mac m5 ultra 上线中国官网。1.2T 显存带宽， 256GB 版本 8.6 万

[sentinelK]

编者注：此文完全是数字推演，不代表真实硬件能力。笔者不对信息准确度负责。
信源会罗列在文章下方

结合 256GB 统一内存来看，目前比较有价值的就是运行 ds-v4-flash-0731 ，恰巧最近 omlx 有过一次版本更新，官方性能数据如下：信息来源

然后，M5 Ultra 的内存带宽是 M3 Ultra 的接近 1.5 倍。又根据苹果官网数据，其 prefill 性能是 M3 Ultra 的 4 倍（ ollama 数据，框架不同，只能参考）

所以大概预期，M5 Ultra 运行 ds-v4-flash-0731 Q4 的大致性能是：

prefill

上下文	M3U （ v0.5.4rc2 ）	3×	4×
1K	531.0	~1590	~2120
4K	486.5	~1460	~1950
64K	468.5	~1410	~1870
128K	438.6	~1320	~1750

decode

场景	M3 Ultra	M5 Ultra 预计
MTP 关，1K	27.6	~40
MTP 关，4K	25.8	~38
MTP 关，64K	22.8	~33
MTP 关，128K	21.3	~31

信息来源： https://newreleases.io/project/github/jundot/omlx/release/v0.5.4rc2

https://www.apple.com.cn/mac-studio/

https://omlx.ai/compare

[sentinelK]

也就是说，结合实际场景，大概实际应用时打开 MTP ，prefill 也就是 1500 左右的水平，decode 大概在 60 左右。

prefill 性能仍然偏低。

但是结合非常大的统一内存，能实现非常高的多会话缓存命中能力，所以和多卡部署相比，有利有弊。

[FrankAdler]

NVIDIA 打下的江山，Apple 开始摘桃子了吗

[ReinXD]

这个价格对比 n 卡服务器，甚至可以说性价比爆表，统一内存的架构优势在 LLM 时代凸显出来了

[xiaoyi123]

虽然比不上 nvidia ，但是便宜啊！！！！！

[octocatami]

快囤 mac mini

[ila]

可以使用 DeepSeek V4 Flash Vision Exp 吗

[Cruzz]

逼的哪天老黄给显卡加内存条。让你们胡搞

[scegg]

这速度适合一个人玩玩。甚至不适合一个人干活（并发 agent 的情况）。

[Nzelites]

dsf 什么时候个人部署可以比较简单的到 100tps 的话感觉比较可用

[sillydaddy]

是不是比双 DGX Spark 要强？

[sentinelK]

@sillydaddy 从推论来讲，是。但是这个需要看实测。
毕竟 GB10 跑的是 cuda ，mlx 环境不能直接横比。

[clemente]

@ReinXD 同配置 nv spark 只要 3w 啊

[OnEvent]

这玩意是不是还能多机并联增加性能来着

[ReinXD]

@clemente dgx spark 显存没有 512g ，这个区别挺大的，跨越到 512g 意味着可以部署满血 1M 版本的 dpsk v4f ，而且 m5 ultra 带宽 1.2TB/s 也是吊打 dgx ，大模型计算核心耗时其实都是权重搬运，这个对实际使用提升应该是非常巨大的。总的来说，和 dgx 完全不是同级别的硬件，dgx spark 还是有点不上不下，m5 ultra 已经摸到云端服务器水平了，考虑到个人/小团队使用甚至非常超模，部署的好很有可能比用官方 api 的体验还舒服

[flyico]

Q4 量化版，和满血版能相差多大？

[dragonszy]

是不是得等 512gb 的版本

[mkdirmushroom]

目前准备搞个 256 的，up 建议等 512 吗？个人感觉模型参数量大的话，受制于内存带宽，性能不会好到哪里去，所以感觉 512 的意义不是很大，相较于 256 的话。

[ReinXD]

@mkdirmushroom 真要买得等 512g ，能满血部署 1M dpsk v4f 是质变，不然不如买块 5090 玩，1.2T/s 对 1-4 个人来说其实是很超模的带宽水平，你对比 H200 那种 4.5T/s ，这么点人数根本吃不满带宽，楼主的估计其实还保守了点，低负载下+dspark mtp 加速，我算了下理论上至少能到 100 token/s

[unifier]

@dragonszy 跑 dsv4f 应该用不到 512 的，glm 的量化版本应该至少要 512 了

[sentinelK]

@dragonszy @mkdirmushroom 如果只是聚焦于 0731 的话，个人谨慎预测，性价比很低。
v4-flash 无损就是 8bit ，所以其实 256GB 已经可以跑无损（和 GB10 * 2 逻辑一样），但是 prefill 和 decode 会更难看。

而且家用不太可能同时占用太多个 session 的 kvcache 。同时保持 3~5 个 session 是在线的我已经觉得大脑过载了。

512GB 的优势一个是能同时保持更多的 1M 上下文的 session 在线（能命中缓存）以外，就是能跑更大规模的模型。
但是反过来说，更大规模的模型 prefill 和 decode 会更慢。

所以，统一内存方案的掣肘就在这，看似能跑很大的模型，但是实际把 RAM 占满速度又无法接受。

[aimuz]

256G 的要 14 万，512G 应该不会少于 20 万吧？

[tanszhe]

话说最近小米发布的 o100 也是 1.2T 带宽 是不是类似?

[sentinelK]

@tanszhe 这个完全没有基础数据，所以只能看看了。毕竟内存带宽只是一个必要条件，并不是充分条件。
LLM 的表现和硬件、生态、框架、甚至模型本身都息息相关。

就像是保时捷 911 卡雷拉的前悬挂用的依然是麦弗逊结构。但你不能说用多连杆的面包车比他更运动。

[slowgen]

今晚 Qwen3.8-Flash-Next 发布，和 Ling-3.0-Flash 差不多大小，125B A6B ，如果性能追上 DeepSeek v4 Flash 0731 的话，其实 256GB 就够。

人的欲望总是随着新模型的发布不断上涨，买 512GB 赌的是未来这个容量可以跑下更大更 SOTA 的开源模型，赌 Fable 5 级别的模型很快就可以跑在个人设备上。

[sosme]

@tanszhe 小米那个应该和老黄那个 nv spark 差不多，统一内存撑死 128g

[kenvix]

@FrankAdler #2 好事，总得有人给牢黄上点强度

[Gomoku2024]

其实更强的是可以多台 Studio 组合，实现 TB 级别的超大显存。

[wy315700]

所以 4080S 32G 魔改版来了，8 卡刚好 256G 显存。
巧不巧，惊喜不惊喜，意外不意外。

[iugo]

将来可能会有架构变动，比如 Cerebras 在 decode 场景性能很强，将来会有优化，但我觉得这个变动很可能不来自 NV 。

[winning11k]

@slowgen 跑上了速度也太慢，时间也是钱

[beginor]

泼一点儿冷水，Mac 并发很差的，多用户根本不能和 NV 比，买台十几万的 Mac 个人用是不是太奢侈了？

[mrzx]

@beginor 买 8 块 4080S 32G 魔改版 个人用,是不是更奢侈?

[CyouYamato]

@sillydaddy 我查了现在的评测加上对于 m3 ultra 的估计,两台 dgx spark 明显更快.虽然 mac 内存带宽大.