antigo: em uso desde outubro; Mac novo: acabado de estrear. Mesma configuração, modelos MLX de 4 bits, mlx-lm 0.32.2, macOS 27.2.1, medido a 11 de novembro de 2026.
O que os números mostram
A velocidade de geração, ou seja, a rapidez com que o modelo escreve a resposta, é igual nos dois Mac: nos três modelos e com os dois comprimentos de prompt, varia no máximo 0,35 %. O processamento do prompt longo difere no máximo 0,7 %. O pico de memória coincide até à décima de gigabyte.
Com o prompt curto, o Mac novo processou-o 2 a 3 % mais devagar. No entanto, essa execução demora apenas 0,2 a 0,5 segundos, e as repetições num mesmo Mac variaram até 3 %. Por isso, não consideramos esta diferença real.
Os resultados coincidem também com a nossa medição de outubro: o gpt-oss-120b gerava então 120 tokens por segundo e agora 121.
Limites do teste
Comparámos apenas duas unidades, pelo que o resultado não vale para todos os Mac Studio M5 Ultra. Um prompt de tokens aleatórios e uma geração curta dão valores de velocidade puros; com tarefas reais e respostas mais longas a velocidade pode variar. O teste não mede a qualidade das respostas.
Experimente
A nossa calculadora de RAM mostra quanta memória precisa o modelo que quer usar. Para os seus próprios testes, pode alugar um Mac Studio M5 Ultra com 256 GB a partir de um dia.