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 300Large 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
EasyProRes 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
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.
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/modelscd ~/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 ± 0.01Analiza
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 #Mac #MacBookPro #pierwszeWrażenia #recenzja #Sprzęt #Testy



























