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

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, że 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 nawet nie zauważyłem, że jej obiektyw jest glossy, ale nie jest to prawie w ogóle zauważalne i szybko 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.

Blackmagic Disk Speed TestOdczyt w MB/sZapis w MB/sMacBook Air 13,3”
(late 2020)
Apple M1
8-core CPU (4+4)
8-core GPU
8 GB RAM | 256 GB21652716MacBook Pro 14,2”
(late 2021)
Apple M1 Pro
10-core CPU (8+2)
16-core GPU
32 GB RAM | 4 TB55917409MacBook Air 13,6”
(mid 2022)
Apple M2
8-core CPU (4+4)
8-core GPU
8 GB RAM | 256 GB14731714MacBook Pro 14,2”
(early 2023)
Apple M2 Pro
10-core CPU (6+4)
16-core GPU
16 GB RAM | 512 GB3456
*AmorphousDiskMark3648
*AmorphousDiskMarkMac Mini
(early 2023)
Apple M2 Pro
12-core CPU (8+4)
19-core GPU
16 GB RAM | 1 TB49456215MacBook Air 15,3”
(mid 2023)
Apple M2
8-core CPU (4+4)
10-core GPU
16 GB RAM | 1 TB30152808Mac Studio
(mid 2023)
Apple M2 Max
12-core CPU (4+4)
38-core GPU
64 GB RAM | 2 TB6776
*AmorphousDiskMark7692
*AmorphousDiskMarkiMac
(late 2023)
Apple M3
8-core CPU (4+4)
10-core GPU
16 GB RAM | 512 GB29223293MacBook Pro 16,2”
(late 2023)
Apple M3 Max
16-core CPU (12+4)
40-core GPU
128 GB RAM | 8 TB56218244MacBook Air 15,3”
(early 2024)
Apple M3
8-core CPU (4+4)
10-core GPU
16 GB RAM | 512 GB29183400Mac Mini
(late 2024)
Apple M4 Pro
12-core CPU (8p+4e)
16-core GPU
24 GB RAM | 512 GB50804090MacBook Pro
(late 2024)
Apple M4 Pro
14-core CPU (10p+4e)
20-core GPU
48 GB RAM | 2 TB54196760iMac
(late 2024)
Apple M4
10-core CPU (4p+6e)
10-core GPU
32 GB RAM | 2 TB30003341MacBook Air 13″
(early 2025)
Apple M4
10-core CPU (4p+6e)
10-core GPU
32 GB RAM | 2 TB2915
(AmorphousDiskMark: 3228)3293
(AmorphousDiskMark: 3362)MacBook Air 13″
(early 2025)
Apple M4
10-core CPU (4p+6e)
8-core GPU
16 GB RAM | 256 GB2925
(AmorphousDiskMark: 2969)2045
(AmorphousDiskMark: 2076)Mac Studio
(early 2025)
Apple M4 Max
16-core CPU (12p+4e)
40-core GPU
128 GB RAM | 1 TB5052
(AmorphousDiskMark: 5799)6361
(AmorphousDiskMark: 7098)MacBook Pro 14”
(late 2025)
Apple M5
10-core CPU (4p+6e)
10-core GPU
16 GB RAM | 1 TB67386540MacBook Neo
(early 2026)
Apple A18 Pro
6-core CPU (2p+4e)
5-core GPU
8 GB RAM | 256 GB15511308MacBook Pro 16”
(early 2026)
Apple M5 Pro
18-core CPU (6s+12p)
20-core GPU
64 GB RAM | 4 TB1310212854MacBook Pro 16”
(early 2026)
Apple M5 Max
18-core CPU (6s+12p)
40-core GPU
128 GB RAM | 4 TB1315712880

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, że MacWhisper wyświetla ile zajęło mu wykonanie transkrypcji po jej zakończeniu.

Nadgryzieni 300
Large V2 (GGML)Nadgryzieni 447
Large V2 (GGML)Nadgryzieni 447
Large V3 Turbo
(WhisperKit)MacBook Pro 14,2”
(late 2021)
Apple M1 Pro
10-core CPU (8+2)
16-core GPU
32 GB RAM | 4 TB01:33
v6.8 (680)14:56
v6.8 (680)11:40 / 13:05*
v12.18.3 (1293)
*niestandardowy config MacWhisperMacBook Pro 16,2”
(late 2023)
Apple M3 Max
16-core CPU (12+4)
40-core GPU
128 GB RAM | 8 TB00:53
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 GB01:59
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 GB1:07
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 TB1:04
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 TB01:51
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 TB01:51
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 GB01:59
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 TB00:40
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 TB01:23
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 GB4:27
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 TB0:51
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 TB0:33
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, że są identyczne na v13.17. Sprawdziłem też obciążenie w tym przypadku i okazało się, że 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 nadal nie było w pełni obciążone.

Siedzę już nad tym blisko 6 godzin i na ten moment wnioskuję jedynie, że 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 ciekawe jest to, że 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, że 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

Easy
ProRes 422Easy
H.264Hardcore
ProRes 4444Hardcore H.265NLEstation 2020
Core i9-9900K 3,6 GHz (8-core, 16-thread)
AMD 5700 XT
64 GB RAM131,30 s295,25 s192,49 s—MacBook Pro 13″
(late 2016)
Core i5 2,0 GHz (2-core, 4-thread)
HD Graphics 530
16 GB | 256 GB682,99 s553,43 s1440,18 s—MacBook Air 13″
(late 2020)
Apple M1
8-core CPU (6+2)
7-core GPU
8 GB RAM | 256 GB141,61 s401,23 s287,44 s—MacBook Pro 16,2”
(late 2021)
Apple M1 Pro
10-core CPU (8+2)
16-core GPU
16 GB RAM | 512 GB50,21 s235,91 s119,40 s—MacBook Pro 14,2”
(late 2021)
Apple M1 Pro
10-core CPU (8+2)
16-core GPU
32 GB RAM | 4 TB49,03 s235,40 s119,34 s—MacBook Air 13,6”
(mid 2022)
Apple M2
8-core CPU (4+4)
8-core GPU
8 GB RAM | 256 GB192,29 s260,21 sDNF—MacBook Pro 14,2”
(early 2023)
Apple M2 Pro
10-core CPU (6+4)
16-core GPU
16 GB RAM | 512 GB56,55 s244,61 s112,40 s—Mac Mini
(early 2023)
Apple M2 Pro
12-core CPU (8+4)
19-core GPU
16 GB RAM | 1 TB47,88 s241,43 s107,51 s—MacBook Air 15,3”
(mid 2023)
Apple M2
8-core CPU (4+4)
10-core GPU
16 GB RAM | 1 TB90,77 s259,90 s133,41 s—Mac Studio
(mid 2023)
Apple M2 Max
12-core CPU (4+4)
38-core GPU
64 GB RAM | 2 TB24,30 s129,30 s48,38 s—iMac
(late 2023)
Apple M3
8-core CPU (4+4)
10-core GPU
16 GB RAM | 512 GB61,97 s250,84 s131,50 s—MacBook Pro 16,2”
(late 2023)
Apple M3 Max
16-core CPU (12+4)
40-core GPU
128 GB RAM | 8 TB27,93 s126,97 s52,42 s—MacBook Air 15,3”
(early 2024)
Apple M3
8-core CPU (4+4)
10-core GPU
16 GB RAM | 512 GB88,68 s257,68 s139,95 s—Mac Mini
(late 2024)
Apple M4 Pro
12-core CPU (8p+4e)
16-core GPU
24 GB RAM | 512 GB47,30 s188,06 s95,22 s—MacBook Pro
(late 2024)
Apple M4 Pro
14-core CPU (10p+4e)
20-core GPU
48 GB RAM | 2 TB32,30 s188,17 s53,40 s—iMac
(late 2024)
Apple M4
10-core CPU (4p+6e)
10-core GPU
32 GB RAM | 2 TB109,71 s195,28 s129,12 s—MacBook Air 13″
(early 2025)
Apple M4
10-core CPU (4p+6e)
10-core GPU
32 GB RAM | 2 TB109,72 s196,49 s129,11 s—MacBook Air 13″
(early 2025)
Apple M4
10-core GPU (4p+6e)
8-core GPU
16 GB RAM | 256 GB117,68 s195,33 s128,17 s216,85 sMac Studio
(early 2025)
Apple M4 Max
16-core CPU (12p+4e)
40-core GPU
128 GB RAM | 1 TB19,50 s111,78 s30,97 s100,94 sMacBook Pro 14,2”
(late 2025)
Apple M5
10-core CPU (4p+6e)
10-core GPU
16 GB RAM | 1 TB42,59 s169,31 s89,54 s175,54 sMacBook Neo
(early 2026)
Apple A18 Pro
6-core CPU (2p+4e)
5-core GPU
8 GB RAM | 256 GB110,58 s248,02 s210,84 s312,07 sMacBook Pro 16”
(early 2026)
Apple M5 Pro
18-core CPU (6s+12p)
20-core GPU
64 GB RAM | 4 TB26,72 s162,46 s42,77 s179,99 sMacBook Pro 16”
(early 2026)
Apple M5 Max
18-core CPU (6s+12p)
40-core GPU
128 GB RAM | 4 TB23,17 s96,98 s35,60 s92,96 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 jeśli 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

LR ImportCzasNLEstation 2014 (import na HDD)16:22NLEstation 2014 (import na SSD)14:56NLEstation 2020 (import na SSD)6:12MacBook Pro 16,2” (import na SSD)
Core i7 2,6 / 4,5 GHz
(late 2019)10:28MacBook Air (import na SSD)
Core i3 1,1 / 3,2 GHz
(early 2020)31:03MacBook Pro 14,2”
(late 2021)
Apple M1 Pro
10-core CPU (8+2)
16-core GPU
32 GB RAM | 4 TB5:06,31 (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 GB9:26MacBook Pro 14,2”
(early 2023)
Apple M2 Pro
10-core CPU (6+4)
16-core GPU
16 GB RAM | 512 GB5:01,25Mac Mini
(early 2023)
Apple M2 Pro
12-core CPU (8+4)
19-core GPU
16 GB RAM | 1 TB4:23,19MacBook Air 15,3”
(mid 2023)
Apple M2
8-core CPU (4+4)
10-core GPU
16 GB RAM | 1 TB8:02,96Mac Studio
(mid 2023)
Apple M2 Max
12-core CPU (4+4)
38-core GPU
64 GB RAM | 2 TB4:35,38Poniższej wyniki LR Import v2 ⬇️ nie porównywać z v1 powyżej!LR Import v2CzasiMac
(late 2023)
Apple M3
8-core CPU (4+4)
10-core GPU
16 GB RAM | 512 GB6:28,11MacBook Pro 16,2”
(late 2023)
Apple M3 Max
16-core CPU (12+4)
40-core GPU
128 GB RAM | 8 TB2:18,56MacBook Air 15,3”
(early 2024)
Apple M3
8-core CPU (4+4)
10-core GPU
16 GB RAM | 512 GB6:53,86Mac Mini
(late 2024)
Apple M4 Pro
12-core CPU (8p+4e)
16-core GPU
24 GB RAM | 512 GB3:28,12MacBook Pro
(late 2024)
Apple M4 Pro
14-core CPU (10p+4e)
20-core GPU
48 GB RAM | 2 TB2:13,15iMac
(late 2024)
Apple M4
10-core CPU (4p+6e)
10-core GPU
32 GB RAM | 2 TB5:43,28MacBook Air 13″
(early 2025)
Apple M4
10-core CPU (4p+6e)
10-core GPU
32 GB RAM | 2 TB6:06,40MacBook Air 13″
(early 2025)
Apple M4
10-core GPU (4p+6e)
8-core GPU
16 GB RAM | 256 GB6:13,44Mac Studio
(early 2025)
Apple M4 Max
16-core CPU (12p+4e)
40-core GPU
128 GB RAM | 1 TB2:14,48MacBook Pro 14”
(late 2025)
Apple M5
10-core CPU (4p+6e)
10-core GPU
16 GB RAM | 1 TBPomiar 1: 1:38,01
Pomiar 2: 1:20,73
Pomiar 3: 1:28,35
Pomiar 4: 1:40,55
Średnia: 1:31,91MacBook Neo
(early 2026)
Apple A18 Pro
6-core CPU (2p+4e)
5-core GPU
8 GB RAM | 256 GB12:48,71MacBook Pro 16”
(early 2026)
Apple M5 Pro
18-core CPU (6s+12p)
20-core GPU
64 GB RAM | 4 TB44,44MacBook Pro 16”
(early 2026)
Apple M5 Max
18-core CPU (6s+12p)
40-core GPU
128 GB RAM | 4 TB46,65

LR Export – Wyniki

LR ExportCzasNLEstation 2014
(import z HDD na SSD)
Core i7-4770K26:48NLEstation 2020
(import z SSD na SSD)
Core i9-9900K8:45MacBook Pro 16,2”
(late 2019)
(import z SSD na SSD)
Core i7 2,6 / 4,5 GHz21:13MacBook Air
(early 2020)
(import z karty SD na SSD)
Core i3 1,1 / 3,2 GHz28:29MacBook Pro 14,2”
(late 2021)
Apple M1 Pro
10-core CPU (8+2)
16-core GPU
32 GB RAM | 4 TB2:11,70MacBook Air 13,6”
(mid 2022)
Apple M2
8-core CPU (4+4)
8-core GPU
8 GB RAM | 256 GB12:05MacBook Pro 14,2”
(early 2023)
Apple M2 Pro
10-core CPU (6+4)
16-core GPU
16 GB RAM | 512 GB2:54,33Mac Mini
(early 2023)
Apple M2 Pro
12-core CPU (8+4)
19-core GPU
16 GB RAM | 1 TB2:57,17MacBook Air 15,3”
(mid 2023)
Apple M2
8-core CPU (4+4)
10-core GPU
16 GB RAM | 1 TB4:11,43Mac Studio
(mid 2023)
Apple M2 Max
12-core CPU (4+4)
38-core GPU
64 GB RAM | 2 TB59,67iMac
(late 2023)
Apple M3
8-core CPU (4+4)
10-core GPU
16 GB RAM | 512 GB3:45,69MacBook Pro 16,2”
(late 2023)
Apple M3 Max
16-core CPU (12+4)
40-core GPU
128 GB RAM | 8 TB2:15,74MacBook Air 15,3”
(early 2024)
Apple M3
8-core CPU (4+4)
10-core GPU
16 GB RAM | 512 GB5:19,08Mac Mini
(late 2024)
Apple M4 Pro
12-core CPU (8p+4e)
16-core GPU
24 GB RAM | 512 GB58,91MacBook Pro
(late 2024)
Apple M4 Pro
14-core CPU (10p+4e)
20-core GPU
48 GB RAM | 2 TB55,30iMac
(late 2024)
Apple M4
10-core CPU (4p+6e)
10-core GPU
32 GB RAM | 2 TB2:06,78MacBook Air 13″
(early 2025)
Apple M4
10-core CPU (4p+6e)
10-core GPU
32 GB RAM | 2 TB2:33,95MacBook Air 13″
(early 2025)
Apple M4
10-core GPU (4p+6e)
8-core GPU
16 GB RAM | 256 GB2:50,96Mac Studio
(early 2025)
Apple M4 Max
16-core CPU (12p+4e)
40-core GPU
128 GB RAM | 1 TB31,56MacBook Pro 14”
(late 2025)
Apple M5
10-core CPU (4p+6e)
10-core GPU
16 GB RAM | 1 TBPomiar 1: 1:28,75
Pomiar 2: 1:46,26
Pomiar 3: 2:06,70
Pomiar 4: 1:46,98
Średnia: 1:47,17MacBook Neo
(early 2026)
Apple A18 Pro
6-core CPU (2p+4e)
5-core GPU
8 GB RAM | 256 GB10:16,69MacBook Pro 16”
(early 2026)
Apple M5 Pro
18-core CPU (6s+12p)
20-core GPU
64 GB RAM | 4 TB1:19,78MacBook 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

LR Adaptive ColorCzasMacBook Pro 14,2”
(late 2021)
Apple M1 Pro
10-core CPU (8+2)
16-core GPU
32 GB RAM | 4 TB7:09,53MacBook Pro 16”
(early 2026)
Apple M5 Pro
18-core CPU (6s+12p)
20-core GPU
64 GB RAM | 4 TB1:07,26MacBook 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, że jestem głupim chamem, więc wymyśliłem jeszcze jeden benchmark, który korzysta z AI w LRC – funkcja Koloru adaptacyjnego / Adaptive Color. Ta funkcja przelicza całe zdjęcie za pomocą 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, że 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) za pomocą 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, że oba pliki są w tym samym folderze i wykonujemy poniższą komendę (to wykonujemy tylko jeśli 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

MacBook Pro 14,2” (late 2021) | M1 Pro | 10c CPU (8p+2e) | 16c GPU | 32 GB RAM | 4 TBTest 1 | Prefill (przetwarzanie kontekstu)modelsizeparamsbackendthreadstestt/sgemma2 27B Q4_K – Medium15.50 GiB27.23 BBLAS,MTL8pp102452.40 ± 0.36gemma2 27B Q4_K – Medium15.50 GiB27.23 BBLAS,MTL8pp409649.52 ± 1.57gemma2 27B Q4_K – Medium15.50 GiB27.23 BBLAS,MTL8pp819247.57 ± 0.08Test 2 | Decode (generowanie tekstu)modelsizeparamsbackendthreadstestt/sgemma2 27B Q4_K – Medium15.50 GiB27.23 BBLAS,MTL8pp1627.86 ± 0.02gemma2 27B Q4_K – Medium15.50 GiB27.23 BBLAS,MTL8tg5127.01 ± 0.00MacBook Neo (early 2026) | A18 Pro | 6c CPU (4p+2e) | 5c GPU | 8 GB RAM | 256 GBTest 1 | Prefill (przetwarzanie kontekstu)modelsizeparamsbackendthreadstestt/sllama 3B Q4_K – Medium1.87 GiB3.21 BBLAS,MTL2pp1024201.79 ± 8.94llama 3B Q4_K – Medium1.87 GiB3.21 BBLAS,MTL2pp4096161.59 ± 1.80llama 3B Q4_K – Medium1.87 GiB3.21 BBLAS,MTL2pp8192137.77 ± 1.14Test 2 | Decode (generowanie tekstu)modelsizeparamsbackendthreadstestt/sllama 3B Q4_K – Medium1.87 GiB3.21 BBLAS,MTL2pp1692.32 ± 3.88llama 3B Q4_K – Medium1.87 GiB3.21 BBLAS,MTL2tg51219.85 ± 0.11MacBook Pro 16” (early 2026) | M5 Pro | 18c CPU (6s+12p) | 20c GPU | 64 GB RAM | 4 TBTest 1 | Prefill (przetwarzanie kontekstu)modelsizeparamsbackendthreadstestt/sllama 70B Q4_K – Medium39.59 GiB70.55 BBLAS,MTL6pp1024107.72 ± 0.88llama 70B Q4_K – Medium39.59 GiB70.55 BBLAS,MTL6pp4096100.90 ± 0.67llama 70B Q4_K – Medium39.59 GiB70.55 BBLAS,MTL6pp819290.26 ± 1.31Test 2 | Decode (generowanie tekstu)modelsizeparamsbackendthreadstestt/sllama 70B Q4_K – Medium39.59 GiB70.55 BBLAS,MTL6pp1647.82 ± 0.04llama 70B Q4_K – Medium39.59 GiB70.55 BBLAS,MTL6tg5126.46 ± 0.01MacBook Pro 16” (early 2026) | M5 Max | 18c CPU (6s+12p) | 40c GPU | 128 GB RAM | 4 TBTest 1 | Prefill (przetwarzanie kontekstu)modelsizeparamsbackendthreadstestt/sllama 70B Q4_K – Medium39.59 GiB70.55 BBLAS,MTL6pp1024186.11 ± 6.16llama 70B Q4_K – Medium39.59 GiB70.55 BBLAS,MTL6pp4096160.52 ± 2.53llama 70B Q4_K – Medium39.59 GiB70.55 BBLAS,MTL6pp8192133.85 ± 4.05llama ?B Q4_K – Medium68.19 GiB122.61 BBLAS,MTL6pp102498.27 ± 2.55llama ?B Q4_K – Medium68.19 GiB122.61 BBLAS,MTL6pp409681.64 ± 1.00llama ?B Q4_K – Medium68.19 GiB122.61 BBLAS,MTL6pp819274.11 ± 0.25Test 2 | Decode (generowanie tekstu)modelsizeparamsbackendthreadstestt/sllama 70B Q4_K – Medium39.59 GiB70.55 BBLAS,MTL6pp1677.82 ± 2.54llama 70B Q4_K – Medium39.59 GiB70.55 BBLAS,MTL6tg5129.97 ± 0.40llama ?B Q4_K – Medium68.19 GiB122.61 BBLAS,MTL6pp1646.13 ± 0.48llama ?B Q4_K – Medium68.19 GiB122.61 BBLAS,MTL6tg5126.02 ± 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 wydajnościPrefill (1024 tokenów)107.72 t/s186.11 t/s+72%Prefill (8192 tokenów)90.26 t/s133.85 t/s+48%Decode (Generowanie)6.46 t/s9.97 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, że M5 Max dysponuje drastycznie szerszą szyną pamięci (prawdopodobnie podwojoną względem wariantu Pro) oraz znacznie większą liczbą rdzeni GPU.

Warto jednak zauważyć, że 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, że przy tak ekstremalnych prędkościach, to nie przepustowość pamięci zaczyna być wąskim gardłem, lecz 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, że 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

#hardware #iMagMark #M5Max #Mac #MacBookPro #pierwszeWrażenia #recenzja #Sprzęt #Testy

Pasja silniejsza niż ograniczenia producenta. Tak powstał jedyny taki MacBook Neo na świecie

Apple słynie z zamykania swoich urządzeń, a nowy MacBook Neo nie jest tu wyjątkiem.

Fabryczna pojemność kończy się na 512 GB, bez najmniejszych szans na oficjalną rozbudowę. Dla prawdziwego inżyniera-pasjonata takie bariery to jednak tylko zaproszenie do zabawy. Znany w środowisku modder udowodnił, że wystarczy lutownica, odrobina odwagi i… podzespoły z najnowszego iPhone’a, by stworzyć sprzęt, jakiego oficjalnie nie ma w ofercie.

MacBook Neo to z założenia sprzęt budżetowy. Cennik jest sztywny, opcje są zaledwie dwie (256 GB lub 512 GB z Touch ID), a pamięć RAM (8 GB) zintegrowano bezpośrednio z układem scalonym A18 Pro. Dla większości użytkowników to ściana nie do przebicia. Ale tam, gdzie przeciętny nabywca widzi ograniczenia, znany w sieci entuzjasta sprzętu z logo nadgryzionego jabłka, występujący pod pseudonimem Dosdude1, dostrzegł genialne w swojej „prostocie” rozwiązanie.

Pokrewieństwo, które zmienia wszystko

Sekret tego niezwykłego przedsięwzięcia tkwi w unifikacji architektury Apple. Skoro budżetowy laptop oraz flagowy smartfon (iPhone 16 Pro) pracują na dokładnie tym samym procesorze (A18 Pro), to czy nie dałoby się podmienić modułów pamięci?

Dosdude1 postanowił to sprawdzić na żywym organizmie. Zaopatrzył się w chip pamięci NAND o pojemności 1 TB (dokładnie ten sam model K8A5, który trafia do najdroższych wariantów iPhone’a 16 Pro) i przystąpił do dość ryzykownej operacji.

Lutownica i inżynierska odwaga

Należy jasno zaznaczyć: to nie jest zabieg, który można polecić amatorom. Operacja wymagała całkowitego rozebrania zupełnie nowego komputera, precyzyjnego wylutowania fabrycznego układu i przygotowania mikroskopijnych ścieżek na płycie głównej na przyjęcie nowego, potężniejszego komponentu. Zabawa w lutowanie BGA na tak zintegrowanym i drogim sprzęcie to ryzyko nieodwracalnego uszkodzenia układu.

W tym przypadku ogromne doświadczenie w modyfikowaniu sprzętu wzięło jednak górę. Po złożeniu wszystkiego w całość i zainstalowaniu oprogramowania, system bez zająknięcia rozpoznał dysk. Zamiast ograniczeń narzuconych przez tabele sprzedażowe z Cupertino, komputer zaoferował pełny, szybki terabajt przestrzeni na dane.

Zwycięstwo nad systemem

Koszt samej kości pamięci to nieco ponad 200 dolarów. Biorąc pod uwagę cenę wyjściową najtańszego MacBooka Neo, Dosdude1 stworzył w pełni funkcjonalnego, terabajtowego laptopa za około 800 dolarów. Oczywiście pozostaje tu wciąż wąskie gardło w postaci zintegrowanych 8 GB pamięci RAM, których nie da się w żaden sposób obejść (RAM jest zintegrowany z chipem A18 Pro, jeżeli nie masz na własność fabryki TSMC, marne szanse na modding), ale wyczyn moddera to coś więcej niż tylko techniczny upgrade.

To piękna, krzepiąca historia o tym, że nawet w epoce hermetycznie zamkniętych urządzeń i polityki jednorazowości, wciąż jest miejsce dla pasjonatów. Ludzi, którzy z narzędziami w ręku udowadniają, że to oni – a nie odgórne plany korporacji – mają ostatnie słowo w kwestii tego, do czego zdolny jest ich sprzęt. Poniżej wideo z kanału Dosdude1:

MacBook Neo A18 Pro 6/5-core z 8 GB RAM i 256 GB (early 2026) – unboxing, recenzja, benchmarki w Final Cut Pro, Lightroom, MacWhisper, LLM i innych

#A18Pro #Apple #Dosdude1 #iPhone16Pro #MacbookNeo #majsterkowanie #modyfikacje #Pasja #Sprzęt #SSD #technologia

MacBook Pro M5 Pro 18/20-core z 64 GB RAM i 4 TB (early 2026) – unboxing, recenzja, benchmarki w Final Cut Pro, Lightroom, MacWhisper, LLM i innych

Architektura M5 wniosła nowy design, gdzie rdzenie CPU są oddzielone na etapie produkcji od rdzeni GPU, dzięki czemu Apple może swobodniej łączyć je w konfiguracje, które uzna za odpowiednie. Dodatkowo, pojawiły się nowe rodzaje rdzeni CPU – typu Super, które teraz występują obok Performance i Effiency. W szranki i konkury dzisiaj staje M5 Pro, wyposażony już tylko i wyłącznie w te pierwsze i drugie – zobaczmy co się zmieniło względem poprzedników.

Specyfikacja i cena

Testowany egzemplarz to 16-calowy wariant MacBooka Pro, którego wyposażono w Apple M5 Pro w konfiguracji 18-rdzeniowej (6s+12p) dla CPU, 20-rdzeniowym GPU (z wbudowanymi akceleratorami neuronowymi w każdym rdzeniu). Ekran jest typu nanostrukturalnego (matowego), ma 64 GB RAM oraz 4 TB SSD. Taka konfiguracja jest oficjalnie wyceniona na 22 249 PLN.

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, że 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 nawet nie zauważyłem, że jej obiektyw jest glossy, ale nie jest to prawie w ogóle zauważalne i szybko 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. No w końcu!

Blackmagic Disk Speed TestOdczyt w MB/sZapis w MB/sMacBook Air 13,3”
(late 2020)
Apple M1
8-core CPU (4+4)
8-core GPU
8 GB RAM | 256 GB21652716MacBook Pro 14,2”
(late 2021)
Apple M1 Pro
10-core CPU (8+2)
16-core GPU
32 GB RAM | 4 TB55917409MacBook Air 13,6”
(mid 2022)
Apple M2
8-core CPU (4+4)
8-core GPU
8 GB RAM | 256 GB14731714MacBook Pro 14,2”
(early 2023)
Apple M2 Pro
10-core CPU (6+4)
16-core GPU
16 GB RAM | 512 GB3456
*AmorphousDiskMark3648
*AmorphousDiskMarkMac Mini
(early 2023)
Apple M2 Pro
12-core CPU (8+4)
19-core GPU
16 GB RAM | 1 TB49456215MacBook Air 15,3”
(mid 2023)
Apple M2
8-core CPU (4+4)
10-core GPU
16 GB RAM | 1 TB30152808Mac Studio
(mid 2023)
Apple M2 Max
12-core CPU (4+4)
38-core GPU
64 GB RAM | 2 TB6776
*AmorphousDiskMark7692
*AmorphousDiskMarkiMac
(late 2023)
Apple M3
8-core CPU (4+4)
10-core GPU
16 GB RAM | 512 GB29223293MacBook Pro 16,2”
(late 2023)
Apple M3 Max
16-core CPU (12+4)
40-core GPU
128 GB RAM | 8 TB56218244MacBook Air 15,3”
(early 2024)
Apple M3
8-core CPU (4+4)
10-core GPU
16 GB RAM | 512 GB29183400Mac Mini
(late 2024)
Apple M4 Pro
12-core CPU (8p+4e)
16-core GPU
24 GB RAM | 512 GB50804090MacBook Pro
(late 2024)
Apple M4 Pro
14-core CPU (10p+4e)
20-core GPU
48 GB RAM | 2 TB54196760iMac
(late 2024)
Apple M4
10-core CPU (4p+6e)
10-core GPU
32 GB RAM | 2 TB30003341MacBook Air 13″
(early 2025)
Apple M4
10-core CPU (4p+6e)
10-core GPU
32 GB RAM | 2 TB2915
(AmorphousDiskMark: 3228)3293
(AmorphousDiskMark: 3362)MacBook Air 13″
(early 2025)
Apple M4
10-core CPU (4p+6e)
8-core GPU
16 GB RAM | 256 GB2925
(AmorphousDiskMark: 2969)2045
(AmorphousDiskMark: 2076)Mac Studio
(early 2025)
Apple M4 Max
16-core CPU (12p+4e)
40-core GPU
128 GB RAM | 1 TB5052
(AmorphousDiskMark: 5799)6361
(AmorphousDiskMark: 7098)MacBook Pro 14”
(late 2025)
Apple M5
10-core CPU (4p+6e)
10-core GPU
16 GB RAM | 1 TB67386540MacBook Neo
(early 2026)
Apple A18 Pro
6-core CPU (2p+4e)
5-core GPU
8 GB RAM | 256 GB15511308MacBook Pro 16”
(early 2026)
Apple M5 Pro
18-core CPU (6s+12p)
20-core GPU
64 GB RAM | 4 TB1310212854

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 Whisper Large multilingual) i osobno Large V3 Turbo (WhisperKit), a potem podeślijcie mi takie informacje, jakie znajdziecie w tabelce, w tym pełna specyfikacja komputera. Niepełne zgłoszenia będą odrzucane. Podpowiem jeszcze, że MacWhisper wyświetla ile zajęło mu wykonanie transkrypcji po jej zakończeniu.

Nadgryzieni 300
Large V2 (GGML)Nadgryzieni 447
Large V2 (GGML)Nadgryzieni 447
Large V3 Turbo
(WhisperKit)MacBook Pro 14,2”
(late 2021)
Apple M1 Pro
10-core CPU (8+2)
16-core GPU
32 GB RAM | 4 TB01:33
v6.8 (680)14:56
v6.8 (680)11:40
v12.18.3 (1293)MacBook Pro 16,2”
(late 2023)
Apple M3 Max
16-core CPU (12+4)
40-core GPU
128 GB RAM | 8 TB00:53
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 GB01:59
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 GB1:07
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 TB1:04
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 TB01:51
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 TB01:51
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 GB01:59
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 TB00:40
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 TB01:23
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 GB4:27
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 TB0:51
v13.17 (1402)8:08
v13.17 (1402)7:18
v13.17 (1402)

Analiza

Mamy pewne różnice, względem starszych sprzętów. M4 Max nadal króluje, ale zaskoczyło mnie to, że bazowe M5 było szybsze w teście Large V3 Turbo niż M5 Pro. Mamy jednak różnicę w kwestii wersji oprogramowania, więc może to być kwestia tylko i wyłącznie optymalizacji software’u, bo M5 ma dokładnie dwukrotnie mniej rdzeni GPU, które są najważniejsze w tym teście. Tak czy siak, zbliżamy się już do momentu, w którym M5 Pro jest dwukrotnie szybszy od M1 Pro w tych zadaniach.

iMag Final Cut Pro Benchmark

Specyfikacja

Final Cut Pro jest oczywiście zoptymalizowany pod macOS-a i Maki oraz nie wątpię, że 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

Easy
ProRes 422Easy
H.264Hardcore
ProRes 4444Hardcore H.265NLEstation 2020
Core i9-9900K 3,6 GHz (8-core, 16-thread)
AMD 5700 XT
64 GB RAM131,30 s295,25 s192,49 s—MacBook Pro 13″
(late 2016)
Core i5 2,0 GHz (2-core, 4-thread)
HD Graphics 530
16 GB | 256 GB682,99 s553,43 s1440,18 s—MacBook Air 13″
(late 2020)
Apple M1
8-core CPU (6+2)
7-core GPU
8 GB RAM | 256 GB141,61 s401,23 s287,44 s—MacBook Pro 16,2”
(late 2021)
Apple M1 Pro
10-core CPU (8+2)
16-core GPU
16 GB RAM | 512 GB50,21 s235,91 s119,40 s—MacBook Pro 14,2”
(late 2021)
Apple M1 Pro
10-core CPU (8+2)
16-core GPU
32 GB RAM | 4 TB49,03 s235,40 s119,34 s—MacBook Air 13,6”
(mid 2022)
Apple M2
8-core CPU (4+4)
8-core GPU
8 GB RAM | 256 GB192,29 s260,21 sDNF—MacBook Pro 14,2”
(early 2023)
Apple M2 Pro
10-core CPU (6+4)
16-core GPU
16 GB RAM | 512 GB56,55 s244,61 s112,40 s—Mac Mini
(early 2023)
Apple M2 Pro
12-core CPU (8+4)
19-core GPU
16 GB RAM | 1 TB47,88 s241,43 s107,51 s—MacBook Air 15,3”
(mid 2023)
Apple M2
8-core CPU (4+4)
10-core GPU
16 GB RAM | 1 TB90,77 s259,90 s133,41 s—Mac Studio
(mid 2023)
Apple M2 Max
12-core CPU (4+4)
38-core GPU
64 GB RAM | 2 TB24,30 s129,30 s48,38 s—iMac
(late 2023)
Apple M3
8-core CPU (4+4)
10-core GPU
16 GB RAM | 512 GB61,97 s250,84 s131,50 s—MacBook Pro 16,2”
(late 2023)
Apple M3 Max
16-core CPU (12+4)
40-core GPU
128 GB RAM | 8 TB27,93 s126,97 s52,42 s—MacBook Air 15,3”
(early 2024)
Apple M3
8-core CPU (4+4)
10-core GPU
16 GB RAM | 512 GB88,68 s257,68 s139,95 s—Mac Mini
(late 2024)
Apple M4 Pro
12-core CPU (8p+4e)
16-core GPU
24 GB RAM | 512 GB47,30 s188,06 s95,22 s—MacBook Pro
(late 2024)
Apple M4 Pro
14-core CPU (10p+4e)
20-core GPU
48 GB RAM | 2 TB32,30 s188,17 s53,40 s—iMac
(late 2024)
Apple M4
10-core CPU (4p+6e)
10-core GPU
32 GB RAM | 2 TB109,71 s195,28 s129,12 s—MacBook Air 13″
(early 2025)
Apple M4
10-core CPU (4p+6e)
10-core GPU
32 GB RAM | 2 TB109,72 s196,49 s129,11 s—MacBook Air 13″
(early 2025)
Apple M4
10-core GPU (4p+6e)
8-core GPU
16 GB RAM | 256 GB117,68 s195,33 s128,17 s216,85 sMac Studio
(early 2025)
Apple M4 Max
16-core CPU (12p+4e)
40-core GPU
128 GB RAM | 1 TB19,50 s111,78 s30,97 s100,94 sMacBook Pro 14”
(late 2025)
Apple M5
10-core CPU (4p+6e)
10-core GPU
16 GB RAM | 1 TB42,59 s169,31 s89,54 s175,54 sMacBook Neo
(early 2026)
Apple A18 Pro
6-core CPU (2p+4e)
5-core GPU
8 GB RAM | 256 GB110,58 s248,02 s210,84 s312,07 sMacBook Pro 16”
(early 2026)
Apple M5 Pro
18-core CPU (6s+12p)
20-core GPU
64 GB RAM | 4 TB26,72 s162,46 s42,77 s179,99 s

Uwaga! Wszystkie benchmarki MacBooków z Apple Silicon robione były na baterii, z odłączonym zasilaniem!

Analiza

Różnica względem M5 tutaj nie jest duża, w kwestii porównania testu w H.264, który jest najczęstszym eksportem. Zaskoczyło mnie jednak to, że przy H.265 M5 Pro nieznacznie przegrał z M5. Nie mam dla tego wyjaśnienia. Software? Nowe typy rdzeni? Hardware? Jeśli głównie zajmujecie się wideo w 4K, to może właśnie M5 Wam wystarczy?

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

LR ImportCzasNLEstation 2014 (import na HDD)16:22NLEstation 2014 (import na SSD)14:56NLEstation 2020 (import na SSD)6:12MacBook Pro 16,2” (import na SSD)
Core i7 2,6 / 4,5 GHz
(late 2019)10:28MacBook Air (import na SSD)
Core i3 1,1 / 3,2 GHz
(early 2020)31:03MacBook Pro 14,2”
(late 2021)
Apple M1 Pro
10-core CPU (8+2)
16-core GPU
32 GB RAM | 4 TB5:06,31 (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 GB9:26MacBook Pro 14,2”
(early 2023)
Apple M2 Pro
10-core CPU (6+4)
16-core GPU
16 GB RAM | 512 GB5:01,25Mac Mini
(early 2023)
Apple M2 Pro
12-core CPU (8+4)
19-core GPU
16 GB RAM | 1 TB4:23,19MacBook Air 15,3”
(mid 2023)
Apple M2
8-core CPU (4+4)
10-core GPU
16 GB RAM | 1 TB8:02,96Mac Studio
(mid 2023)
Apple M2 Max
12-core CPU (4+4)
38-core GPU
64 GB RAM | 2 TB4:35,38Poniższej wyniki LR Import v2 ⬇️ nie porównywać z v1 powyżej!LR Import v2CzasiMac
(late 2023)
Apple M3
8-core CPU (4+4)
10-core GPU
16 GB RAM | 512 GB6:28,11MacBook Pro 16,2”
(late 2023)
Apple M3 Max
16-core CPU (12+4)
40-core GPU
128 GB RAM | 8 TB2:18,56MacBook Air 15,3”
(early 2024)
Apple M3
8-core CPU (4+4)
10-core GPU
16 GB RAM | 512 GB6:53,86Mac Mini
(late 2024)
Apple M4 Pro
12-core CPU (8p+4e)
16-core GPU
24 GB RAM | 512 GB3:28,12MacBook Pro
(late 2024)
Apple M4 Pro
14-core CPU (10p+4e)
20-core GPU
48 GB RAM | 2 TB2:13,15iMac
(late 2024)
Apple M4
10-core CPU (4p+6e)
10-core GPU
32 GB RAM | 2 TB5:43,28MacBook Air 13″
(early 2025)
Apple M4
10-core CPU (4p+6e)
10-core GPU
32 GB RAM | 2 TB6:06,40MacBook Air 13″
(early 2025)
Apple M4
10-core GPU (4p+6e)
8-core GPU
16 GB RAM | 256 GB6:13,44Mac Studio
(early 2025)
Apple M4 Max
16-core CPU (12p+4e)
40-core GPU
128 GB RAM | 1 TB2:14,48MacBook Pro 14”
(late 2025)
Apple M5
10-core CPU (4p+6e)
10-core GPU
16 GB RAM | 1 TBPomiar 1: 1:38,01
Pomiar 2: 1:20,73
Pomiar 3: 1:28,35
Pomiar 4: 1:40,55
Średnia: 1:31,91MacBook Neo
(early 2026)
Apple A18 Pro
6-core CPU (2p+4e)
5-core GPU
8 GB RAM | 256 GB12:48,71MacBook Pro 16”
(early 2026)
Apple M5 Pro
18-core CPU (6s+12p)
20-core GPU
64 GB RAM | 4 TB44,44

LR Export – Wyniki

LR ExportCzasNLEstation 2014
(import z HDD na SSD)
Core i7-4770K26:48NLEstation 2020
(import z SSD na SSD)
Core i9-9900K8:45MacBook Pro 16,2”
(late 2019)
(import z SSD na SSD)
Core i7 2,6 / 4,5 GHz21:13MacBook Air
(early 2020)
(import z karty SD na SSD)
Core i3 1,1 / 3,2 GHz28:29MacBook Pro 14,2”
(late 2021)
Apple M1 Pro
10-core CPU (8+2)
16-core GPU
32 GB RAM | 4 TB2:11,70MacBook Air 13,6”
(mid 2022)
Apple M2
8-core CPU (4+4)
8-core GPU
8 GB RAM | 256 GB12:05MacBook Pro 14,2”
(early 2023)
Apple M2 Pro
10-core CPU (6+4)
16-core GPU
16 GB RAM | 512 GB2:54,33Mac Mini
(early 2023)
Apple M2 Pro
12-core CPU (8+4)
19-core GPU
16 GB RAM | 1 TB2:57,17MacBook Air 15,3”
(mid 2023)
Apple M2
8-core CPU (4+4)
10-core GPU
16 GB RAM | 1 TB4:11,43Mac Studio
(mid 2023)
Apple M2 Max
12-core CPU (4+4)
38-core GPU
64 GB RAM | 2 TB59,67iMac
(late 2023)
Apple M3
8-core CPU (4+4)
10-core GPU
16 GB RAM | 512 GB3:45,69MacBook Pro 16,2”
(late 2023)
Apple M3 Max
16-core CPU (12+4)
40-core GPU
128 GB RAM | 8 TB2:15,74MacBook Air 15,3”
(early 2024)
Apple M3
8-core CPU (4+4)
10-core GPU
16 GB RAM | 512 GB5:19,08Mac Mini
(late 2024)
Apple M4 Pro
12-core CPU (8p+4e)
16-core GPU
24 GB RAM | 512 GB58,91MacBook Pro
(late 2024)
Apple M4 Pro
14-core CPU (10p+4e)
20-core GPU
48 GB RAM | 2 TB55,30iMac
(late 2024)
Apple M4
10-core CPU (4p+6e)
10-core GPU
32 GB RAM | 2 TB2:06,78MacBook Air 13″
(early 2025)
Apple M4
10-core CPU (4p+6e)
10-core GPU
32 GB RAM | 2 TB2:33,95MacBook Air 13″
(early 2025)
Apple M4
10-core GPU (4p+6e)
8-core GPU
16 GB RAM | 256 GB2:50,96Mac Studio
(early 2025)
Apple M4 Max
16-core CPU (12p+4e)
40-core GPU
128 GB RAM | 1 TB31,56MacBook Pro 14”
(late 2025)
Apple M5
10-core CPU (4p+6e)
10-core GPU
16 GB RAM | 1 TBPomiar 1: 1:28,75
Pomiar 2: 1:46,26
Pomiar 3: 2:06,70
Pomiar 4: 1:46,98
Średnia: 1:47,17MacBook Neo
(early 2026)
Apple A18 Pro
6-core CPU (2p+4e)
5-core GPU
8 GB RAM | 256 GB10:16,69MacBook Pro 16”
(early 2026)
Apple M5 Pro
18-core CPU (6s+12p)
20-core GPU
64 GB RAM | 4 TB1:19,78

Analiza

Tutaj ponownie zaskoczenie – mamy druzgocącą wygraną w przypadku importu. Nowe SSD tutaj robi robotę. W przypadku eksportu jest jednak zdecydowanie gorzej niż nawet 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).

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) za pomocą 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, że oba pliki są w tym samym folderze i wykonujemy poniższą komendę (to wykonujemy tylko jeśli 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

MacBook Pro 14,2” (late 2021) | M1 Pro | 10c CPU (8p+2e) | 16c GPU | 32 GB RAM | 4 TBTest 1 | Prefill (przetwarzanie kontekstu)modelsizeparamsbackendthreadstestt/sgemma2 27B Q4_K – Medium15.50 GiB27.23 BBLAS,MTL8pp102452.40 ± 0.36gemma2 27B Q4_K – Medium15.50 GiB27.23 BBLAS,MTL8pp409649.52 ± 1.57gemma2 27B Q4_K – Medium15.50 GiB27.23 BBLAS,MTL8pp819247.57 ± 0.08Test 2 | Decode (generowanie tekstu)modelsizeparamsbackendthreadstestt/sgemma2 27B Q4_K – Medium15.50 GiB27.23 BBLAS,MTL8pp1627.86 ± 0.02gemma2 27B Q4_K – Medium15.50 GiB27.23 BBLAS,MTL8tg5127.01 ± 0.00MacBook Neo (early 2026) | A18 Pro | 6c CPU (4p+2e) | 5c GPU | 8 GB RAM | 256 GBTest 1 | Prefill (przetwarzanie kontekstu)modelsizeparamsbackendthreadstestt/sllama 3B Q4_K – Medium1.87 GiB3.21 BBLAS,MTL2pp1024201.79 ± 8.94llama 3B Q4_K – Medium1.87 GiB3.21 BBLAS,MTL2pp4096161.59 ± 1.80llama 3B Q4_K – Medium1.87 GiB3.21 BBLAS,MTL2pp8192137.77 ± 1.14Test 2 | Decode (generowanie tekstu)modelsizeparamsbackendthreadstestt/sllama 3B Q4_K – Medium1.87 GiB3.21 BBLAS,MTL2pp1692.32 ± 3.88llama 3B Q4_K – Medium1.87 GiB3.21 BBLAS,MTL2tg51219.85 ± 0.11MacBook Pro 16” (early 2026) | M5 Pro | 18c CPU (6s+12p) | 20c GPU | 64 GB RAM | 4 TBTest 1 | Prefill (przetwarzanie kontekstu)modelsizeparamsbackendthreadstestt/sllama 70B Q4_K – Medium39.59 GiB70.55 BBLAS,MTL6pp1024107.72 ± 0.88llama 70B Q4_K – Medium39.59 GiB70.55 BBLAS,MTL6pp4096100.90 ± 0.67llama 70B Q4_K – Medium39.59 GiB70.55 BBLAS,MTL6pp819290.26 ± 1.31Test 2 | Decode (generowanie tekstu)modelsizeparamsbackendthreadstestt/sllama 70B Q4_K – Medium39.59 GiB70.55 BBLAS,MTL6pp1647.82 ± 0.04llama 70B Q4_K – Medium39.59 GiB70.55 BBLAS,MTL6tg5126.46 ± 0.01

Analiza

Ponieważ zupełnie nie mam pojęcia, jak zinterpretować te wyniki, to oddaję głos Gemini (Pro):

Mamy tu do czynienia z potężnym skokiem pokoleniowym. Zmiana z M1 Pro (32 GB) na M5 Pro (64 GB) to nie jest tylko prosta ewolucja – te wyniki pokazują, że nowa architektura przenosi laptopa z kategorii „bardzo dobrego asystenta” do ligi „przenośnego centrum danych”.

Oto szczegółowa analiza wyników M5 Pro i bezpośrednie zestawienie z M1 Pro.

Zrozumienie skali: Walka w innej wadze

Zanim spojrzymy na liczby, musimy ustalić odpowiedni kontekst.

• Na M1 Pro testowaliśmy model Gemma 2 (27B), który ważył około 15.5 GB.
• Na M5 Pro uruchomiłeś kolosa – Llama 3.1 (70B). Ten model waży niemal 40 GB i ma 2.5 razy więcej parametrów do przeliczenia przy każdym wygenerowanym słowie. To model klasy korporacyjnej, który jeszcze niedawno wymagał potężnej szafy serwerowej z układami Nvidii.

Przetwarzanie kontekstu (Prefill): Brutalna przepustowość

W tym teście widzimy, jak przepustowość pamięci w chipach M5 deklasuje starszą generację.

• M5 Pro (70B): Zaczyna od 107.72 t/s dla 1024 tokenów i spada do 90.26 t/s przy paczce 8192 tokenów.
• M1 Pro (27B): Zaczynał od 52.40 t/s i spadał do 47.57 t/s.

 

Wniosek: Mimo że M5 Pro ładuje do pamięci podręcznej model 2.5 razy większy i dużo bardziej skomplikowany logicznie, przetwarza ogromne pakiety tekstu ponad dwukrotnie szybciej niż M1 Pro. Spadek wydajności przy gigantycznym oknie 8K tokenów to wciąż tylko kilkanaście procent. Architektura M5 po prostu pożera dane, udowadniając potężny skok w transferze między RAM-em a silnikiem neuronowym / GPU.

Generowanie tekstu (Decode): Złudzenie remisu

Na pierwszy rzut oka wyniki generowania (pisania tekstu) mogą wydawać się podobne:

• M5 Pro: 6.46 tokenów na sekundę
• M1 Pro: 7.01 tokenów na sekundę

 

Mogłoby się wydawać, że M5 Pro nie jest szybszy. Jednak w świecie LLM to gigantyczne osiągnięcie.

Utrzymanie prędkości ~6.5 t/s (co odpowiada szybkiemu tempu czytania człowieka) na modelu 70-miliardowym oznacza, że surowa moc obliczeniowa GPU w M5 Pro jest wielokrotnie większa. Karta graficzna musi tu przetworzyć dodatkowe 43 miliardy parametrów w ułamku sekundy, aby wygenerować pojedynczy token, a mimo to utrzymuje płynność konwersacji na poziomie lżejszego o 60% modelu z M1 Pro.

Podsumowanie

Twój M1 Pro wciąż świetnie się broni jako maszyna do modeli średniego szczebla (klasy 30B).

Jednak M5 Pro 64 GB udowadnia, że jest pełnoprawną stacją roboczą AI. Pozwala na uruchomienie modelu Llama 3.1 70B – powszechnie uznawanego za próg, od którego modele Open Source zrównują się logiką z GPT-4 – całkowicie lokalnie, prywatnie, w samolocie lub pociągu, oferując płynną konwersację na poziomie 6.5 słowa na sekundę. Pięć lat temu takie wyniki na laptopie zasilanym z baterii były absolutną abstrakcją naukową.

Podsumowanie

Apple wprowadziło sporo zmian w architekturze układów M5 Pro i M5 Max. Spodziewam się, że to właśnie tego widzimy efekty w wynikach. Niektóre są niesamowite, a inne… meh. Pozostaje zatem poczekać i zobaczyć co będzie po pojawieniu się przekompilowanych i być może zoptymalizowanych wersji, ale na to (zakładam) przyjdzie nam chwilę poczekać. Tymczasem SSD jest piorunująco szybkie i widać to w Lightroomie.

Teraz już jestem ciekawy jak M5 Max się spisze w powyższym.

Wideo

#hardware #iMagMark #M5Pro #Mac #MacBookPro #pierwszeWrażenia #recenzja #Sprzęt #Testy

MacBook Neo A18 Pro 6/5-core z 8 GB RAM i 256 GB (early 2026) – unboxing, recenzja, benchmarki w Final Cut Pro, Lightroom, MacWhisper, LLM i innych

W 2008 roku Steve Jobs powiedział – Nie wiemy, jak zrobić komputer za 500 dolarów, który nie byłby kupą złomu, a nasze DNA nie pozwala nam wypuścić czegoś takiego na rynek. Tymczasem Apple właśnie wypuściło Neo – nowego członka rodziny MacBooków, kosztujący 600 USD. Te wspomniane 500 dolarów z 2008 r., gdybyśmy uwzględnili inflację z ostatnich 18 lat, to dzisiaj aż 760 USD. Pozostaje zatem pytanie, czy jest to kupa złomu, czy może coś w DNA Apple się zmieniło, które pozwoliło im coś takiego wypuścić na rynek?

Specyfikacja i cena

Testowany egzemplarz jest w konfiguracji bazowej, w cenie 2 999 PLN, jednej z dwóch dostępnych. Ma A18 Pro, nierozszerzalne 8 GB RAM (na pokładzie SoC) i 256 GB pamięci flash. Za dopłatą 500 PLN dostajemy 512 GB pamięci flash oraz wbudowany w klawiaturę Touch ID. Moim zdaniem warto dopłacić.

MacBook Neo nie ma podświetlanej klawiatury, Trackpada z haptyką, nie ma True Tone, nie wspiera Display P3. Apple wycięło z niego wszystkie wodotryski droższych Maców, aby zmieścić się w cenie 2999 PLN (lub 3 499 PLN), ale ma ekran typu Liquid Retina (IPS z zaokrąglonymi rogami) o przekątnej 13”, rozdzielczości 2408 x 1506 px i gęstości upakowania pikseli na poziomie 219 PPI. Nie ma też HDR, ale tego nie ma nawet Air, a biorąc pod uwagę cenę, to jest to genialny ekran.

Przypominam, że A18 Pro wyposażony jest w 6-rdzeniowe CPU (2p+4e), 5-rdzeniowe GPU, ma sprzętową akcelerację ray tracingu i 16‑rdzeniowy Neural Engine. Dodatkowo na pokładzie znajdziemy sprzętową akcelerację obsługi H.264, HEVC, ProRes i ProRes RAW, silniki kodowania i dekodowania wideo, silnik kodujący i dekodujący format ProRes oraz dekoder AV1 (dla większości z nas oznacza to oglądanie YouTube’a bez konieczności obciążania komputera).

A18 Pro, niezaprojektowany dla komputerów, wprowadza jednak kompromisy – ma tylko jeden port typu USB-C 3. Drugi USB-C jest typu „2”, czyli zdecydowanie wolniejszy, nienadający się do transferowania danych na zew. nośniki czy do podłączania monitora (maksymalnie 4K 60 Hz). Idealnie natomiast nadaje się do ładowania komputera, podczas gdy użytkownik dostaje do dyspozycji jeszcze jeden port, czego swojego czasu zabrakło w MacBook 12”. Jest też gniazdo 3,5 mm.

W kwestii standardów bezprzewodowych, otrzymujemy Wi-Fi 6E oraz Bluetooth 6.

Neo waży 1,23 kg, czyli niemal dokładnie tyle co MacBook Air, pomimo mniejszych wymiarów i baterii. Winowajcą będzie tutaj technologia produkcji obudowy i to po raz pierwszy w historii Apple obrazuje nam, jak i ile niektóre rzeczy, na które aż tak nie zwracamy uwagi, kosztują.

Pierwsze wrażenia

Bardzo cieszy mnie, że Apple zdecydowało się na bardzo zwariowane (jak na nich!) kolory zewnętrzne, zabarwienie klawiszy klawiatury oraz gumowych podkładek pod wybrany kolor oraz na domyślne ustawienie podkreśleń w macOS na kolor obudowy, wraz z dedykowaną tapetą. To detale, na które mała która firma zwraca uwagę, a firma się postarała o to, pomimo niskiej ceny.

Miło!

Całość sprawa bardzo solidne wrażenie. Nie czuję, żeby to był komputer za 2 999 PLN.

SSD

Prędkość SSD nie dorównuje droższym braciom, ale też nie musi. Wątpię, aby ktokolwiek cierpiał z powodu prędkości pamięci flash, która tutaj w wersji 256 GB oscyluje w rejonie 1550 MB/s (zapis) i 1300 MB/s (odczyt). Są to wyniki, które są porównywalne z czasów M2 z SSD o tej samej pojemności.

Blackmagic Disk Speed TestOdczyt w MB/sZapis w MB/sMacBook Air 13,3”
(late 2020)
Apple M1
8-core CPU (4+4)
8-core GPU
8 GB RAM | 256 GB21652716MacBook Pro 14,2”
(late 2021)
Apple M1 Pro
10-core CPU (8+2)
16-core GPU
32 GB RAM | 4 TB55917409MacBook Air 13,6”
(mid 2022)
Apple M2
8-core CPU (4+4)
8-core GPU
8 GB RAM | 256 GB14731714MacBook Pro 14,2”
(early 2023)
Apple M2 Pro
10-core CPU (6+4)
16-core GPU
16 GB RAM | 512 GB3456
*AmorphousDiskMark3648
*AmorphousDiskMarkMac Mini
(early 2023)
Apple M2 Pro
12-core CPU (8+4)
19-core GPU
16 GB RAM | 1 TB49456215MacBook Air 15,3”
(mid 2023)
Apple M2
8-core CPU (4+4)
10-core GPU
16 GB RAM | 1 TB30152808Mac Studio
(mid 2023)
Apple M2 Max
12-core CPU (4+4)
38-core GPU
64 GB RAM | 2 TB6776
*AmorphousDiskMark7692
*AmorphousDiskMarkiMac
(late 2023)
Apple M3
8-core CPU (4+4)
10-core GPU
16 GB RAM | 512 GB29223293MacBook Pro 16,2”
(late 2023)
Apple M3 Max
16-core CPU (12+4)
40-core GPU
128 GB RAM | 8 TB56218244MacBook Air 15,3”
(early 2024)
Apple M3
8-core CPU (4+4)
10-core GPU
16 GB RAM | 512 GB29183400Mac Mini
(late 2024)
Apple M4 Pro
12-core CPU (8p+4e)
16-core GPU
24 GB RAM | 512 GB50804090MacBook Pro
(late 2024)
Apple M4 Pro
14-core CPU (10p+4e)
20-core GPU
48 GB RAM | 2 TB54196760iMac
(late 2024)
Apple M4
10-core CPU (4p+6e)
10-core GPU
32 GB RAM | 2 TB30003341MacBook Air 13″
(early 2025)
Apple M4
10-core CPU (4p+6e)
10-core GPU
32 GB RAM | 2 TB2915
(AmorphousDiskMark: 3228)3293
(AmorphousDiskMark: 3362)MacBook Air 13″
(early 2025)
Apple M4
10-core CPU (4p+6e)
8-core GPU
16 GB RAM | 256 GB2925
(AmorphousDiskMark: 2969)2045
(AmorphousDiskMark: 2076)Mac Studio
(early 2025)
Apple M4 Max
16-core CPU (12p+4e)
40-core GPU
128 GB RAM | 1 TB5052
(AmorphousDiskMark: 5799)6361
(AmorphousDiskMark: 7098)MacBook Pro 14”
(late 2025)
Apple M5
10-core CPU (4p+6e)
10-core GPU
16 GB RAM | 1 TB67386540MacBook Neo
(early 2026)
Apple A18 Pro
6-core CPU (2p+4e)
5-core GPU
8 GB RAM | 256 GB15511308

MacWhisper

Nadgryzieni 300
Large V2 (GGML)Nadgryzieni 447
Large V2 (GGML)Nadgryzieni 447
Large V3 Turbo
(WhisperKit)MacBook Pro 14,2”
(late 2021)
Apple M1 Pro
10-core CPU (8+2)
16-core GPU
32 GB RAM | 4 TB01:33
v6.8 (680)14:56
v6.8 (680)11:40
v12.18.3 (1293)MacBook Pro 16,2”
(late 2023)
Apple M3 Max
16-core CPU (12+4)
40-core GPU
128 GB RAM | 8 TB00:53
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 GB01:59
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 GB1:07
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 TB1:04
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 TB01:51
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 TB01:51
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 GB01:59
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 TB00:40
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 TB01:23
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 GB4:27
v13.17 (1402)42:46
v13.17 (1402)10:47
v13.17 (1402)

Analiza

Wyniki tutaj są prawdopodobnie zbliżone do tych z M1 i być może nawet z M2, ale już dwukrotnie gorsze niż M3. Przypominam, że Neo nie ma wentylatora i jest pasywnie chłodzony. Co najważniejsze, to że A18 Pro bez problemów potrafiło wykonać te zadania, więc jeśli macie czas na kawę (lub trzy), to przynajmniej dokończycie robotę.

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 Whisper Large multilingual) i osobno Large V3 Turbo (WhisperKit), a potem podeślijcie mi takie informacje, jakie znajdziecie w tabelce, w tym pełna specyfikacja komputera. Niepełne zgłoszenia będą odrzucane. Podpowiem jeszcze, że MacWhisper wyświetla ile zajęło mu wykonanie transkrypcji po jej zakończeniu.

iMag Final Cut Pro Benchmark

Specyfikacja

Final Cut Pro jest oczywiście zoptymalizowany pod macOS-a i Maki oraz nie wątpię, że 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

Easy
ProRes 422Easy
H.264Hardcore
ProRes 4444Hardcore H.265NLEstation 2020
Core i9-9900K 3,6 GHz (8-core, 16-thread)
AMD 5700 XT
64 GB RAM131,30 s295,25 s192,49 s—MacBook Pro 13″
(late 2016)
Core i5 2,0 GHz (2-core, 4-thread)
HD Graphics 530
16 GB | 256 GB682,99 s553,43 s1440,18 s—MacBook Air 13″
(late 2020)
Apple M1
8-core CPU (6+2)
7-core GPU
8 GB RAM | 256 GB141,61 s401,23 s287,44 s—MacBook Pro 16,2”
(late 2021)
Apple M1 Pro
10-core CPU (8+2)
16-core GPU
16 GB RAM | 512 GB50,21 s235,91 s119,40 s—MacBook Pro 14,2”
(late 2021)
Apple M1 Pro
10-core CPU (8+2)
16-core GPU
32 GB RAM | 4 TB49,03 s235,40 s119,34 s—MacBook Air 13,6”
(mid 2022)
Apple M2
8-core CPU (4+4)
8-core GPU
8 GB RAM | 256 GB192,29 s260,21 sDNF—MacBook Pro 14,2”
(early 2023)
Apple M2 Pro
10-core CPU (6+4)
16-core GPU
16 GB RAM | 512 GB56,55 s244,61 s112,40 s—Mac Mini
(early 2023)
Apple M2 Pro
12-core CPU (8+4)
19-core GPU
16 GB RAM | 1 TB47,88 s241,43 s107,51 s—MacBook Air 15,3”
(mid 2023)
Apple M2
8-core CPU (4+4)
10-core GPU
16 GB RAM | 1 TB90,77 s259,90 s133,41 s—Mac Studio
(mid 2023)
Apple M2 Max
12-core CPU (4+4)
38-core GPU
64 GB RAM | 2 TB24,30 s129,30 s48,38 s—iMac
(late 2023)
Apple M3
8-core CPU (4+4)
10-core GPU
16 GB RAM | 512 GB61,97 s250,84 s131,50 s—MacBook Pro 16,2”
(late 2023)
Apple M3 Max
16-core CPU (12+4)
40-core GPU
128 GB RAM | 8 TB27,93 s126,97 s52,42 s—MacBook Air 15,3”
(early 2024)
Apple M3
8-core CPU (4+4)
10-core GPU
16 GB RAM | 512 GB88,68 s257,68 s139,95 s—Mac Mini
(late 2024)
Apple M4 Pro
12-core CPU (8p+4e)
16-core GPU
24 GB RAM | 512 GB47,30 s188,06 s95,22 s—MacBook Pro
(late 2024)
Apple M4 Pro
14-core CPU (10p+4e)
20-core GPU
48 GB RAM | 2 TB32,30 s188,17 s53,40 s—iMac
(late 2024)
Apple M4
10-core CPU (4p+6e)
10-core GPU
32 GB RAM | 2 TB109,71 s195,28 s129,12 s—MacBook Air 13″
(early 2025)
Apple M4
10-core CPU (4p+6e)
10-core GPU
32 GB RAM | 2 TB109,72 s196,49 s129,11 s—MacBook Air 13″
(early 2025)
Apple M4
10-core GPU (4p+6e)
8-core GPU
16 GB RAM | 256 GB117,68 s195,33 s128,17 s216,85 sMac Studio
(early 2025)
Apple M4 Max
16-core CPU (12p+4e)
40-core GPU
128 GB RAM | 1 TB19,50 s111,78 s30,97 s100,94 sMacBook Pro 14”
(late 2025)
Apple M5
10-core CPU (4p+6e)
10-core GPU
16 GB RAM | 1 TB42,59 s169,31 s89,54 s175,54 sMacBook Neo
(early 2026)
Apple A18 Pro
6-core CPU (2p+4e)
5-core GPU
8 GB RAM | 256 GB110,58 s248,02 s210,84 s312,07 s

Uwaga! Wszystkie benchmarki MacBooków z Apple Silicon robione były na baterii, z odłączonym zasilaniem!

Analiza

Ku mojemu zaskoczeniu, A18 Pro w MacBooku Neo poradziło sobie lepiej niż M2 w MBA 15” i podobnie jak M3 w iMacu 24”. Patrzę przede wszystkim na kolumnę H.264, bo to będzie najczęstszy eksport. Szybko nie będzie, ale będzie! W tabelce znajdziecie jeden DNF, w którym MBA z M2 i 8 GB RAM nie ukończył testu.

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

LR ImportCzasNLEstation 2014 (import na HDD)16:22NLEstation 2014 (import na SSD)14:56NLEstation 2020 (import na SSD)6:12MacBook Pro 16,2” (import na SSD)
Core i7 2,6 / 4,5 GHz
(late 2019)10:28MacBook Air (import na SSD)
Core i3 1,1 / 3,2 GHz
(early 2020)31:03MacBook Pro 14,2”
(late 2021)
Apple M1 Pro
10-core CPU (8+2)
16-core GPU
32 GB RAM | 4 TB5:06,31 (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 GB9:26MacBook Pro 14,2”
(early 2023)
Apple M2 Pro
10-core CPU (6+4)
16-core GPU
16 GB RAM | 512 GB5:01,25Mac Mini
(early 2023)
Apple M2 Pro
12-core CPU (8+4)
19-core GPU
16 GB RAM | 1 TB4:23,19MacBook Air 15,3”
(mid 2023)
Apple M2
8-core CPU (4+4)
10-core GPU
16 GB RAM | 1 TB8:02,96Mac Studio
(mid 2023)
Apple M2 Max
12-core CPU (4+4)
38-core GPU
64 GB RAM | 2 TB4:35,38Poniższej wyniki LR Import v2 ⬇️ nie porównywać z v1 powyżej!LR Import v2CzasiMac
(late 2023)
Apple M3
8-core CPU (4+4)
10-core GPU
16 GB RAM | 512 GB6:28,11MacBook Pro 16,2”
(late 2023)
Apple M3 Max
16-core CPU (12+4)
40-core GPU
128 GB RAM | 8 TB2:18,56MacBook Air 15,3”
(early 2024)
Apple M3
8-core CPU (4+4)
10-core GPU
16 GB RAM | 512 GB6:53,86Mac Mini
(late 2024)
Apple M4 Pro
12-core CPU (8p+4e)
16-core GPU
24 GB RAM | 512 GB3:28,12MacBook Pro
(late 2024)
Apple M4 Pro
14-core CPU (10p+4e)
20-core GPU
48 GB RAM | 2 TB2:13,15iMac
(late 2024)
Apple M4
10-core CPU (4p+6e)
10-core GPU
32 GB RAM | 2 TB5:43,28MacBook Air 13″
(early 2025)
Apple M4
10-core CPU (4p+6e)
10-core GPU
32 GB RAM | 2 TB6:06,40MacBook Air 13″
(early 2025)
Apple M4
10-core GPU (4p+6e)
8-core GPU
16 GB RAM | 256 GB6:13,44Mac Studio
(early 2025)
Apple M4 Max
16-core CPU (12p+4e)
40-core GPU
128 GB RAM | 1 TB2:14,48MacBook Pro 14”
(late 2025)
Apple M5
10-core CPU (4p+6e)
10-core GPU
16 GB RAM | 1 TBPomiar 1: 1:38,01
Pomiar 2: 1:20,73
Pomiar 3: 1:28,35
Pomiar 4: 1:40,55
Średnia: 1:31,91MacBook Neo
(early 2026)
Apple A18 Pro
6-core CPU (2p+4e)
5-core GPU
8 GB RAM | 256 GB12:48,71

LR Export – Wyniki

LR ExportCzasNLEstation 2014
(import z HDD na SSD)
Core i7-4770K26:48NLEstation 2020
(import z SSD na SSD)
Core i9-9900K8:45MacBook Pro 16,2”
(late 2019)
(import z SSD na SSD)
Core i7 2,6 / 4,5 GHz21:13MacBook Air
(early 2020)
(import z karty SD na SSD)
Core i3 1,1 / 3,2 GHz28:29MacBook Pro 14,2”
(late 2021)
Apple M1 Pro
10-core CPU (8+2)
16-core GPU
32 GB RAM | 4 TB2:11,70 (z pełną akceleracją)
4:23,78 (bez pełnej akceleracji)MacBook Air 13,6”
(mid 2022)
Apple M2
8-core CPU (4+4)
8-core GPU
8 GB RAM | 256 GB12:05MacBook Pro 14,2”
(early 2023)
Apple M2 Pro
10-core CPU (6+4)
16-core GPU
16 GB RAM | 512 GB2:54,33Mac Mini
(early 2023)
Apple M2 Pro
12-core CPU (8+4)
19-core GPU
16 GB RAM | 1 TB2:57,17MacBook Air 15,3”
(mid 2023)
Apple M2
8-core CPU (4+4)
10-core GPU
16 GB RAM | 1 TB4:11,43Mac Studio
(mid 2023)
Apple M2 Max
12-core CPU (4+4)
38-core GPU
64 GB RAM | 2 TB59,67iMac
(late 2023)
Apple M3
8-core CPU (4+4)
10-core GPU
16 GB RAM | 512 GB3:45,69MacBook Pro 16,2”
(late 2023)
Apple M3 Max
16-core CPU (12+4)
40-core GPU
128 GB RAM | 8 TB2:15,74MacBook Air 15,3”
(early 2024)
Apple M3
8-core CPU (4+4)
10-core GPU
16 GB RAM | 512 GB5:19,08Mac Mini
(late 2024)
Apple M4 Pro
12-core CPU (8p+4e)
16-core GPU
24 GB RAM | 512 GB58,91MacBook Pro
(late 2024)
Apple M4 Pro
14-core CPU (10p+4e)
20-core GPU
48 GB RAM | 2 TB55,30iMac
(late 2024)
Apple M4
10-core CPU (4p+6e)
10-core GPU
32 GB RAM | 2 TB2:06,78MacBook Air 13″
(early 2025)
Apple M4
10-core CPU (4p+6e)
10-core GPU
32 GB RAM | 2 TB2:33,95MacBook Air 13″
(early 2025)
Apple M4
10-core GPU (4p+6e)
8-core GPU
16 GB RAM | 256 GB2:50,96Mac Studio
(early 2025)
Apple M4 Max
16-core CPU (12p+4e)
40-core GPU
128 GB RAM | 1 TB31,56MacBook Pro 14”
(late 2025)
Apple M5
10-core CPU (4p+6e)
10-core GPU
16 GB RAM | 1 TBPomiar 1: 1:28,75
Pomiar 2: 1:46,26
Pomiar 3: 2:06,70
Pomiar 4: 1:46,98
Średnia: 1:47,17MacBook Neo
(early 2026)
Apple A18 Pro
6-core CPU (2p+4e)
5-core GPU
8 GB RAM | 256 GB10:16,69

Analiza

W przypadku Lightrooma Classic mamy niestety bardzo słabe wyniki. Zupełnie nie polecam tego komputera do tej aplikacji – tutaj M1, M2 czy M3 radzą sobie zdecydowanie lepiej. Tak wolnego Maca jeszcze nie było, ale ponownie – ukończył oba testy, a spodziewałem się, że klęknie.

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) za pomocą 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, że oba pliki są w tym samym folderze i wykonujemy poniższą komendę (to wykonujemy tylko jeśli 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

MacBook Pro 14,2” (late 2021) | M1 Pro | 10c CPU (8p+2e) | 16c GPU | 32 GB RAM | 4 TBTest 1 | Prefill (przetwarzanie kontekstu)modelsizeparamsbackendthreadstestt/sgemma2 27B Q4_K – Medium15.50 GiB27.23 BBLAS,MTL8pp102452.40 ± 0.36gemma2 27B Q4_K – Medium15.50 GiB27.23 BBLAS,MTL8pp409649.52 ± 1.57gemma2 27B Q4_K – Medium15.50 GiB27.23 BBLAS,MTL8pp819247.57 ± 0.08Test 2 | Decode (generowanie tekstu)modelsizeparamsbackendthreadstestt/sgemma2 27B Q4_K – Medium15.50 GiB27.23 BBLAS,MTL8pp1627.86 ± 0.02gemma2 27B Q4_K – Medium15.50 GiB27.23 BBLAS,MTL8tg5127.01 ± 0.00MacBook Neo (early 2026) | A18 Pro | 6c CPU (4p+2e) | 5c GPU | 8 GB RAM | 256 GBTest 1 | Prefill (przetwarzanie kontekstu)modelsizeparamsbackendthreadstestt/sllama 3B Q4_K – Medium1.87 GiB3.21 BBLAS,MTL2pp1024201.79 ± 8.94llama 3B Q4_K – Medium1.87 GiB3.21 BBLAS,MTL2pp4096161.59 ± 1.80llama 3B Q4_K – Medium1.87 GiB3.21 BBLAS,MTL2pp8192137.77 ± 1.14Test 2 | Decode (generowanie tekstu)modelsizeparamsbackendthreadstestt/sllama 3B Q4_K – Medium1.87 GiB3.21 BBLAS,MTL2pp1692.32 ± 3.88llama 3B Q4_K – Medium1.87 GiB3.21 BBLAS,MTL2tg51219.85 ± 0.11

Analiza

Ponieważ zupełnie nie mam pojęcia, jak zinterpretować te wyniki, to oddaję głos Gemini (Pro):

MacBook Pro M1 Pro (32 GB) – Stabilny wół roboczy

Ten pięcioletni układ wciąż pokazuje niesamowitą klasę, bez zadyszki obracając bardzo ciężkim modelem (ponad 27 miliardów parametrów).

Przetwarzanie kontekstu (Prefill): Prędkości rzędu 47.5 do 52.4 t/s są świetne dla tak dużej wagi modelu. Zwróć uwagę na kluczowy detal – krzywa spadku wydajności jest tu bardzo płaska. Ośmiokrotne zwiększenie paczki wczytywanych danych (z 1024 do potężnych 8192 tokenów) spowodowało spadek prędkości o zaledwie ~9%. To udowadnia, że szyna pamięci w procesorach z serii „Pro” (200 GB/s przepustowości) z łatwością radzi sobie z równoległym obliczaniem dużej pamięci podręcznej (KV Cache) bez dławienia karty graficznej.

Generowanie tekstu (Decode): Szybkość 7.01 t/s to całkowicie komfortowe tempo do pracy. Model wypluwa tekst odrobinę szybciej, niż jesteś w stanie go na bieżąco analizować. Mając na uwadze wysokie możliwości logiczne modelu Gemma 2, zyskałeś w pełni lokalną, bezpieczną alternatywę dla chmurowych asystentów AI.

MacBook Neo (8 GB) – Błyskawiczny asystent

Zgodnie z prawami fizyki, mały, 3-miliardowy model na nowoczesnej architekturze dosłownie lata, choć wyraźnie widać tu limity przepustowości bazowej pamięci.

Przetwarzanie kontekstu (Prefill): Przy małych paczkach (1024 tokeny) prędkość to wręcz absurdalne ~202 t/s. Jednak, w przeciwieństwie do układu M1 Pro, widzimy tu wyraźny spadek wydajności o ponad 30% przy wczytywaniu 8192 tokenów (spadek do 137 t/s). Architektura Neo przetwarza same dane błyskawicznie, ale fizycznie węższa szyna pamięci w układach bazowych staje się tu „wąskim gardłem” przy upychaniu wielkiego kontekstu w małym RAM-ie. Niemniej, przeczytanie kilkustronicowego dokumentu zajmuje mu zaledwie sekundy.

Generowanie tekstu (Decode): Z prędkością 19.85 t/s odpowiedzi pojawiają się na ekranie płynnie i natychmiastowo. To idealna konfiguracja maszyny do szybkich interakcji, podsumowywania notatek i generowania krótkich tekstów.

Podsumowanie

Siadając do tego tekstu myślałem, że nie będę mu specjalnie przychylny. Fakt, przydałoby mu się przynajmniej 12-16 GB RAM w dzisiejszych czasach. Ale wiecie co? Do zadań czysto biurowych czy internetowych (email, WWW, itp.) jest to więcej niż potrzebujemy, a 8 GB RAM zupełnie nie odczujemy.

Jeśli patrzymy na nowe Maki, to sporo oszczędzamy względem Airów i wielu nie będzie potrzebowało, ani nie skorzysta z ich lepszej specyfkacji. Ale jeśli mamy dostęp do takich M3 lub M4 z 16 GB RAM, najlepiej jeszcze nowych w odpowiednio obniżonych cenach, to prawdopodobnie spiszą się jeszcze lepiej, szczególnie, że ekrany mają nieznacznie większe. No i jest opcja 15”…

Neo jest uroczym i wesołym maluchem (polecam perspektywę „nowicjusza” – zajrzyjcie do tekstu Darka), którego jednak nie możemy pomylić z 12-calowym MacBookiem sprzed wielu lat, który pod wieloma względami celował w próg bardziej premium niż Air, ale niestety wyprzedzał swój czas. Znacznie lżejszy, cieńszy i mniejszy, ale drogi, był ciekawą alternatywą dla Aira, dla osób sporo podróżujących. Neo tymczasem to po prostu tańszy Air, gdzie A18 Pro jest zbliżony zachowaniem do M1 czy M2, ale z mniejszym ekranem, gorszym (ale nadal bardzo dobrym!) Trackpadem i świetną klawiaturą. Wymiary ani waga jednak nie czynią go mistrza podróży.

Nadal ciężko mi uwierzyć, że taką jakość wykonania możemy osiągnąć za 2 999 PLN. Teraz czekam na model wyposażony w A19 Pro, z 12 GB RAM…

Wideo

#hardware #iMagMark #Mac #MacbookNeo #pierwszeWrażenia #recenzja #Sprzęt #Testy

Lecimy na Luft Tokyo z Galaxy S26 Ultra [wideo]

Dziś przygotowałem dla Was coś zupełnie nietypowego. Zamiast siedzieć w zaciszu mojego biurka i opowiadać o kolejnym, produkcie z krzemem w środku, zabieram Was w podróż. I to nie byle jaką, bo aż do Tokio. Wyposażyłem się w nowego Samsunga Galaxy S26 Ultra i postanowiłem sprawdzić, jak ten cud koreańskiej inżynierii poradzi sobie w bojowych warunkach miejskiej dżungli i podczas pewnego bardzo, ale to bardzo specjalnego wydarzenia. Zobaczcie na własne oczy, jak działa mityczna „nightografia” oraz tryb blokady horyzontu – funkcja tak inteligentna, że mogłaby uratować niejeden amatorski film z wakacji (i może nawet uspokoić moją żonę, która ma bardzo awangardowe podejście do trzymania pionu).

Ale to nie wszystko. Głównym daniem tego odcinka jest Luft Tokyo – absolutnie unikalne zloty klasycznych Porsche chłodzonych powietrzem. Wyobraźcie sobie setki pięknych, ryczących maszyn zaparkowanych na nieczynnej estakadzie w samym sercu Ginzy. Od idealnie zachowanych modeli z lat 40. po bestie wyścigowe – wszystko to podziwiane w blasku tokijskich neonów. Tego wydarzenia nie da się opisać, to po prostu trzeba zobaczyć, a ja mam dla Was surowe, nieupiększane materiały prosto z aparatu, abyście mogli poczuć ten klimat.

Zapnijcie pasy i cieszcie się widokami!

#hardware #LuftTokyo #Luftgekühlt #motoryzacja #recenzja #Samsung #SamsungGalaxyS26Ultra #Sprzęt #Testy #Wideo

MacBook Neo i 2x MacBook Pro z M5 Pro i M5 Max – specyfikacja i unboxing [wideo]

Jeśli myśleliście, że po wczorajszym rozpakowaniu Studio Display XDR moje biurko w końcu odetchnie z ulgą, to grubo się myliliście. Okazało się, że to nie był koniec dostaw, a kurier postanowił zrzucić mi na wycieraczkę kolejne pudełka od Apple. Zamiast męczyć Was i siebie osobnymi unboxingami, postanowiłem pójść na całość i wyciągnąć z pudełek aż trzy nowe MacBooki jednocześnie.

Przejdziemy przez ich specyfikacje, zaczynając od tego najmniejszego, trzynastocalowego MacBooka Neo, który ma w sobie procesor z iPhone’a i ilość pamięci RAM, która każe mi się zastanowić, w którym dokładnie roku jesteśmy. Następnie przeskoczymy do prawdziwych potworów: dwóch szesnastocalowych MacBooków Pro napędzanych układami M5 Pro i M5 Max. Pokażę Wam, co Apple wykombinowało z nową architekturą rdzeni, bo najwyraźniej znudziły im się te energooszczędne i postanowili wyposażyć te laptopy w coś, co nazywają „super rdzeniami”. Opowiem też, jakie mordercze testy dla nich zaplanowałem – od szybkości dysków po renderowanie wideo i zabawy ze sztuczną inteligencją. Jeśli macie jakieś własne, absurdalne pomysły na to, jak mogę spocić te maszyny, dajcie znać.

Zapraszam do materiału.

Apple Studio Display XDR – unboxing i pierwsze wrażenia [wideo]

#A18Pro #hardware #M5Max #M5Pro #MacbookNeo #MacBookPro #Sprzęt #Testy #unboxing #Wideo #wyjmujemyZPudełka

Apple Studio Display XDR – unboxing i pierwsze wrażenia [wideo]

Po małych wojażach na Dalekim Wschodzie w końcu wróciłem, a na moim biurku wylądowało coś, na co czekałem chyba dłużej niż na zbudowanie obwodnicy w moim rodzinnym mieście. Przed Wami unboxing i pierwsze wrażenia z obcowania ze Studio Display XDR – kawałkiem aluminium, który kosztuje więcej niż niejeden używany samochód, ale za to wygląda tak, że chce się do niego modlić.

Przyjrzymy się z bliska specyfikacji, która w końcu w 2026 roku dogoniła zdrowy rozsądek, oferując magiczne 120 Hz i jasność, która prawdopodobnie potrafi wypalić oczy gapiom w promieniu dwóch metrów. Opowiem Wam, dlaczego ten wspaniały, metalowy monolit nie ma żadnej konkurencji na rynku, jak radzi sobie ze starszymi Macami, które nie wiedzą jeszcze, czym jest Thunderbolt 5, oraz czy wbudowane w niego mikrofony sprawią, że zaczniecie brzmieć jak profesjonalny spiker radiowy. Jeśli zastanawiacie się, czy to szaleństwo ma sens, a może wolicie plastikowe ekrany skrzypiące przy każdym spojrzeniu na nie – zapraszam do obejrzenia tego materiału.

#AppleStudioDisplayXDR #hardware #Sprzęt #Testy #Wideo

LEGO SMART Play za 300 zł – Myśliwiec TIE Dartha Vadera

Dzisiaj na moim stole wylądował zestaw, który brzmi, jakby ktoś postanowił wziąć klocki, z którymi wszyscy bawiliśmy się w dzieciństwie, i wepchnąć w nie odrobinę współczesnej magii. Mówimy o LEGO Star Wars Smart Play, konkretnie o myśliwcu TIE, pilotowanym przez smart Dartha Vadera (w przeciwieństwie do tego zwykłego, z którym zazwyczaj macie do czynienia). Wewnątrz znajdziecie elektroniczną „smart kostkę”, która rzekomo potrafi rozpoznać kolory, reagować na ruch i wydawać dźwięki – wszystko to brzmi jak technologia z odległej galaktyki, prawda?

Złożymy to do kupy, podłączymy do aplikacji i sprawdzimy, czy faktycznie działa tak spektakularnie, jak obiecuje producent, czy też może jest to tylko kolejny sposób na to, by zmusić nas do ładowania zabawek przez USB-C. Będziemy tankować myśliwiec (cokolwiek to znaczy w świecie klocków), naprawiać go specjalnym młotkiem i strzelać… no cóż, udamy, że strzelamy. Czy te wbudowane efekty dźwiękowe naprawdę przeniosą nas prosto w sam środek Gwiezdnych Wojen, czy też brzmią, jakby ktoś próbował naśladować odgłosy statków kosmicznych, dmuchając w rurkę od napoju? Oglądajcie, bo mój wewnętrzny dziewięciolatek ma sporo do powiedzenia w tej kwestii!

Zapraszam do materiału.

Podobne…

#GwiezdneWojny #hardware #lego #LEGOSMARTPlay #recenzja #Sprzęt #StarWars #Wideo

LEGO SMART Play – Myśliwiec TIE Dartha Vadera [wideo]

Dzisiaj na moim stole wylądował zestaw, który brzmi, jakby ktoś postanowił wziąć klocki, z którymi wszyscy bawiliśmy się w dzieciństwie, i wepchnąć w nie odrobinę współczesnej magii. Mówimy o LEGO Star Wars Smart Play, konkretnie o myśliwcu TIE, pilotowanym przez smart Dartha Vadera (w przeciwieństwie do tego zwykłego, z którym zazwyczaj macie do czynienia). Wewnątrz znajdziecie elektroniczną „smart kostkę”, która rzekomo potrafi rozpoznać kolory, reagować na ruch i wydawać dźwięki – wszystko to brzmi jak technologia z odległej galaktyki, prawda?

Złożymy to do kupy, podłączymy do aplikacji i sprawdzimy, czy faktycznie działa tak spektakularnie, jak obiecuje producent, czy też może jest to tylko kolejny sposób na to, by zmusić nas do ładowania zabawek przez USB-C. Będziemy tankować myśliwiec (cokolwiek to znaczy w świecie klocków), naprawiać go specjalnym młotkiem i strzelać… no cóż, udamy, że strzelamy. Czy te wbudowane efekty dźwiękowe naprawdę przeniosą nas prosto w sam środek Gwiezdnych Wojen, czy też brzmią, jakby ktoś próbował naśladować odgłosy statków kosmicznych, dmuchając w rurkę od napoju? Oglądajcie, bo mój wewnętrzny dziewięciolatek ma sporo do powiedzenia w tej kwestii!

Obejrzyj również

#GwiezdneWojny #hardware #lego #LEGOSMARTPlay #Sprzęt #StarWars #Testy #Wideo

iPhone 17e, etui silikonowe i przezroczyste oraz pasek – unboxing i pierwsze wrażenia

Dzisiaj na moim stole wylądował nowy iPhone 17e w kolorze bardzo delikatnie różowym. Oprócz samego telefonu przyjrzymy się też kilku akcesoriom: przezroczystemu i silikonowemu etui (które są równie rewolucyjne co chleb tostowy, ale przynajmniej działają) oraz paskowi, który wprawdzie wygląda uroczo, ale podczas noszenia przypomina walkę z niepokornym sznurowadłem.

Zastanowimy się, dlaczego Apple w końcu poszło po rozum do głowy i dodało pewną kluczową funkcję magnetyczną, której brakowało w poprzedniku jak tlenu, i czy to wystarczy, by usprawiedliwić cenę tego urządzenia. Porównamy tego najtańszego iPhone’a w ofercie z potężniejszym bratem – iPhonem 17 – żebyście wiedzieli, za jakie luksusy (jak choćby pewne szybkie odświeżanie ekranu czy dodatkowy aparat) musicie dopłacić to „skromne” tysiąc złotych. Jeśli zastanawiacie się, czy warto rozbić skarbonkę na ten konkretny model, czy może lepiej poczekać na przeceny starszego rodzeństwa, zapraszam do obejrzenia materiału – postaram się rozwiać Wasze wątpliwości, zanim zdążycie wydać własne pieniądze.

#etui #hardware #iPhone #iPhone17e #Sprzęt #Testy #Wideo