1 dzień temu
Dzisiaj na warsztat trafił prawie taki sam MacBook jak wczorajszy, wyposażony w M5 Pro, ale ten ma M5 Max i 128 GB RAM. Reszta konfiguracji jest taka sama. Zobaczmy zatem, czy warto dopłacać 8 500 PLN.
Specyfikacja i cena
Testowany egzemplarz to 16-calowy wariant MacBooka Pro, którego wyposażono w Apple M5 Max w konfiguracji 18-rdzeniowej (6s+12p) dla CPU (analogicznej do tej w M5 Pro) i 40-rdzeniowym GPU (z wbudowanymi akceleratorami neuronowymi w każdym rdzeniu). Ekran jest typu nanostrukturalnego (matowego), ma 128 GB RAM oraz 4 TB SSD. Taka konfiguracja jest oficjalnie wyceniona na 30 749 PLN, czyli o wspomniane 8 500 PLN więcej niż wariant z M5 Pro, który ma dwukrotnie mniej pamięci RAM.
Pierwsze wrażenia
MacBook Pro w obecnej konfiguracji niczym nie różni się wizualnie od poprzednika i nie czujemy też żadnej różnicy w innych kwestiach, poza wydajnością. Podczas testów modelu z M4 Pro w 2024 napisałem:
Czarne wykończenie MacBooka Pro nadaje mu odpowiedni poziom profesjonalizmu i pomimo, iż osobiście jestem fanem srebrnego, to w tym roku wszyscy będą zadowoleni z nowej barwy, bo podstawowy model z M4 również jest dostępny w niej (rok temu było to Space Grey).
Po podniesieniu pokrywy jest największy szok – nanostrukturalny wyświetlacz przykuł mój wzrok i długo go podziwiałem, zanim przystąpiłem do jego oceny. W odróżnieniu od iPada Pro z M4, w którym ramkę pozostawiono wykończą na wysoki połysk (glossy), co wygląda po prostu… inaczej niż to, do czego jesteśmy przyzwyczajeni, tutaj całość jest matowa – no prawie, bo małym wyjątkiem jest przednia kamera. Początkowo choćby nie zauważyłem, iż jej obiektyw jest glossy, ale nie jest to prawie w ogóle zauważalne i gwałtownie przestałem na to zwracać uwagę.
SSD
Rodzina M5 Pro i Max wnoszą nowy poziom wydajności dla SSD, porównywalną z dyskami PCIe 5.0 x4 w świecie PC. Wariant 4 TB w testowanym MacBooku oscylował w rejonie 13,1 GB/s przy zapisie oraz 12,8 GB/s przy odczycie. Nie ma znaczących różnic względem pamięci flash montowanej w modelu z M5 Pro.
| MacBook Air 13,3” (late 2020) Apple M1 8-core CPU (4+4) 8-core GPU 8 GB RAM | 256 GB |
2165 | 2716 |
| MacBook Pro 14,2” (late 2021) Apple M1 Pro 10-core CPU (8+2) 16-core GPU 32 GB RAM | 4 TB |
5591 | 7409 |
| MacBook Air 13,6” (mid 2022) Apple M2 8-core CPU (4+4) 8-core GPU 8 GB RAM | 256 GB |
1473 | 1714 |
| MacBook Pro 14,2” (early 2023) Apple M2 Pro 10-core CPU (6+4) 16-core GPU 16 GB RAM | 512 GB |
3456 *AmorphousDiskMark |
3648 *AmorphousDiskMark |
| Mac Mini (early 2023) Apple M2 Pro 12-core CPU (8+4) 19-core GPU 16 GB RAM | 1 TB |
4945 | 6215 |
| MacBook Air 15,3” (mid 2023) Apple M2 8-core CPU (4+4) 10-core GPU 16 GB RAM | 1 TB |
3015 | 2808 |
| Mac Studio (mid 2023) Apple M2 Max 12-core CPU (4+4) 38-core GPU 64 GB RAM | 2 TB |
6776 *AmorphousDiskMark |
7692 *AmorphousDiskMark |
| iMac (late 2023) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB |
2922 | 3293 |
| MacBook Pro 16,2” (late 2023) Apple M3 Max 16-core CPU (12+4) 40-core GPU 128 GB RAM | 8 TB |
5621 | 8244 |
| MacBook Air 15,3” (early 2024) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB |
2918 | 3400 |
| Mac Mini (late 2024) Apple M4 Pro 12-core CPU (8p+4e) 16-core GPU 24 GB RAM | 512 GB |
5080 | 4090 |
| MacBook Pro (late 2024) Apple M4 Pro 14-core CPU (10p+4e) 20-core GPU 48 GB RAM | 2 TB |
5419 | 6760 |
| iMac (late 2024) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
3000 | 3341 |
| MacBook Air 13″ (early 2025) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
2915 (AmorphousDiskMark: 3228) |
3293 (AmorphousDiskMark: 3362) |
| MacBook Air 13″ (early 2025) Apple M4 10-core CPU (4p+6e) 8-core GPU 16 GB RAM | 256 GB |
2925 (AmorphousDiskMark: 2969) |
2045 (AmorphousDiskMark: 2076) |
| Mac Studio (early 2025) Apple M4 Max 16-core CPU (12p+4e) 40-core GPU 128 GB RAM | 1 TB |
5052 (AmorphousDiskMark: 5799) |
6361 (AmorphousDiskMark: 7098) |
| MacBook Pro 14” (late 2025) Apple M5 10-core CPU (4p+6e) 10-core GPU 16 GB RAM | 1 TB |
6738 | 6540 |
| MacBook Neo (early 2026) Apple A18 Pro 6-core CPU (2p+4e) 5-core GPU 8 GB RAM | 256 GB |
1551 | 1308 |
| MacBook Pro 16” (early 2026) Apple M5 Pro 18-core CPU (6s+12p) 20-core GPU 64 GB RAM | 4 TB |
13102 | 12854 |
| MacBook Pro 16” (early 2026) Apple M5 Max 18-core CPU (6s+12p) 40-core GPU 128 GB RAM | 4 TB |
13157 | 12880 |
MacWhisper
Jeśli chcecie wykonać własne testy w MacWhisper, to najpierw pobierzcie pliki audio dla Nadgryzieni nr 300 (bezpośredni link 8,9 MB) i dla nr 477 (bezpośredni link 83,7 MB), potem wykonajcie test stosując model Large (V2) (ggml-model-whisper-large) i osobno Large V3 Turbo (openai-whisper-large-v3-xxx-turbo), a potem podeślijcie mi takie informacje, jakie znajdziecie w tabelce, w tym pełna specyfikacja komputera. Niepełne zgłoszenia będą odrzucane. Podpowiem jeszcze, iż MacWhisper wyświetla ile zajęło mu wykonanie transkrypcji po jej zakończeniu.
| MacBook Pro 14,2” (late 2021) Apple M1 Pro 10-core CPU (8+2) 16-core GPU 32 GB RAM | 4 TB |
01:33 v6.8 (680) |
14:56 v6.8 (680) |
11:40 / 13:05* v12.18.3 (1293) *niestandardowy config MacWhisper |
| MacBook Pro 16,2” (late 2023) Apple M3 Max 16-core CPU (12+4) 40-core GPU 128 GB RAM | 8 TB |
00:53 v6.8 (680) |
09:03 v6.8 (680) |
— |
| MacBook Air 15,3” (early 2024) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB |
01:59 v7.7 (735) |
20:18 v7.7 (735) |
— |
| Mac Mini (late 2024) Apple M4 Pro 12-core CPU (8p+4e) 16-core GPU 24 GB RAM | 512 GB |
1:07 v10.8.1 (1045) |
11:01 v10.8.1 (1045) |
— |
| MacBook Pro (late 2024) Apple M4 Pro 14-core CPU (10p+4e) 20-core GPU 48 GB RAM | 2 TB |
1:04 v10.8.1 (1045) |
10:29 v10.8.1 (1045) |
— |
| iMac (late 2024) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
01:51 v11.2.1 (1128) |
17:52 v11.2.1 (1128) |
— |
| MacBook Air 13″ (early 2025) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
01:51 v12.1.1 (1219) |
19:47 v12.1.1 (1219) |
— |
| MacBook Air 13″ (early 2025) Apple M4 10-core GPU (4p+6e) 8-core GPU 16 GB RAM | 256 GB |
01:59 v12.5 (1235) |
21:06 v12.5 (1235) |
— |
| Mac Studio (early 2025) Apple M4 Max 16-core CPU (12p+4e) 40-core GPU 128 GB RAM | 1 TB |
00:40 v12.5 (1235) |
06:34 v12.5 (1235) |
— |
| MacBook Pro 14” (late 2025) Apple M5 10-core CPU (4p+6e) 10-core GPU 16 GB RAM | 1 TB |
01:23 v12.18.3 (1293) |
13:25 v12.18.3 (1293) |
06:28 v12.18.3 (1293) |
| MacBook Neo (early 2026) Apple A18 Pro 6-core CPU (2p+4e) 5-core GPU 8 GB RAM | 256 GB |
4:27 v13.17 (1402) |
42:46 v13.17 (1402) |
10:47 v13.17 (1402) |
| MacBook Pro 16” (early 2026) Apple M5 Pro 18-core CPU (6s+12p) 20-core GPU 64 GB RAM | 4 TB |
0:51 v13.17 (1402) 00:54 v13.18 (1403) |
8:08 v13.17 (1402) 08:09 v13.18 (1403) |
7:18 v13.17 (1402) 7:08 v13.18 (1403) 2:19* v13.18 (1403) |
| MacBook Pro 16” (early 2026) Apple M5 Max 18-core CPU (6s+12p) 40-core GPU 128 GB RAM | 4 TB |
0:33 v13.17 (1402) 0:33 v13.18 (1403) |
5:25 v13.17 (1402) 05:28 v13.18 (1403) |
7:18 v13.17 (1402) 7:16 v13.18 (1403) 2:12* v13.18 (1403) |
*Niestandardowy config MacWhisper oznacza wejście w jego ustawienia → Zaawansowane → Parakeet / WhisperKit i ustawienie Text Decoder na GPU, włączenie Enable Voice Activity Detection (VAD) oraz przesunięcie Concurrent Workers na 64.
Analiza
W porównaniu M5 Max z M5 Pro mamy jedno duże zaskoczenie w teście z V3 Turbo, ale w przypadku modelu V2 jest spory wzrost. Tym razem sprawdzałem wykorzystanie GPU i w odróżnieniu od M5 Pro, którego 20 rdzeni było w pełni obciążonych, 40-rdzeniowy M5 Max miał obciążenie układu graficznego na poziomie 90-95%. Nie wiem dlaczego na tym etapie – może to być kwestia architektury SoC, macOS-a, samego MacWhispera i/lub modelu.
W międzyczasie, gdy robiłem te wszystkie pomiary, pojawił się update MacWhisper, który sporo zmienił, dlatego ponownie przeprowadziłem wszystkie testy na nowej wersji v13.18 i opisałem je stosowanie w powyższej tabelce. Żeby było jeszcze ciekawiej, to przed sekundą mamy kolejny update (v13.18.1), ale już nie będę wszystkiego powtarzał.
Co ciekawe, jak spojrzycie na wyniki V3 Turbo, to zauważycie, iż są identyczne na v13.17. Sprawdziłem też obciążenie w tym przypadku i okazało się, iż V3 Turbo wykorzystuje tylko 20 rdzeni przy domyślnych ustawieniach. Dlaczego? Nie wiem.
W międzyczasie zacząłem grzebać w ustawieniach zaawansowanych MacWhispera i podkręciłem tam wszystko co się da na maksa. Wynik M5 Max spadł z 7:18 na 2:12… Dosyć dramatyczna różnica.
Poniżej załączam porównanie wykresów z Monitora aktywności (Activity Monitor) – po lewej jest M1 Pro, po prawej M5 Max. Jak widać, pomimo zmiany ustawień, GPU przez cały czas nie było w pełni obciążone.
Siedzę już nad tym blisko 6 godzin i na ten moment wnioskuję jedynie, iż trzeba zweryfikować ustawienia MacWhispera oraz wybranego modelu dla naszego SoC – być może na domyślnych ustawieniach nie wyciągamy pełnych możliwości z komputera. W międzyczasie jednak, jak wspominałem, robię powtórkę z testów na v13.18 i te wychodzą stabilniej, ale interesujące jest to, iż model V2 jest zdecydowanie szybszy, a V3 Turbo jest wolniejszy na M5 Max niż na M5 Pro.
iMag Final Cut Pro Benchmark
Specyfikacja
Final Cut Pro jest oczywiście zoptymalizowany pod macOS-a i Maki oraz nie wątpię, iż Apple dołożyło wszelkich starań, aby wzorowo pracował na wszystkich odmianach Apple M1 i M2. To oczywiście działa przede wszystkim na korzyść klientów, którzy już dzisiaj zdecydują się przesiąść na nową generację Maków, opartych o ARM.
Pliki
- Klip 4K 60 fps HDR w 10-bitowym HEVC (H.265) z iPhone’a 12 Pro Max – 31,15 s.
- Klip 4K 30 fps SDR w 8-bitowym AVC z DSLR Canona – 2:14,15 s.
- Klip 1080p 30 fps HDR w 10-bitowym HEVC (H.265) z iPhone’a 12 Pro Max – 3:42,21 s.
Szczegóły projektów
- Biblioteka w FCP ustawiona na Wide Gamut HDR.
- Projekty ustawione na 4K (3840×2160) 30 fps HDR przy Rec. 2020 PQ.
- iMag FCP Benchmark Easy – na timeline wrzucone 3 powyższe pliki, w kolejności jak powyżej, w każdym klipie podbita saturacja o 5% (co powinno wymusić przerenderowanie każdej klatki) oraz HDR Tools (PQ Tone Output Map i 1000 nit pod YouTube’a).
- iMag FCP Benchmark Hardcore – j.w. ale dodatkowo filtr Sharpen (+2,5) na każdym klipie, przejścia między klipami (cross disolve) oraz animujący się przez 60 sekund 3D Title nad środkowym klipem, z przeźroczystym tłem.
- Timeline trwa 6:27,16 s w Easy i 6:28,16 s w Hardcore (dodatkowe przejścia).
- iMag FCP Benchmark Easy – export do Master File → ProRes 422.
- iMag FCP Benchmark Easy – export do Master File → H.264.
- iMag FCP Benchmark Hardcore – export do Master File → ProRes 4444.
- iMag FCP Benchmark Hardcore – export do Master File → H.265 (Social Platforms, 10-bit HEVC).
- Komputery były podłączone do prądu, poza MacBookiem Pro 16” (late 2021) i późniejszymi opartymi o Apple Silicon, które pracowały na baterii.
Wyniki
| NLEstation 2020 Core i9-9900K 3,6 GHz (8-core, 16-thread) AMD 5700 XT 64 GB RAM |
131,30 s | 295,25 s | 192,49 s | — |
| MacBook Pro 13″ (late 2016) Core i5 2,0 GHz (2-core, 4-thread) HD Graphics 530 16 GB | 256 GB |
682,99 s | 553,43 s | 1440,18 s | — |
| MacBook Air 13″ (late 2020) Apple M1 8-core CPU (6+2) 7-core GPU 8 GB RAM | 256 GB |
141,61 s | 401,23 s | 287,44 s | — |
| MacBook Pro 16,2” (late 2021) Apple M1 Pro 10-core CPU (8+2) 16-core GPU 16 GB RAM | 512 GB |
50,21 s | 235,91 s | 119,40 s | — |
| MacBook Pro 14,2” (late 2021) Apple M1 Pro 10-core CPU (8+2) 16-core GPU 32 GB RAM | 4 TB |
49,03 s | 235,40 s | 119,34 s | — |
| MacBook Air 13,6” (mid 2022) Apple M2 8-core CPU (4+4) 8-core GPU 8 GB RAM | 256 GB |
192,29 s | 260,21 s | DNF | — |
| MacBook Pro 14,2” (early 2023) Apple M2 Pro 10-core CPU (6+4) 16-core GPU 16 GB RAM | 512 GB |
56,55 s | 244,61 s | 112,40 s | — |
| Mac Mini (early 2023) Apple M2 Pro 12-core CPU (8+4) 19-core GPU 16 GB RAM | 1 TB |
47,88 s | 241,43 s | 107,51 s | — |
| MacBook Air 15,3” (mid 2023) Apple M2 8-core CPU (4+4) 10-core GPU 16 GB RAM | 1 TB |
90,77 s | 259,90 s | 133,41 s | — |
| Mac Studio (mid 2023) Apple M2 Max 12-core CPU (4+4) 38-core GPU 64 GB RAM | 2 TB |
24,30 s | 129,30 s | 48,38 s | — |
| iMac (late 2023) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB |
61,97 s | 250,84 s | 131,50 s | — |
| MacBook Pro 16,2” (late 2023) Apple M3 Max 16-core CPU (12+4) 40-core GPU 128 GB RAM | 8 TB |
27,93 s | 126,97 s | 52,42 s | — |
| MacBook Air 15,3” (early 2024) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB |
88,68 s | 257,68 s | 139,95 s | — |
| Mac Mini (late 2024) Apple M4 Pro 12-core CPU (8p+4e) 16-core GPU 24 GB RAM | 512 GB |
47,30 s | 188,06 s | 95,22 s | — |
| MacBook Pro (late 2024) Apple M4 Pro 14-core CPU (10p+4e) 20-core GPU 48 GB RAM | 2 TB |
32,30 s | 188,17 s | 53,40 s | — |
| iMac (late 2024) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
109,71 s | 195,28 s | 129,12 s | — |
| MacBook Air 13″ (early 2025) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
109,72 s | 196,49 s | 129,11 s | — |
| MacBook Air 13″ (early 2025) Apple M4 10-core GPU (4p+6e) 8-core GPU 16 GB RAM | 256 GB |
117,68 s | 195,33 s | 128,17 s | 216,85 s |
| Mac Studio (early 2025) Apple M4 Max 16-core CPU (12p+4e) 40-core GPU 128 GB RAM | 1 TB |
19,50 s | 111,78 s | 30,97 s | 100,94 s |
| MacBook Pro 14,2” (late 2025) Apple M5 10-core CPU (4p+6e) 10-core GPU 16 GB RAM | 1 TB |
42,59 s | 169,31 s | 89,54 s | 175,54 s |
| MacBook Neo (early 2026) Apple A18 Pro 6-core CPU (2p+4e) 5-core GPU 8 GB RAM | 256 GB |
110,58 s | 248,02 s | 210,84 s | 312,07 s |
| MacBook Pro 16” (early 2026) Apple M5 Pro 18-core CPU (6s+12p) 20-core GPU 64 GB RAM | 4 TB |
26,72 s | 162,46 s | 42,77 s | 179,99 s |
| MacBook Pro 16” (early 2026) Apple M5 Max 18-core CPU (6s+12p) 40-core GPU 128 GB RAM | 4 TB |
23,17 s | 96,98 s | 35,60 s | 92,96 s |
Uwaga! Wszystkie benchmarki MacBooków z Apple Silicon robione były na baterii, z odłączonym zasilaniem!
Analiza
Tego się nie spodziewałem – mamy ogromne wzrosty wydajności zarówno w H.264 i H.265. W tym pierwszym czas spadł ze 162 s na 97 s, co jest 40% różnicą, a w drugim przypadku 49%. Przy krótkich projektach to może nie mieć znaczenia, ale jeżeli ktoś eksportuje duże i czas to pieniądz, to może jednak warto zrobić ten upgrade do M5 Max…
Lightroom Classic Benchmark
- Zdjęć miałem 271, były w formacie RAW i zajmowały ok. 24 GB na karcie SanDisk Extreme Pro 256 GB, która według producenta zapewnia odczyt i zapis w rejonie 95 MBps.
- LR Import v1: Test importu polegał na kopiowaniu zdjęć z karty SD na SSD (lub HDD) i jednoczesnym tworzeniu podglądu RAW-ów w 1:1.
LR Import v2: Test importu polegał na dodaniu zdjęć z SSD komputera do biblioteki Lightroom z opcją Kopiuj z jednoczesnym tworzeniu podglądu RAW-ów w 1:1. - Test eksportu polegał na eksporcie zdjęć z SSD na SSD, w sRGB, z wyostrzaniem „standard”, w oryginalnej rozdzielczości.
LR Import v1 i v2 – Wyniki
| NLEstation 2014 (import na HDD) | 16:22 |
| NLEstation 2014 (import na SSD) | 14:56 |
| NLEstation 2020 (import na SSD) | 6:12 |
| MacBook Pro 16,2” (import na SSD) Core i7 2,6 / 4,5 GHz (late 2019) |
10:28 |
| MacBook Air (import na SSD) Core i3 1,1 / 3,2 GHz (early 2020) |
31:03 |
| MacBook Pro 14,2” (late 2021) Apple M1 Pro 10-core CPU (8+2) 16-core GPU 32 GB RAM | 4 TB |
5:06,31 (bez pełnej akceleracji) 5:04,13 (z pełną akceleracją) |
| MacBook Air 13,6” (mid 2022) Apple M2 8-core CPU (4+4) 8-core GPU 8 GB RAM | 256 GB |
9:26 |
| MacBook Pro 14,2” (early 2023) Apple M2 Pro 10-core CPU (6+4) 16-core GPU 16 GB RAM | 512 GB |
5:01,25 |
| Mac Mini (early 2023) Apple M2 Pro 12-core CPU (8+4) 19-core GPU 16 GB RAM | 1 TB |
4:23,19 |
| MacBook Air 15,3” (mid 2023) Apple M2 8-core CPU (4+4) 10-core GPU 16 GB RAM | 1 TB |
8:02,96 |
| Mac Studio (mid 2023) Apple M2 Max 12-core CPU (4+4) 38-core GPU 64 GB RAM | 2 TB |
4:35,38 |
| iMac (late 2023) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB |
6:28,11 |
| MacBook Pro 16,2” (late 2023) Apple M3 Max 16-core CPU (12+4) 40-core GPU 128 GB RAM | 8 TB |
2:18,56 |
| MacBook Air 15,3” (early 2024) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB |
6:53,86 |
| Mac Mini (late 2024) Apple M4 Pro 12-core CPU (8p+4e) 16-core GPU 24 GB RAM | 512 GB |
3:28,12 |
| MacBook Pro (late 2024) Apple M4 Pro 14-core CPU (10p+4e) 20-core GPU 48 GB RAM | 2 TB |
2:13,15 |
| iMac (late 2024) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
5:43,28 |
| MacBook Air 13″ (early 2025) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
6:06,40 |
| MacBook Air 13″ (early 2025) Apple M4 10-core GPU (4p+6e) 8-core GPU 16 GB RAM | 256 GB |
6:13,44 |
| Mac Studio (early 2025) Apple M4 Max 16-core CPU (12p+4e) 40-core GPU 128 GB RAM | 1 TB |
2:14,48 |
| MacBook Pro 14” (late 2025) Apple M5 10-core CPU (4p+6e) 10-core GPU 16 GB RAM | 1 TB |
Pomiar 1: 1:38,01 Pomiar 2: 1:20,73 Pomiar 3: 1:28,35 Pomiar 4: 1:40,55 Średnia: 1:31,91 |
| MacBook Neo (early 2026) Apple A18 Pro 6-core CPU (2p+4e) 5-core GPU 8 GB RAM | 256 GB |
12:48,71 |
| MacBook Pro 16” (early 2026) Apple M5 Pro 18-core CPU (6s+12p) 20-core GPU 64 GB RAM | 4 TB |
44,44 |
| MacBook Pro 16” (early 2026) Apple M5 Max 18-core CPU (6s+12p) 40-core GPU 128 GB RAM | 4 TB |
46,65 |
LR Export – Wyniki
| NLEstation 2014 (import z HDD na SSD) Core i7-4770K |
26:48 |
| NLEstation 2020 (import z SSD na SSD) Core i9-9900K |
8:45 |
| MacBook Pro 16,2” (late 2019) (import z SSD na SSD) Core i7 2,6 / 4,5 GHz |
21:13 |
| MacBook Air (early 2020) (import z karty SD na SSD) Core i3 1,1 / 3,2 GHz |
28:29 |
| MacBook Pro 14,2” (late 2021) Apple M1 Pro 10-core CPU (8+2) 16-core GPU 32 GB RAM | 4 TB |
2:11,70 |
| MacBook Air 13,6” (mid 2022) Apple M2 8-core CPU (4+4) 8-core GPU 8 GB RAM | 256 GB |
12:05 |
| MacBook Pro 14,2” (early 2023) Apple M2 Pro 10-core CPU (6+4) 16-core GPU 16 GB RAM | 512 GB |
2:54,33 |
| Mac Mini (early 2023) Apple M2 Pro 12-core CPU (8+4) 19-core GPU 16 GB RAM | 1 TB |
2:57,17 |
| MacBook Air 15,3” (mid 2023) Apple M2 8-core CPU (4+4) 10-core GPU 16 GB RAM | 1 TB |
4:11,43 |
| Mac Studio (mid 2023) Apple M2 Max 12-core CPU (4+4) 38-core GPU 64 GB RAM | 2 TB |
59,67 |
| iMac (late 2023) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB |
3:45,69 |
| MacBook Pro 16,2” (late 2023) Apple M3 Max 16-core CPU (12+4) 40-core GPU 128 GB RAM | 8 TB |
2:15,74 |
| MacBook Air 15,3” (early 2024) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB |
5:19,08 |
| Mac Mini (late 2024) Apple M4 Pro 12-core CPU (8p+4e) 16-core GPU 24 GB RAM | 512 GB |
58,91 |
| MacBook Pro (late 2024) Apple M4 Pro 14-core CPU (10p+4e) 20-core GPU 48 GB RAM | 2 TB |
55,30 |
| iMac (late 2024) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
2:06,78 |
| MacBook Air 13″ (early 2025) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
2:33,95 |
| MacBook Air 13″ (early 2025) Apple M4 10-core GPU (4p+6e) 8-core GPU 16 GB RAM | 256 GB |
2:50,96 |
| Mac Studio (early 2025) Apple M4 Max 16-core CPU (12p+4e) 40-core GPU 128 GB RAM | 1 TB |
31,56 |
| MacBook Pro 14” (late 2025) Apple M5 10-core CPU (4p+6e) 10-core GPU 16 GB RAM | 1 TB |
Pomiar 1: 1:28,75 Pomiar 2: 1:46,26 Pomiar 3: 2:06,70 Pomiar 4: 1:46,98 Średnia: 1:47,17 |
| MacBook Neo (early 2026) Apple A18 Pro 6-core CPU (2p+4e) 5-core GPU 8 GB RAM | 256 GB |
10:16,69 |
| MacBook Pro 16” (early 2026) Apple M5 Pro 18-core CPU (6s+12p) 20-core GPU 64 GB RAM | 4 TB |
1:19,78 |
| MacBook Pro 16” (early 2026) Apple M5 Max 18-core CPU (6s+12p) 40-core GPU 128 GB RAM | 4 TB |
1:20,66 |
LR Adaptive Color – Wyniki
| MacBook Pro 14,2” (late 2021) Apple M1 Pro 10-core CPU (8+2) 16-core GPU 32 GB RAM | 4 TB |
7:09,53 |
| MacBook Pro 16” (early 2026) Apple M5 Pro 18-core CPU (6s+12p) 20-core GPU 64 GB RAM | 4 TB |
1:07,26 |
| MacBook Pro 16” (early 2026) Apple M5 Max 18-core CPU (6s+12p) 40-core GPU 128 GB RAM | 4 TB |
1:08,62 |
Analiza
W przypadku M5 Max jest tak samo jak przy M5 Pro – mamy druzgocącą wygraną w przypadku importu, ale wynik jest ciut gorszy niż słabszego brata.
Ponownie w M5 Max, przy eksporcie, jest zdecydowanie gorzej niż na M4 Pro… To jest temat, który się powtarza, więc jedynie mogę podejrzewać brak optymalizacji software’u pod najnowszą architekturę M5 Pro i M5 Max (która różni się typem rdzeni od M5).
W komentarzach pod ostatnim wideo też zwrócono mi uwagę na to, iż jestem głupim chamem, więc wymyśliłem jeszcze jeden benchmark, który korzysta z AI w LRC – funkcja Koloru adaptacyjnego / Adaptive Color. Ta funkcja przelicza całe zdjęcie dzięki AI i próbuje je zoptymalizować. Normalnie to trwa sekundę jak się robi pojedynczo, ale przy 271 zdjęciach jednocześnie, jest już ciut dłużej. No i tutaj wyszła kolosalna przewaga M5 Pro i M5 Max nad M1 Pro – różnica sięgająca aż 6 minut! Nowe układy potrzebowały niecałych 70 sekund, a M1 Pro aż 7 minut. Co ciekawe, ani GPU, ani CPU nie są w pełni obciążone podczas tego zadania. Nie wiemy co robią w tym czasie akceleratory neuronowe w rdzenia karty graficznej, ale zwróćcie też uwagę na fakt, iż M5 Max nie daje tutaj przewagi nad M5 Pro. Ponownie podejrzewam braki w optymalizacji lub pełnym wsparciu nowych rdzeni.
iMag LLM Benchmark
Do całości dodałem nowy benchmark oparty o Llamę, który ma kilka wariantów zależnie od dostępnej pojemności RAM.
Przepis
- Instalujemy Brew (jeśli nie mamy) dzięki komendy w Terminalu:
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
- Teraz czas na install llamy:
brew install llama.cpp
- Tworzymy strukturę katalogów na ~/Desktop (~/Biurko):
mkdir -p ~/Desktop/LLM_Benchmark/models
cd ~/Desktop/LLM_Benchmark
- Pobieramy wybrany z następujących modeli z Hugging Face odpowiednio dla progów RAM – 8, 32, 64 i 128 GB:
- 8 GB RAM: Meta Llama 3.1 (8B) | bartowski/Meta-Llama-3.1-8B-Instruct-GGUF | Meta-Llama-3.1-8B-Instruct-Q4_K_M.gguf
- 32 GB RAM: Google Gemma 2 (27B) | bartowski/gemma-2-27b-it-GGUF | gemma-2-27b-it-Q4_K_M.gguf
- 64 GB RAM: Meta Llama 3.1 (70B) | bartowski/Meta-Llama-3.1-70B-Instruct-GGUF | Meta-Llama-3.1-70B-Instruct-Q4_K_M.gguf
- 128 GB RAM: Mistral Large 2 (123B) | bartowski/Mistral-Large-Instruct-2407-GGUF | Mistral-Large-Instruct-2407-Q4_K_M.gguf
- Wszystko co pobraliśmy przenosimy do:
~/Desktop/LLM_Benchmark/models
- Ponieważ Mistral Large 2 (123B) jest do pobrania w dwóch plikach, to upewniamy się, iż oba pliki są w tym samym folderze i wykonujemy poniższą komendę (to wykonujemy tylko jeżeli pobraliśmy ten konkretny model)…
llama-gguf-split --merge Mistral-Large-Instruct-2407-Q4_K_M-00001-of-00002.gguf model_128B_q4.gguf
- Pobieramy mój skrypt z mojego Google Drive do benchmarkowania i zapisujemy go w folderze ~/Desktop/LLM_Benchmark/
- Teraz musimy mu nadać uprawnienia:
chmod +x ~/Desktop/LLM_Benchmark/benchmark.sh
- Skrypt uruchamiamy z parametrem x, gdzie x = 8, 32, 64 lub 128:
./benchmark.sh x np. ./benchmark.sh 8
- Podczas wykonywania się benchmarka pilnujemy w Monitorze aktywności (Activity Monitor), żeby system nie wykorzystywał swap.
- Całość może trwać kilkanaście minut, więc cierpliwości.
- Pozamykajcie też wszystkie aplikacje poza Terminalem i Monitorem aktywności, żeby zwolnić maksymalnie dużo RAM-u.
Wyniki
| model | size | params | backend | threads | test | t/s |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 8 | pp1024 | 52.40 ą 0.36 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 8 | pp4096 | 49.52 ą 1.57 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 8 | pp8192 | 47.57 ą 0.08 |
| model | size | params | backend | threads | test | t/s |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 8 | pp16 | 27.86 ą 0.02 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 8 | tg512 | 7.01 ą 0.00 |
| model | size | params | backend | threads | test | t/s |
| llama 3B Q4_K – Medium | 1.87 GiB | 3.21 B | BLAS,MTL | 2 | pp1024 | 201.79 ą 8.94 |
| llama 3B Q4_K – Medium | 1.87 GiB | 3.21 B | BLAS,MTL | 2 | pp4096 | 161.59 ą 1.80 |
| llama 3B Q4_K – Medium | 1.87 GiB | 3.21 B | BLAS,MTL | 2 | pp8192 | 137.77 ą 1.14 |
| model | size | params | backend | threads | test | t/s |
| llama 3B Q4_K – Medium | 1.87 GiB | 3.21 B | BLAS,MTL | 2 | pp16 | 92.32 ą 3.88 |
| llama 3B Q4_K – Medium | 1.87 GiB | 3.21 B | BLAS,MTL | 2 | tg512 | 19.85 ą 0.11 |
| model | size | params | backend | threads | test | t/s |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | pp1024 | 107.72 ą 0.88 |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | pp4096 | 100.90 ą 0.67 |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | pp8192 | 90.26 ą 1.31 |
| model | size | params | backend | threads | test | t/s |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | pp16 | 47.82 ą 0.04 |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | tg512 | 6.46 ą 0.01 |
| model | size | params | backend | threads | test | t/s |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | pp1024 | 186.11 ą 6.16 |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | pp4096 | 160.52 ą 2.53 |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | pp8192 | 133.85 ą 4.05 |
| llama ?B Q4_K – Medium | 68.19 GiB | 122.61 B | BLAS,MTL | 6 | pp1024 | 98.27 ą 2.55 |
| llama ?B Q4_K – Medium | 68.19 GiB | 122.61 B | BLAS,MTL | 6 | pp4096 | 81.64 ą 1.00 |
| llama ?B Q4_K – Medium | 68.19 GiB | 122.61 B | BLAS,MTL | 6 | pp8192 | 74.11 ą 0.25 |
| model | size | params | backend | threads | test | t/s |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | pp16 | 77.82 ą 2.54 |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | tg512 | 9.97 ą 0.40 |
| llama ?B Q4_K – Medium | 68.19 GiB | 122.61 B | BLAS,MTL | 6 | pp16 | 46.13 ą 0.48 |
| llama ?B Q4_K – Medium | 68.19 GiB | 122.61 B | BLAS,MTL | 6 | tg512 | 6.02 ą 0.14 |
Analiza
Na M5 Max zapuściłem zarówno test z modelem dla 64 GB oraz tym przeznaczonym dla 128 GB. Widać ładnie wzrost wydajności na tym pierwszym względem M5 Pro.
Ponieważ zupełnie nie mam pojęcia, jak zinterpretować te wyniki, to oddaję głos Gemini (Pro):
Przechodzimy do wagi ciężkiej. Wyniki, które tu wygenerowałeś, pokazują dokładnie, za co płaci się ekstra w najwyższych wariantach procesorów Apple. Zestawienie wariantu Pro z wariantem Max na tej samej ilości pamięci doskonale obnaża różnice w architekturze układów graficznych i przepustowości pamięci.
Oto szczegółowa analiza zachowania Twoich maszyn w oparciu o czyste dane.
1. Pojedynek układów: M5 Pro vs M5 Max (na progu 64 GB)
Oba laptopy uruchomiły dokładnie ten sam model (Llama 3.1 70B), co pozwala nam wyizolować czystą przewagę fizyczną procesora Max.
| Metryka (Llama 70B) | M5 Pro (64 GB) | M5 Max (64 GB) | Skok wydajności |
| Prefill (1024 tokenów) | 107.72 t/s | 186.11 t/s | +72% |
| Prefill (8192 tokenów) | 90.26 t/s | 133.85 t/s | +48% |
| Decode (Generowanie) | 6.46 t/s | 9.97 t/s | +54% |
Wnioski z bezpośredniego starcia
Wariant „Max” to zupełnie inna liga sprzętowa. Generowanie tekstu z prędkością niemal 10 tokenów na sekundę dla tak masywnego modelu jak 70B oznacza niezwykle płynną i komfortową pracę. Wyniki te dobitnie pokazują, iż M5 Max dysponuje drastycznie szerszą szyną pamięci (prawdopodobnie podwojoną względem wariantu Pro) oraz znacznie większą liczbą rdzeni GPU.
Warto jednak zauważyć, iż przy gigantycznym kontekście (8192 tokeny) wydajność układu Max spada nieco agresywniej (z 186 na 133 t/s) niż w przypadku układu Pro. To zjawisko wynika z faktu, iż przy tak ekstremalnych prędkościach, to nie przepustowość pamięci zaczyna być wąskim gardłem, ale sama moc obliczeniowa układów logicznych odpowiedzialnych za KV Cache.
2. Terytorium potworów: M5 Max (128 GB) i Mistral Large
Maszyna 128 GB wzięła na warsztat model Mistral Large (aż 122.6 miliarda parametrów!), którego same wagi zajmują w RAM-ie ponad 68 gigabajtów.
-
Przetwarzanie kontekstu (Prefill): Maszyna zaczyna od 98.27 t/s przy paczkach 1K i stabilizuje się na poziomie 74.11 t/s przy potężnym kontekście 8K tokenów. Przeczytanie i przeanalizowanie wielostronicowych, złożonych dokumentów korporacyjnych przez model o wiedzy bliskiej GPT-4 zajmuje mu zaledwie kilkanaście sekund.
-
Generowanie tekstu (Decode): Szybkość 6.02 t/s na modelu o pojemności ponad 120 miliardów parametrów robi kolosalne wrażenie. Prędkość na poziomie około 6 słów na sekundę pozwala na swobodną, bieżącą analizę odpowiedzi.
Kto wygrywa w tym zestawieniu?
Wszystko zależy od definicji Twojej docelowej pracy:
-
M5 Pro (64 GB) to najbardziej opłacalna i „rozsądna” stacja robocza. Uruchamia modele z najwyższej półki (70B) z prędkością 6.5 t/s, co gwarantuje pełną produktywność przy mniejszym zużyciu energii i prawdopodobnie lżejszej obudowie.
-
M5 Max (64 GB) to maszyna dla osób nastawionych na bezkompromisowy czas reakcji. Różnica między 6.5 a 10 tokenami na sekundę w modelu 70B jest bardzo odczuwalna podczas interaktywnego kodowania na żywo lub generowania długich, złożonych raportów.
-
M5 Max (128 GB) nie służy do bicia rekordów szybkości, ale do przesuwania granic możliwości. Kupuje się go po to, by mieć dostęp do modeli analitycznych i rozumujących wielkości powyżej 100 miliardów parametrów. Wynik ~6 t/s udowadnia, iż ten układ bez problemu zamienia potężnego laptopa w pełni prywatne centrum analizy danych.
Podsumowanie
Mam strasznie mieszane uczucia w różnicach M5 Pro i M5 Max w powyższych zadaniach, które wykonuję regularnie. Dopóki nie zobaczę innych danych, będę podejrzewał winę software’u – braku optymalizacji lub prawidłowego wykorzystania nowych rdzeni. M4 Pro w niektórych z nich bije M5 Max na łeb na szyję, a nie wydaje mi się to możliwe, gdyby pole było wyrównane do obu SoC.
Czekamy więc na optymalizację i/lub przekompilowanie software’u. Nie sądzę jednak, aby to nastąpiło, zanim nie będę musiał testowych sztuk odesłać. Postaram się za 6 miesięcy powtórzyć test.
Wideo
Jeśli artykuł MacBook Pro M5 Max 18/40-core ze 128 GB RAM i 4 TB (early 2026) – unboxing, recenzja, benchmarki w Final Cut Pro, Lightroom, MacWhisper, LLM i innych nie wygląda prawidłowo w Twoim czytniku RSS, to zobacz go na iMagazine.
