O czym jest ten film
- Apple pokazało nowe Maki (Mac Studio i Mac Mini) z układami M5 Max i M5 Ultra — na papierze najlepszy sprzęt do lokalnego AI, jaki dotąd trafił na rynek.
- Kluczowa liczba to przepustowość pamięci: 614 GB/s w M5 Max i 1,2 TB/s w M5 Ultra.
- Porównanie z konkurencją: DGX Spark ma 272 GB/s, typowe karty GPU ok. 1 TB/s — M5 Ultra jest nawet minimalnie szybszy od tych ostatnich.
- Rekomendacja autora: bazowy Mac Studio z M5 Ultra i 96 GB RAM za 5 499 $ — tyle samo co RTX 5090, ale z trzykrotnie większą pamięcią.
- Przewaga nie leży w prędkości generowania tokenów, tylko w ilości pamięci, która pozwala uruchomić wiele agentów równolegle i większe okna kontekstu.
- Szacowana wydajność Mac Studio M5 Ultra dla modelu Qwen3 27B w kwantyzacji Q6: 35–45 tokenów/s, do 50–60 tok./s ze spekulatywnym dekodowaniem. RTX 5090 dla tego samego modelu: ok. 98 tok./s.
- Droższe konfiguracje (256 GB, zapowiadane 512 GB w październiku) szybko podbijają cenę do 10–17 tys. dolarów i nie dają proporcjonalnego zysku.
- Dysk: 1 TB w zupełności wystarcza do zastosowań AI, 2 TB to komfort — 8 czy 16 TB nie ma sensu.
- Nowy Mac Mini z M5 Pro ma 307 GB/s przepustowości — ledwie więcej niż M4 Pro i DGX Spark, ale to pierwszy taki „zwykły” komputer na biurko, który realnie uruchomi lokalny model.
- W Mac Mini autor wybrałby 64 GB RAM (poniżej 3 000 $), bo sam macOS z aplikacjami zjada ok. 12 GB.
Redakcyjne tłumaczenie
Najmocniejszy Mac do lokalnego AI — i dlaczego mimo to nie namawiam do zakupu
Wczoraj Apple ogłosiło najmocniejszego Maka do lokalnego AI, jaki kiedykolwiek trafił do sprzedaży. Zrobiłem obliczenia i na papierze bazowy M5 Ultra z 96 GB pamięci to najlepszy stosunek jakości do ceny w historii maszyn do lokalnego AI. A mimo to nie zalecam wam jego zakupu. Pokażę wam liczby i powiem dokładnie, co zrobiłbym na waszym miejscu. Potem przyjrzymy się nowemu Mac Mini, bo to niesamowita maszyna, która wreszcie potrafi uruchomić kilka ciekawych modeli lokalnych.
Liczby, które naprawdę się liczą
Mamy tu Mac Mini i Mac Studio. Spójrzmy na najważniejsze dane. Są oczywiście dwa procesory — Max i Ultra. Najważniejsza liczba dla AI to przepustowość pamięci: 614 GB/s na układzie Max i 1,2 TB/s na Ultra. To już poważne, duże wartości.
Porównajmy. DGX Spark ma 272 GB/s, czyli mniej niż połowę tego, co daje Max. Powinniśmy więc oczekiwać mniej więcej dwukrotnie szybszego generowania tokenów. Na M5 Ultra mamy 1,2 TB/s — czyli czterokrotność tego, co oferuje DGX Spark. Porównajmy też z kartami graficznymi. W poprzednim filmie pokazywałem, że większość z nich działa w okolicach 1 TB/s. To znaczy, że M5 Ultra jest nawet odrobinę szybszy.
(Informacja dodatkowa: DGX Spark to kompaktowy komputer Nvidii przeznaczony do lokalnego uruchamiania modeli AI, konkurent Maców w tej właśnie roli.)
Ile pamięci za ile pieniędzy
Teraz wszystko sprowadza się do liczb, bo chcemy wiedzieć, co dostajemy za daną kwotę. Jeśli wychodzimy od układu M5 — prawdopodobnie należy sięgnąć po maksimum tego, na co was stać. Osobiście wziąłbym dokładnie ten model: M5 Max z 18 rdzeniami CPU i 40 rdzeniami GPU oraz 64 GB pamięci.
Gdybym natomiast szedł w układ M5 Ultra, wybrałbym tę konfigurację: w zasadzie model bazowy dla tego sprzętu, z podstawowym dyskiem — czyli 5 499 dolarów. To ta sama cena co RTX 5090, ale dostajecie 96 GB pamięci, czyli trzy razy więcej. I to rozwiązuje największy problem, jaki mam ze swoim 5090: kiedy uruchamiam Qwen3 27B, mogę mieć tylko jedną instancję naraz, a nie wielu agentów — bo gdy tylko okno kontekstu zaczyna rosnąć, zajmuje całą pamięć, jaką mam na 5090. Tutaj mielibyście trzy razy tyle miejsca, a to ogromna różnica. To oznacza, że możecie mieć wielu agentów pracujących jednocześnie, a przy tym większe okno kontekstu.
(Informacja dodatkowa: RTX 5090 to topowa konsumencka karta Nvidii z 32 GB pamięci — stąd trzykrotna przewaga 96 GB w Macu.)
Ile tokenów na sekundę — realne oczekiwania
Chcę teraz pokazać, z jaką prędkością działa ten model. To agent Augmental, napędzany harnessem DeepSeek. Działa jako rozszerzenie wewnątrz strony opartej na Chromium i w tej chwili uruchamia Qwen3 27B. Mogę zmieniać model, bo mam go uruchomionego zarówno na 5090, jak i na GX10 — odpowiedniku DGX Spark — ale oczywiście można też korzystać z modelu w chmurze.
Zapytajmy, jakiej generacji tokenów można oczekiwać na Mac Studio z M5 Ultra przy Qwen3 27B w kwantyzacji Q6, a także co mówią dostępne dane o generacji tokenów na RTX 5090 dla tego samego modelu.
Model właśnie pracuje — widać, jak przejmuje kontrolę nad przeglądarką, żeby znaleźć dane na Reddicie. I to jest mniej więcej prędkość, jakiej możecie się spodziewać na nowym Mac Studio. Będzie, jak mówiłem, trochę wolniej, ale nie odbiega to bardzo od tego, co widzimy. Można oczywiście mocniej skwantyzować model. Zamiast Q6 użyć Q5 — co przy M5 Ultra jest prawdopodobnie najlepszym pomysłem.
Ale przewaga nie będzie leżeć w prędkości działania modelu, tylko w ilości dostępnej pamięci. 96 GB to trzykrotność tego, co mam na 5090, a to pozwala mieć wielu agentów pracujących równolegle. To ogromna sprawa i mój największy obecny problem.
(Informacja dodatkowa: kwantyzacja to kompresja wag modelu — Q5 zajmuje mniej pamięci niż Q6 kosztem niewielkiego spadku jakości odpowiedzi.)
Nawiasem mówiąc, agent, którego pokazuję, to coś, co sam rozwijam i wkrótce udostępnię za darmo swojej społeczności. I znowu — działa w stu procentach lokalnie.
Wracając do liczb: Mac Studio z M5 Ultra powinien osiągnąć 35–45 tokenów na sekundę przy Q6, a do 50–60 przy spekulatywnym dekodowaniu. Dla 5090 dane mówią o 98 tokenach na sekundę. To uczciwa średnia, bo przy dłuższym oknie kontekstu generacja tokenów spada. Na starcie osiąga się jakieś 100–110, a potem tempo maleje wraz z rosnącym kontekstem. Więc 98 to sensowna wartość.
W praktyce dostajemy system, który kosztuje tyle co 5090, ale ma znacznie więcej pamięci. To trzeba wziąć pod uwagę. O ile nie potrzebujecie naprawdę szybkiego systemu, większa pamięć jest istotnym argumentem.
Czy warto dopłacać do wyższych konfiguracji
Przynajmniej macie już wyobrażenie, czego oczekiwać — widzieliście generację tokenów, więc mniej więcej wiecie, co da się zrobić. Czy w takim razie warto brać najdroższą wersję Mac Studio? Przyjrzyjmy się szczegółom.
Mamy tu układ M5 Ultra. Powtarzam: wziąłbym ten wariant, żeby utrzymać niską cenę, oraz 96 GB, żeby mieć dość pamięci. Zobaczcie, co się dzieje, gdy zaczynamy zmieniać konfigurację. Podbijamy moc i dostajemy pewne liczby: szybsze generowanie pierwszego tokena przy większym oknie kontekstu oraz lepszą pracę równoległych agentów. Nie jest to przepaść, ale poprawa istnieje.
Możemy pójść w 256 GB pamięci, czyli jeszcze więcej równoległych agentów albo większe okno kontekstu. Zawsze trzeba to jednak równoważyć z faktyczną prędkością i mocą systemu. Więc albo 256 GB, albo czekanie do października na wersję 512 GB — która kosztuje prawdopodobnie ponad 5 000 dolarów dopłaty, przez co ląduje się na 10 799 dolarów, a z dyskiem 1 TB nawet w okolicach 17 000.
(Informacja dodatkowa: podane kwoty pochodzą z konfiguratora pokazywanego w nagraniu i są przybliżone; autor operuje nimi na bieżąco, bez precyzyjnego rozbicia.)
A 1 TB dysku w rzeczywistości w zupełności wystarcza. Jeśli pieniądze nie grają roli, można oczywiście iść wyżej. Ale nie ma naprawdę żadnego powodu, by brać 8 czy 16 TB. Jeśli używamy tego wyłącznie do AI, 1 TB wystarcza, przy 2 TB jest się już bardzo komfortowo. I tyle.
Dlatego właśnie sugeruję to rozwiązanie — bo kosztuje połowę tamtego, a dostajecie naprawdę dobrą maszynę. Naprawdę bardzo dobrą.
Tańsza alternatywa: M5 Max zamiast DGX Spark
Jeśli szukacie czegoś znacznie tańszego i wahaliście się, czy nie wziąć Sparka, możecie spojrzeć na inne rozwiązanie. Bierzecie układ Max, który ma dwukrotnie większą przepustowość niż Spark, a przy 128 GB pamięci macie w zasadzie tę samą cenę co Spark, ale w przybliżeniu dwukrotnie wyższą generację tokenów. To też ciekawy punkt.
Osobiście jednak przy budżecie 5 000 dolarów bez cienia wątpliwości poszedłbym w M5 Ultra w opisanej konfiguracji. To trochę więcej, ale zysk jest ogromny.
Wiem, że to dość kontrowersyjne i wiele osób ma własne zdanie. Dlatego zapraszam dziś na Discorda, gdzie mamy społeczność AI Stack — tam spotykamy się i rozmawiamy o sprzęcie i modelach lokalnych. Link w opisie, będzie okazja podzielić się swoją opinią.
Mac Mini — pierwszy „zwykły” komputer, który uruchomi lokalny model
Teraz Mac Mini, bo nawet ta mała maszyna ma coś wartego uwagi — jest naprawdę mocna jak na swoją klasę.
Wiemy, że te komputery podrożały. Model bazowy kosztowałby w zasadzie połowę tej ceny. Ale do lokalnego AI powinniśmy patrzeć na M5 i wziąłbym mocniejszą wersję oraz 64 GB pamięci. Jesteśmy wtedy poniżej 3 000 dolarów.
Zobaczmy, na co stać ten sprzęt. Jaka jest przepustowość pamięci nowego Mac Mini z M5 Pro? To 307 GB/s. Czyli odrobinę więcej niż 273 GB/s, które mieliśmy w M4 Pro i które ma DGX Spark. Tylko odrobinę szybciej. Ale tu nie chodzi o prędkość — chodzi o to, że możecie mieć na biurku komputer, który dla większości ludzi jest aż nadto wystarczający, a teraz potrafi też uruchomić model lokalny.
Czy przy takiej różnicy w cenie warto? To zależy od was. Jeśli możecie sobie na to pozwolić, Studio to zdecydowanie inna liga i przy pracy z AI ma pełny sens. Jeśli AI to coś, po co sięgacie od czasu do czasu, Mini jest bardzo dobrym rozwiązaniem.
Można nawet rozważyć 48 GB pamięci, ale przy AI zawsze obowiązuje zasada, że więcej znaczy lepiej. I zawsze trzeba pamiętać, że sam macOS z kilkoma aplikacjami potrzebuje około 12 GB. Zostanie nam więc 36 GB — dla większości osób w zupełności wystarczy, ale jeśli chcecie mieć równoległych agentów, lepsze jest 64 GB.
Podsumowanie
To wszystko, czym chciałem się dziś podzielić. Jeśli jesteście w świecie macOS, to bardzo dobra wiadomość. Fajnie wreszcie zobaczyć Mac Studio. Czekam na realne wyniki, kiedy sprzęt trafi do sprzedaży — ale na papierze tego właśnie możemy się spodziewać. A jeśli pytacie, czy sam go kupię, musicie dołączyć na Discorda, tam sobie o tym pogadamy. Dzięki za wytrwanie do końca.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Przepustowość pamięci to główny parametr przy zakupie sprzętu pod lokalne AI
Na czym polega: Tempo generowania tokenów zależy przede wszystkim od przepustowości pamięci — 614 GB/s w M5 Max, 1,2 TB/s w M5 Ultra, 307 GB/s w M5 Pro, 272 GB/s w DGX Spark.
Jak stosować: Porównując maszyny, zaczynaj od tej jednej liczby — pozwala z grubsza przewidzieć relację prędkości między urządzeniami, zanim pojawią się realne benchmarki.
Na co uważać: To przybliżenie, nie gwarancja. Autor sam mówi, że są to szacunki „na papierze” i czeka na rzeczywiste pomiary. Przepustowość nie mówi nic o czasie generowania pierwszego tokena ani o wydajności przy długich kontekstach.
2.Więcej RAM-u bije wyższą prędkość, jeśli pracujesz z wieloma agentami
Na czym polega: Mac Studio M5 Ultra jest wolniejszy od RTX 5090 (35–45 vs ok. 98 tok./s), ale ma 96 GB zamiast 32 GB. Na 5090 autor może uruchomić tylko jedną instancję Qwen3 27B, bo rosnące okno kontekstu zjada całą pamięć.
Jak stosować: Jeśli twoim zastosowaniem są równoległe agenty albo długie konteksty, wybieraj pamięć, nie tokeny na sekundę. Trzykrotność pamięci to trzykrotność możliwych jednoczesnych zadań.
Na co uważać: Odwrotna logika obowiązuje przy pracy interaktywnej z jednym modelem — tam dwukrotnie wolniejsze odpowiedzi są realnie odczuwalne i szybka karta wygrywa.
3.Bazowy Mac Studio M5 Ultra 96 GB to punkt optymalnej wartości
Na czym polega: Za 5 499 dolarów — tyle samo, co kosztuje RTX 5090 — dostajesz kompletny komputer z trzykrotnie większą pamięcią. To konkretna rekomendacja autora.
Jak stosować: Traktuj tę konfigurację jako domyślną, jeśli budżet mieści się w tych okolicach, i uzasadniaj dopiero odchylenia od niej w górę.
Na co uważać: Cena karty i cena całego komputera to nie ta sama pozycja w budżecie — do 5090 trzeba jeszcze zbudować resztę maszyny. Autor tego nie rozwija, a zmienia to bilans na korzyść Maca.
4.Droższe konfiguracje mają wyraźnie malejącą krańcową użyteczność
Na czym polega: Przejście na 256 GB, a tym bardziej na zapowiadane 512 GB w październiku, podbija cenę do 10–17 tys. dolarów, dając poprawę, którą autor określa jako „obecną, ale nie przepaścistą”.
Jak stosować: Wybierz konfigurację bazową i przeznacz zaoszczędzoną kwotę na coś innego — albo na wymianę sprzętu za dwie generacje.
Na co uważać: Jeśli twoje modele przekraczają 96 GB, żadna oszczędność nie pomoże — wtedy zapotrzebowanie na pamięć jest twardym ograniczeniem, nie preferencją.
5.Kwantyzacja to dźwignia pamięci, nie prędkości
Na czym polega: Autor sugeruje, że dla M5 Ultra najlepszym wyborem jest prawdopodobnie Q5 zamiast Q6 — model zajmuje mniej miejsca, przez co zostaje więcej pamięci na kontekst i równoległe instancje.
Jak stosować: Zejdź o jeden poziom kwantyzacji w dół, gdy walczysz o miejsce na dodatkowego agenta lub większe okno kontekstu.
Na co uważać: Niższa kwantyzacja obniża jakość odpowiedzi. Autor nie kwantyfikuje tej straty — trzeba ją zweryfikować samodzielnie na własnych zadaniach, zanim ustawi się to na stałe.
6.Prędkość generowania spada wraz z rosnącym kontekstem
Na czym polega: Podawane liczby to średnie. RTX 5090 startuje przy ok. 100–110 tok./s, potem tempo maleje w miarę powiększania się okna kontekstu — stąd uśrednione 98.
Jak stosować: Planując wydajność, licz według wartości przy pełnym kontekście, nie według pierwszych sekund odpowiedzi.
Na co uważać: Benchmarki w sieci często mierzą krótki prompt na starcie. Do zadań agentowych, gdzie kontekst rośnie przez cały czas pracy, są one systematycznie zbyt optymistyczne.
7.Spekulatywne dekodowanie daje mniej więcej 30–40 procent więcej
Na czym polega: Przy Qwen3 27B na M5 Ultra autor szacuje 35–45 tok./s standardowo i 50–60 tok./s ze spekulatywnym dekodowaniem.
Jak stosować: Jeśli twój runtime to obsługuje, włącz tę opcję, zanim uznasz maszynę za za wolną — to darmowy skok wydajności bez wymiany sprzętu.
Na co uważać: Wymaga to dodatkowego modelu roboczego, co samo w sobie zajmuje pamięć. Autor nie wchodzi w konfigurację, więc trzeba to sprawdzić w swoim narzędziu.
8.Mac Mini z M5 Pro to najniższy sensowny próg wejścia
Na czym polega: 307 GB/s to ledwie więcej niż M4 Pro i DGX Spark, ale przy 64 GB pamięci i cenie poniżej 3 000 dolarów jest to zwykły komputer biurkowy, który przy okazji uruchomi lokalny model.
Jak stosować: Wybierz tę drogę, jeśli AI to jedno z wielu zastosowań maszyny, a nie jej główny cel — kupujesz sprzęt do pracy, który przy okazji obsłuży modele.
Na co uważać: Autor jasno mówi, że Studio to „inna liga”. Jeśli AI jest twoim głównym obciążeniem, Mini szybko okaże się ciasny.
9.Odejmij od dostępnej pamięci to, co zabiera system
Na czym polega: Sam macOS z kilkoma aplikacjami zajmuje około 12 GB. Przy 48 GB zostaje realnie 36 GB.
Jak stosować: Licząc, jaki model się zmieści, zawsze odejmij ok. 12 GB od nominalnej pamięci — dopiero ta reszta jest twoim budżetem na model i kontekst.
Na co uważać: Przy zunifikowanej pamięci Apple ta rezerwa nie jest stała — więcej otwartych aplikacji to mniej miejsca dla modelu. Dlatego autor przy równoległych agentach woli 64 GB niż 48 GB.
10.To analiza specyfikacji, nie test — stąd tytułowe „jeszcze nie kupuj”
Na czym polega: Wszystkie liczby pochodzą z materiałów Apple i szacunków. Autor sam podkreśla, że czeka na realne pomiary po premierze.
Jak stosować: Traktuj ten materiał jako przygotowanie decyzji — zawężenie do dwóch–trzech konfiguracji — a nie jako podstawę do zakupu w dniu premiery.
Na co uważać: Sprzęt Apple rzadko tanieje po premierze, więc czekanie ma swój koszt. Warto też pamiętać, że autor promuje własną społeczność i własnego agenta, co zostawia miejsce na optymistyczne nastawienie do rekomendowanego wariantu.