Mac Studio M5 Ultra kończy test agentowy dwa razy szybciej niż pudełko z GB10

👁 116 przeczytań

Tom’s Hardware uruchomił benchmark AgentPerf-Local od Artificial Analysis na Mac Studio z M5 Ultra i na systemie Dell Pro Precision GB10 - maszynie niemal identycznej z Nvidia DGX Spark. Mac skończył zadanie w nieco mniej niż połowę czasu. Jeśli rozważasz wydatek rzędu 10-12 tys. dolarów na lokalną maszynę do modeli, ten jeden wynik nie wystarczy do decyzji - ale pokazuje, który parametr warto zmierzyć samodzielnie.

Co dokładnie zestawiono

Według testu Tom’s Hardware opublikowanego 13 listopada 2026 roku konfiguracja Mac Studio to M5 Ultra: 36-rdzeniowy CPU, 80-rdzeniowy GPU z Neural Accelerators do operacji macierzowych, pamięć unified do 512 GB w opcji maksymalnej (testowany egzemplarz miał 256 GB) i przepustowość 1,2 TB/s. Cena testowanego zestawu: od 12 300 dolarów. Czas oczekiwania na dostawę od Apple w momencie testu: 13 do 15 tygodni.

Po drugiej stronie Dell Pro Precision z układem GB10: 48 jednostek SM w architekturze Blackwell i 273 GB/s przepustowości pamięci. Egzemplarz z 4 TB nośnika kosztuje dziś 10 tys. dolarów. To mniej więcej 46 500 zł i 37 800 zł po kursie 3,78 zł za dolara - bez podatków i bez marży lokalnego sprzedawcy, więc w Polsce realna kwota będzie wyższa.

Model w obu przypadkach ten sam: gęsty Qwen 3.8 27B. Backend też ten sam - llama.cpp. Dodatkowo włączono natywne multi-token prediction (MTP), które podbija szybkość dekodowania na obu platformach. To ważne dla czytelności wyniku: różnica nie bierze się z innego silnika ani z innej kwantyzacji.

Dlaczego ten benchmark faworyzuje mocny GPU

AgentPerf-Local odtwarza nagrane ślady inferencji z zadań agentowych. Artificial Analysis publikuje pełny rozkład tego obciążenia, a według opisu przytoczonego przez Tom’s Hardware większość pracy przypada na przetwarzanie promptu, nie na generowanie tokenów. Przetwarzanie promptu to zadanie obliczeniowe - prefill przerabia cały kontekst równolegle. Generowanie odpowiedzi to z kolei wąskie gardło pamięciowe: każdy token wymaga przeczytania wag.

Stąd wniosek, który łatwo przeoczyć: ten test premiuje surową moc obliczeniową GPU. Mac ma 80 rdzeni przeciw 48 SM-om Blackwella i ponad czterokrotnie wyższą przepustowość pamięci. Tom’s Hardware zaznacza jednak, że papierowe specyfikacje przy AI zwykle rozjeżdżają się z dostarczoną wydajnością, i to właśnie dlatego pomiar ma sens.

Druga rzecz z tego testu: ponieważ AgentPerf-Local wykonuje stałą ilość pracy na każdym systemie, da się porównać energię zadania. Tom’s Hardware mierzył pobór z gniazdka i przeliczał go na kilodżule na zadanie. To uczciwszy wskaźnik niż waty pod obciążeniem - maszyna pobierająca więcej, ale kończąca wcześniej, może wypaść lepiej.

Jak powtórzyć ten pomiar na własnym sprzęcie

1. Zbierz ślad z własnego obciążenia zamiast polegać na gotowym - jeśli twój agent ma krótkie prompty i długie odpowiedzi, proporcje prefill do dekodowania będą odwrotne niż w AgentPerf-Local i ranking maszyn może się odwrócić.
2. Zbuduj llama.cpp z tego samego commita na obu porównywanych maszynach i zanotuj hash. Różnice między wersjami potrafią zmienić wynik bardziej niż różnica sprzętu.
3. Użyj identycznego pliku modelu - ten sam GGUF, ta sama kwantyzacja. Pobranie „tego samego” modelu z dwóch repozytoriów to najczęstszy sposób na unieważnienie porównania.
4. Sprawdź, czy MTP jest włączone po obu stronach. Jeśli jedna platforma go nie wspiera dla twojego modelu, odnotuj to zamiast porównywać wyniki wprost.
5. Ustaw stałą długość kontekstu i stałą liczbę generowanych tokenów. Bez tego mierzysz losowość modelu, nie sprzęt.
6. Podepnij watomierz do gniazdka i zapisz pobór od startu do końca zadania. Pomnóż średnią moc w watach przez czas w sekundach, podziel przez 1000 - masz kilodżule na zadanie.
7. Powtórz przebieg co najmniej trzy razy po rozgrzaniu maszyny. Pierwszy przebieg po starcie zawsze jest inny.

Czego ten test nie mówi

Qwen 3.8 27B to model gęsty i kompaktowy - jak zauważa Tom’s Hardware, nie wykorzystuje nawet 256 GB pamięci. Wynik z tego modelu nie przenosi się automatycznie na duże modele, które redakcja zapowiada w dalszej części testów: DeepSeek V4.1 Flash 1017 i GLM 5.3 Flash. Przy modelach mieszanki ekspertów aktywna część wag na token jest mniejsza, więc profil obciążenia pamięci wygląda inaczej.

Nie wiadomo też z tego materiału, jak oba systemy wypadają w czystym generowaniu tokenów przy długim kontekście ani jak zachowują się pod obciążeniem ciągłym przez godziny - a to właśnie scenariusz, w którym chłodzenie zaczyna decydować. Tom’s Hardware podaje porównanie energii zadania, ale fragment, którym dysponujemy, urywa się przed pełnym wynikiem, więc nie cytujemy liczby.

Osobna sprawa: porównanie dotyczy pojedynczego pudełka z GB10. DGX Spark i jego klony projektowano z myślą o łączeniu w pary przez szybki interconnect, czego Mac Studio nie oferuje w tej formie. Jeśli twój plan zakłada dwa węzły, punktem odniesienia przestaje być maszyna za 10 tys. dolarów.

Kiedy ten wydatek się broni, a kiedy nie

Przy kwocie około 46 tys. zł sens lokalnej maszyny zaczyna się tam, gdzie chmura odpada z powodów innych niż cena: dane, których nie wolno wysłać na zewnątrz, praca bez łącza, albo obciążenie na tyle stałe, że rachunek za API przestaje maleć. W polskich realiach pierwszy powód bywa rozstrzygający - umowy powierzenia danych i wymogi RODO potrafią wykluczyć API szybciej niż budżet.

Jeśli jednak chodzi tylko o koszt tokenów, policz miesięczne zużycie z faktur za API i podziel 46 tys. zł przez tę kwotę. Do tego doliczy się prąd: przy pracy ciągłej i stawce około 1 zł za kWh maszyna pobierająca 300 W kosztuje ponad 200 zł miesięcznie. Czas dostawy Mac Studio - 13 do 15 tygodni według Tom’s Hardware - to kolejny element rachunku, jeśli sprzęt ma na czymś pracować już teraz.

Dla kogoś, kto celuje w modele wymagające setek gigabajtów, przewaga unified memory Apple jest trudna do podważenia jednym pudełkiem z GB10. Dla kogoś, kto pracuje z modelami do kilkudziesięciu miliardów parametrów, różnica dwukrotna w jednym teście agentowym może nie uzasadniaćć dopłaty 2,3 tys. dolarów - to już opinia, nie wynik pomiaru.