1 godzina temu
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, iż osobiście jestem fanem srebrnego, to w tym roku wszyscy będą zadowoleni z nowej barwy, bo podstawowy model z M4 również jest dostępny w niej (rok temu było to Space Grey).
Po podniesieniu pokrywy jest największy szok – nanostrukturalny wyświetlacz przykuł mój wzrok i długo go podziwiałem, zanim przystąpiłem do jego oceny. W odróżnieniu od iPada Pro z M4, w którym ramkę pozostawiono wykończą na wysoki połysk (glossy), co wygląda po prostu… inaczej niż to, do czego jesteśmy przyzwyczajeni, tutaj całość jest matowa – no prawie, bo małym wyjątkiem jest przednia kamera. Początkowo choćby nie zauważyłem, iż jej obiektyw jest glossy, ale nie jest to prawie w ogóle zauważalne i gwałtownie przestałem na to zwracać uwagę.
SSD
Rodzina M5 Pro i Max wnoszą nowy poziom wydajności dla SSD, porównywalną z dyskami PCIe 5.0 x4 w świecie PC. Wariant 4 TB w testowanym MacBooku oscylował w rejonie 13,1 GB/s przy zapisie oraz 12,8 GB/s przy odczycie. No w końcu!
| MacBook Air 13,3” (late 2020) Apple M1 8-core CPU (4+4) 8-core GPU 8 GB RAM | 256 GB |
2165 | 2716 |
| MacBook Pro 14,2” (late 2021) Apple M1 Pro 10-core CPU (8+2) 16-core GPU 32 GB RAM | 4 TB |
5591 | 7409 |
| MacBook Air 13,6” (mid 2022) Apple M2 8-core CPU (4+4) 8-core GPU 8 GB RAM | 256 GB |
1473 | 1714 |
| MacBook Pro 14,2” (early 2023) Apple M2 Pro 10-core CPU (6+4) 16-core GPU 16 GB RAM | 512 GB |
3456 *AmorphousDiskMark |
3648 *AmorphousDiskMark |
| Mac Mini (early 2023) Apple M2 Pro 12-core CPU (8+4) 19-core GPU 16 GB RAM | 1 TB |
4945 | 6215 |
| MacBook Air 15,3” (mid 2023) Apple M2 8-core CPU (4+4) 10-core GPU 16 GB RAM | 1 TB |
3015 | 2808 |
| Mac Studio (mid 2023) Apple M2 Max 12-core CPU (4+4) 38-core GPU 64 GB RAM | 2 TB |
6776 *AmorphousDiskMark |
7692 *AmorphousDiskMark |
| iMac (late 2023) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB |
2922 | 3293 |
| MacBook Pro 16,2” (late 2023) Apple M3 Max 16-core CPU (12+4) 40-core GPU 128 GB RAM | 8 TB |
5621 | 8244 |
| MacBook Air 15,3” (early 2024) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB |
2918 | 3400 |
| Mac Mini (late 2024) Apple M4 Pro 12-core CPU (8p+4e) 16-core GPU 24 GB RAM | 512 GB |
5080 | 4090 |
| MacBook Pro (late 2024) Apple M4 Pro 14-core CPU (10p+4e) 20-core GPU 48 GB RAM | 2 TB |
5419 | 6760 |
| iMac (late 2024) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
3000 | 3341 |
| MacBook Air 13″ (early 2025) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
2915 (AmorphousDiskMark: 3228) |
3293 (AmorphousDiskMark: 3362) |
| MacBook Air 13″ (early 2025) Apple M4 10-core CPU (4p+6e) 8-core GPU 16 GB RAM | 256 GB |
2925 (AmorphousDiskMark: 2969) |
2045 (AmorphousDiskMark: 2076) |
| Mac Studio (early 2025) Apple M4 Max 16-core CPU (12p+4e) 40-core GPU 128 GB RAM | 1 TB |
5052 (AmorphousDiskMark: 5799) |
6361 (AmorphousDiskMark: 7098) |
| MacBook Pro 14” (late 2025) Apple M5 10-core CPU (4p+6e) 10-core GPU 16 GB RAM | 1 TB |
6738 | 6540 |
| MacBook Neo (early 2026) Apple A18 Pro 6-core CPU (2p+4e) 5-core GPU 8 GB RAM | 256 GB |
1551 | 1308 |
| MacBook Pro 16” (early 2026) Apple M5 Pro 18-core CPU (6s+12p) 20-core GPU 64 GB RAM | 4 TB |
13102 | 12854 |
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, iż MacWhisper wyświetla ile zajęło mu wykonanie transkrypcji po jej zakończeniu.
| MacBook Pro 14,2” (late 2021) Apple M1 Pro 10-core CPU (8+2) 16-core GPU 32 GB RAM | 4 TB |
01:33 v6.8 (680) |
14:56 v6.8 (680) |
11:40 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 TB |
00:53 v6.8 (680) |
09:03 v6.8 (680) |
— |
| MacBook Air 15,3” (early 2024) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB |
01:59 v7.7 (735) |
20:18 v7.7 (735) |
— |
| Mac Mini (late 2024) Apple M4 Pro 12-core CPU (8p+4e) 16-core GPU 24 GB RAM | 512 GB |
1:07 v10.8.1 (1045) |
11:01 v10.8.1 (1045) |
— |
| MacBook Pro (late 2024) Apple M4 Pro 14-core CPU (10p+4e) 20-core GPU 48 GB RAM | 2 TB |
1:04 v10.8.1 (1045) |
10:29 v10.8.1 (1045) |
— |
| iMac (late 2024) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
01:51 v11.2.1 (1128) |
17:52 v11.2.1 (1128) |
— |
| MacBook Air 13″ (early 2025) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
01:51 v12.1.1 (1219) |
19:47 v12.1.1 (1219) |
— |
| MacBook Air 13″ (early 2025) Apple M4 10-core GPU (4p+6e) 8-core GPU 16 GB RAM | 256 GB |
01:59 v12.5 (1235) |
21:06 v12.5 (1235) |
— |
| Mac Studio (early 2025) Apple M4 Max 16-core CPU (12p+4e) 40-core GPU 128 GB RAM | 1 TB |
00:40 v12.5 (1235) |
06:34 v12.5 (1235) |
— |
| MacBook Pro 14” (late 2025) Apple M5 10-core CPU (4p+6e) 10-core GPU 16 GB RAM | 1 TB |
01:23 v12.18.3 (1293) |
13:25 v12.18.3 (1293) |
06:28 v12.18.3 (1293) |
| MacBook Neo (early 2026) Apple A18 Pro 6-core CPU (2p+4e) 5-core GPU 8 GB RAM | 256 GB |
4:27 v13.17 (1402) |
42:46 v13.17 (1402) |
10:47 v13.17 (1402) |
| MacBook Pro 16” (early 2026) Apple M5 Pro 18-core CPU (6s+12p) 20-core GPU 64 GB RAM | 4 TB |
0:51 v13.17 (1402) |
8:08 v13.17 (1402) |
7:18 v13.17 (1402) |
Analiza
Mamy pewne różnice, względem starszych sprzętów. M4 Max przez cały czas króluje, ale zaskoczyło mnie to, iż 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, iż Apple dołożyło wszelkich starań, aby wzorowo pracował na wszystkich odmianach Apple M1 i M2. To oczywiście działa przede wszystkim na korzyść klientów, którzy już dzisiaj zdecydują się przesiąść na nową generację Maków, opartych o ARM.
Pliki
- Klip 4K 60 fps HDR w 10-bitowym HEVC (H.265) z iPhone’a 12 Pro Max – 31,15 s.
- Klip 4K 30 fps SDR w 8-bitowym AVC z DSLR Canona – 2:14,15 s.
- Klip 1080p 30 fps HDR w 10-bitowym HEVC (H.265) z iPhone’a 12 Pro Max – 3:42,21 s.
Szczegóły projektów
- Biblioteka w FCP ustawiona na Wide Gamut HDR.
- Projekty ustawione na 4K (3840×2160) 30 fps HDR przy Rec. 2020 PQ.
- iMag FCP Benchmark Easy – na timeline wrzucone 3 powyższe pliki, w kolejności jak powyżej, w każdym klipie podbita saturacja o 5% (co powinno wymusić przerenderowanie każdej klatki) oraz HDR Tools (PQ Tone Output Map i 1000 nit pod YouTube’a).
- iMag FCP Benchmark Hardcore – j.w. ale dodatkowo filtr Sharpen (+2,5) na każdym klipie, przejścia między klipami (cross disolve) oraz animujący się przez 60 sekund 3D Title nad środkowym klipem, z przeźroczystym tłem.
- Timeline trwa 6:27,16 s w Easy i 6:28,16 s w Hardcore (dodatkowe przejścia).
- iMag FCP Benchmark Easy – export do Master File → ProRes 422.
- iMag FCP Benchmark Easy – export do Master File → H.264.
- iMag FCP Benchmark Hardcore – export do Master File → ProRes 4444.
- iMag FCP Benchmark Hardcore – export do Master File → H.265 (Social Platforms, 10-bit HEVC).
- Komputery były podłączone do prądu, poza MacBookiem Pro 16” (late 2021) i późniejszymi opartymi o Apple Silicon, które pracowały na baterii.
Wyniki
| NLEstation 2020 Core i9-9900K 3,6 GHz (8-core, 16-thread) AMD 5700 XT 64 GB RAM |
131,30 s | 295,25 s | 192,49 s | — |
| MacBook Pro 13″ (late 2016) Core i5 2,0 GHz (2-core, 4-thread) HD Graphics 530 16 GB | 256 GB |
682,99 s | 553,43 s | 1440,18 s | — |
| MacBook Air 13″ (late 2020) Apple M1 8-core CPU (6+2) 7-core GPU 8 GB RAM | 256 GB |
141,61 s | 401,23 s | 287,44 s | — |
| MacBook Pro 16,2” (late 2021) Apple M1 Pro 10-core CPU (8+2) 16-core GPU 16 GB RAM | 512 GB |
50,21 s | 235,91 s | 119,40 s | — |
| MacBook Pro 14,2” (late 2021) Apple M1 Pro 10-core CPU (8+2) 16-core GPU 32 GB RAM | 4 TB |
49,03 s | 235,40 s | 119,34 s | — |
| MacBook Air 13,6” (mid 2022) Apple M2 8-core CPU (4+4) 8-core GPU 8 GB RAM | 256 GB |
192,29 s | 260,21 s | DNF | — |
| MacBook Pro 14,2” (early 2023) Apple M2 Pro 10-core CPU (6+4) 16-core GPU 16 GB RAM | 512 GB |
56,55 s | 244,61 s | 112,40 s | — |
| Mac Mini (early 2023) Apple M2 Pro 12-core CPU (8+4) 19-core GPU 16 GB RAM | 1 TB |
47,88 s | 241,43 s | 107,51 s | — |
| MacBook Air 15,3” (mid 2023) Apple M2 8-core CPU (4+4) 10-core GPU 16 GB RAM | 1 TB |
90,77 s | 259,90 s | 133,41 s | — |
| Mac Studio (mid 2023) Apple M2 Max 12-core CPU (4+4) 38-core GPU 64 GB RAM | 2 TB |
24,30 s | 129,30 s | 48,38 s | — |
| iMac (late 2023) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB |
61,97 s | 250,84 s | 131,50 s | — |
| MacBook Pro 16,2” (late 2023) Apple M3 Max 16-core CPU (12+4) 40-core GPU 128 GB RAM | 8 TB |
27,93 s | 126,97 s | 52,42 s | — |
| MacBook Air 15,3” (early 2024) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB |
88,68 s | 257,68 s | 139,95 s | — |
| Mac Mini (late 2024) Apple M4 Pro 12-core CPU (8p+4e) 16-core GPU 24 GB RAM | 512 GB |
47,30 s | 188,06 s | 95,22 s | — |
| MacBook Pro (late 2024) Apple M4 Pro 14-core CPU (10p+4e) 20-core GPU 48 GB RAM | 2 TB |
32,30 s | 188,17 s | 53,40 s | — |
| iMac (late 2024) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
109,71 s | 195,28 s | 129,12 s | — |
| MacBook Air 13″ (early 2025) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
109,72 s | 196,49 s | 129,11 s | — |
| MacBook Air 13″ (early 2025) Apple M4 10-core GPU (4p+6e) 8-core GPU 16 GB RAM | 256 GB |
117,68 s | 195,33 s | 128,17 s | 216,85 s |
| Mac Studio (early 2025) Apple M4 Max 16-core CPU (12p+4e) 40-core GPU 128 GB RAM | 1 TB |
19,50 s | 111,78 s | 30,97 s | 100,94 s |
| MacBook Pro 14” (late 2025) Apple M5 10-core CPU (4p+6e) 10-core GPU 16 GB RAM | 1 TB |
42,59 s | 169,31 s | 89,54 s | 175,54 s |
| MacBook Neo (early 2026) Apple A18 Pro 6-core CPU (2p+4e) 5-core GPU 8 GB RAM | 256 GB |
110,58 s | 248,02 s | 210,84 s | 312,07 s |
| MacBook Pro 16” (early 2026) Apple M5 Pro 18-core CPU (6s+12p) 20-core GPU 64 GB RAM | 4 TB |
26,72 s | 162,46 s | 42,77 s | 179,99 s |
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, iż przy H.265 M5 Pro nieznacznie przegrał z M5. Nie mam dla tego wyjaśnienia. Software? Nowe typy rdzeni? Hardware? jeżeli 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
| NLEstation 2014 (import na HDD) | 16:22 |
| NLEstation 2014 (import na SSD) | 14:56 |
| NLEstation 2020 (import na SSD) | 6:12 |
| MacBook Pro 16,2” (import na SSD) Core i7 2,6 / 4,5 GHz (late 2019) |
10:28 |
| MacBook Air (import na SSD) Core i3 1,1 / 3,2 GHz (early 2020) |
31:03 |
| MacBook Pro 14,2” (late 2021) Apple M1 Pro 10-core CPU (8+2) 16-core GPU 32 GB RAM | 4 TB |
5:06,31 (bez pełnej akceleracji) 5:04,13 (z pełną akceleracją) |
| MacBook Air 13,6” (mid 2022) Apple M2 8-core CPU (4+4) 8-core GPU 8 GB RAM | 256 GB |
9:26 |
| MacBook Pro 14,2” (early 2023) Apple M2 Pro 10-core CPU (6+4) 16-core GPU 16 GB RAM | 512 GB |
5:01,25 |
| Mac Mini (early 2023) Apple M2 Pro 12-core CPU (8+4) 19-core GPU 16 GB RAM | 1 TB |
4:23,19 |
| MacBook Air 15,3” (mid 2023) Apple M2 8-core CPU (4+4) 10-core GPU 16 GB RAM | 1 TB |
8:02,96 |
| Mac Studio (mid 2023) Apple M2 Max 12-core CPU (4+4) 38-core GPU 64 GB RAM | 2 TB |
4:35,38 |
| iMac (late 2023) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB |
6:28,11 |
| MacBook Pro 16,2” (late 2023) Apple M3 Max 16-core CPU (12+4) 40-core GPU 128 GB RAM | 8 TB |
2:18,56 |
| MacBook Air 15,3” (early 2024) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB |
6:53,86 |
| Mac Mini (late 2024) Apple M4 Pro 12-core CPU (8p+4e) 16-core GPU 24 GB RAM | 512 GB |
3:28,12 |
| MacBook Pro (late 2024) Apple M4 Pro 14-core CPU (10p+4e) 20-core GPU 48 GB RAM | 2 TB |
2:13,15 |
| iMac (late 2024) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
5:43,28 |
| MacBook Air 13″ (early 2025) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
6:06,40 |
| MacBook Air 13″ (early 2025) Apple M4 10-core GPU (4p+6e) 8-core GPU 16 GB RAM | 256 GB |
6:13,44 |
| Mac Studio (early 2025) Apple M4 Max 16-core CPU (12p+4e) 40-core GPU 128 GB RAM | 1 TB |
2:14,48 |
| MacBook Pro 14” (late 2025) Apple M5 10-core CPU (4p+6e) 10-core GPU 16 GB RAM | 1 TB |
Pomiar 1: 1:38,01 Pomiar 2: 1:20,73 Pomiar 3: 1:28,35 Pomiar 4: 1:40,55 Średnia: 1:31,91 |
| MacBook Neo (early 2026) Apple A18 Pro 6-core CPU (2p+4e) 5-core GPU 8 GB RAM | 256 GB |
12:48,71 |
| MacBook Pro 16” (early 2026) Apple M5 Pro 18-core CPU (6s+12p) 20-core GPU 64 GB RAM | 4 TB |
44,44 |
LR Export – Wyniki
| NLEstation 2014 (import z HDD na SSD) Core i7-4770K |
26:48 |
| NLEstation 2020 (import z SSD na SSD) Core i9-9900K |
8:45 |
| MacBook Pro 16,2” (late 2019) (import z SSD na SSD) Core i7 2,6 / 4,5 GHz |
21:13 |
| MacBook Air (early 2020) (import z karty SD na SSD) Core i3 1,1 / 3,2 GHz |
28:29 |
| MacBook Pro 14,2” (late 2021) Apple M1 Pro 10-core CPU (8+2) 16-core GPU 32 GB RAM | 4 TB |
2:11,70 |
| MacBook Air 13,6” (mid 2022) Apple M2 8-core CPU (4+4) 8-core GPU 8 GB RAM | 256 GB |
12:05 |
| MacBook Pro 14,2” (early 2023) Apple M2 Pro 10-core CPU (6+4) 16-core GPU 16 GB RAM | 512 GB |
2:54,33 |
| Mac Mini (early 2023) Apple M2 Pro 12-core CPU (8+4) 19-core GPU 16 GB RAM | 1 TB |
2:57,17 |
| MacBook Air 15,3” (mid 2023) Apple M2 8-core CPU (4+4) 10-core GPU 16 GB RAM | 1 TB |
4:11,43 |
| Mac Studio (mid 2023) Apple M2 Max 12-core CPU (4+4) 38-core GPU 64 GB RAM | 2 TB |
59,67 |
| iMac (late 2023) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB |
3:45,69 |
| MacBook Pro 16,2” (late 2023) Apple M3 Max 16-core CPU (12+4) 40-core GPU 128 GB RAM | 8 TB |
2:15,74 |
| MacBook Air 15,3” (early 2024) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB |
5:19,08 |
| Mac Mini (late 2024) Apple M4 Pro 12-core CPU (8p+4e) 16-core GPU 24 GB RAM | 512 GB |
58,91 |
| MacBook Pro (late 2024) Apple M4 Pro 14-core CPU (10p+4e) 20-core GPU 48 GB RAM | 2 TB |
55,30 |
| iMac (late 2024) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
2:06,78 |
| MacBook Air 13″ (early 2025) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
2:33,95 |
| MacBook Air 13″ (early 2025) Apple M4 10-core GPU (4p+6e) 8-core GPU 16 GB RAM | 256 GB |
2:50,96 |
| Mac Studio (early 2025) Apple M4 Max 16-core CPU (12p+4e) 40-core GPU 128 GB RAM | 1 TB |
31,56 |
| MacBook Pro 14” (late 2025) Apple M5 10-core CPU (4p+6e) 10-core GPU 16 GB RAM | 1 TB |
Pomiar 1: 1:28,75 Pomiar 2: 1:46,26 Pomiar 3: 2:06,70 Pomiar 4: 1:46,98 Średnia: 1:47,17 |
| MacBook Neo (early 2026) Apple A18 Pro 6-core CPU (2p+4e) 5-core GPU 8 GB RAM | 256 GB |
10:16,69 |
| MacBook Pro 16” (early 2026) Apple M5 Pro 18-core CPU (6s+12p) 20-core GPU 64 GB RAM | 4 TB |
1:19,78 |
Analiza
Tutaj ponownie zaskoczenie – mamy druzgocącą wygraną w przypadku importu. Nowe SSD tutaj robi robotę. W przypadku eksportu jest jednak zdecydowanie gorzej niż choćby 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) dzięki komendy w Terminalu:
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
- Teraz czas na install llamy:
brew install llama.cpp
- Tworzymy strukturę katalogów na ~/Desktop (~/Biurko):
mkdir -p ~/Desktop/LLM_Benchmark/models
cd ~/Desktop/LLM_Benchmark
- Pobieramy wybrany z następujących modeli z Hugging Face odpowiednio dla progów RAM – 8, 32, 64 i 128 GB:
- 8 GB RAM: Meta Llama 3.1 (8B) | bartowski/Meta-Llama-3.1-8B-Instruct-GGUF | Meta-Llama-3.1-8B-Instruct-Q4_K_M.gguf
- 32 GB RAM: Google Gemma 2 (27B) | bartowski/gemma-2-27b-it-GGUF | gemma-2-27b-it-Q4_K_M.gguf
- 64 GB RAM: Meta Llama 3.1 (70B) | bartowski/Meta-Llama-3.1-70B-Instruct-GGUF | Meta-Llama-3.1-70B-Instruct-Q4_K_M.gguf
- 128 GB RAM: Mistral Large 2 (123B) | bartowski/Mistral-Large-Instruct-2407-GGUF | Mistral-Large-Instruct-2407-Q4_K_M.gguf
- Wszystko co pobraliśmy przenosimy do:
~/Desktop/LLM_Benchmark/models
- Ponieważ Mistral Large 2 (123B) jest do pobrania w dwóch plikach, to upewniamy się, iż oba pliki są w tym samym folderze i wykonujemy poniższą komendę (to wykonujemy tylko jeżeli pobraliśmy ten konkretny model)…
llama-gguf-split --merge Mistral-Large-Instruct-2407-Q4_K_M-00001-of-00002.gguf model_128B_q4.gguf
- Pobieramy mój skrypt z mojego Google Drive do benchmarkowania i zapisujemy go w folderze ~/Desktop/LLM_Benchmark/
- Teraz musimy mu nadać uprawnienia:
chmod +x ~/Desktop/LLM_Benchmark/benchmark.sh
- Skrypt uruchamiamy z parametrem x, gdzie x = 8, 32, 64 lub 128:
./benchmark.sh x np. ./benchmark.sh 8
- Podczas wykonywania się benchmarka pilnujemy w Monitorze aktywności (Activity Monitor), żeby system nie wykorzystywał swap.
- Całość może trwać kilkanaście minut, więc cierpliwości.
- Pozamykajcie też wszystkie aplikacje poza Terminalem i Monitorem aktywności, żeby zwolnić maksymalnie dużo RAM-u.
Wyniki
| model | size | params | backend | threads | test | t/s |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 8 | pp1024 | 52.40 ą 0.36 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 8 | pp4096 | 49.52 ą 1.57 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 8 | pp8192 | 47.57 ą 0.08 |
| model | size | params | backend | threads | test | t/s |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 8 | pp16 | 27.86 ą 0.02 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 8 | tg512 | 7.01 ą 0.00 |
| model | size | params | backend | threads | test | t/s |
| llama 3B Q4_K – Medium | 1.87 GiB | 3.21 B | BLAS,MTL | 2 | pp1024 | 201.79 ą 8.94 |
| llama 3B Q4_K – Medium | 1.87 GiB | 3.21 B | BLAS,MTL | 2 | pp4096 | 161.59 ą 1.80 |
| llama 3B Q4_K – Medium | 1.87 GiB | 3.21 B | BLAS,MTL | 2 | pp8192 | 137.77 ą 1.14 |
| model | size | params | backend | threads | test | t/s |
| llama 3B Q4_K – Medium | 1.87 GiB | 3.21 B | BLAS,MTL | 2 | pp16 | 92.32 ą 3.88 |
| llama 3B Q4_K – Medium | 1.87 GiB | 3.21 B | BLAS,MTL | 2 | tg512 | 19.85 ą 0.11 |
| model | size | params | backend | threads | test | t/s |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | pp1024 | 107.72 ą 0.88 |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | pp4096 | 100.90 ą 0.67 |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | pp8192 | 90.26 ą 1.31 |
| model | size | params | backend | threads | test | t/s |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | pp16 | 47.82 ą 0.04 |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | tg512 | 6.46 ą 0.01 |
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, iż 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 iż 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, iż 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, iż 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, iż 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, iż 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 interesujący jak M5 Max się spisze w powyższym.
Wideo
Jeśli artykuł 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 nie wygląda prawidłowo w Twoim czytniku RSS, to zobacz go na iMagazine.
