Apple 在 8 月 25 日發表搭載 M5 Max 與全新 M5 Ultra 的新款 Mac Studio，台灣自 8 月 27 日上午 9 時開放預購，並在 9 月 22 日正式供貨。搭載 M5 Ultra 的機型售價 NT$199,900 起，教育優惠價 NT$185,390 起；M5 Max 版本則是 NT$84,900 起。國外專門介紹 Mac 的作家 MacStories 在供貨前拿到 256GB 統一記憶體的 M5 Ultra 測試機，花了四天與前代 M3 Ultra（512GB）以及自家搭載 RTX 5090 的桌機對比，量測數據橫跨 4K 到 256K 的提示長度、四種量化精度與並行請求。結論很直接：這台機器把本地端 AI Agent 從「勉強能跑」推進到「可以當日常主力」。
規格與價格：頻寬是這一代的重點
M5 Ultra 版 Mac Studio 最高可配 36 核心 CPU、80 核心 GPU，每個 GPU 核心都內建一顆神經網路加速器，專門加速矩陣乘法運算。統一記憶體最高維持在 512GB，頻寬則從 M3 Ultra 的 819GB/s 提升到 1.2TB/s，增加 50%。Apple 官方數據稱 AI 峰值運算效能最高達 M3 Ultra 的 4.3 倍、M1 Ultra 的 9.8 倍。
新款 Mac Studio 首度支援 Wi-Fi 7 與藍牙 6，並具備 Thunderbolt 5。Apple 也把 RDMA（遠端直接記憶體存取）納入支援，讓多部 Mac Studio 能串成共享記憶體池；官方表示由四部機器組成的叢集，AI 運算速度可達單一系統的 3 倍。MacStories 測試的是 256GB 機型，512GB 版本要到 10 月底才會推出。
比 M3 Ultra 快多少：提示處理快 2.5 倍
對跑 AI Agent 的人來說，最折磨人的是等待模型讀完提示的那段空白（Prefill；預填充 與 TTFT；吐出首TOKEN時間）。現代 Agent 每一輪都會送出系統提示、個人化設定、session 記憶、skill 與 MCP 描述，上下文開場就有一大疊。MacStories 表示，過去用本地模型跑這類 Agent 時，只能盯著載入指示燈，而且對話越長越慢。
這次量測的改善主要落在提示處理。以 Qwen3.8-Flash-Next 為例，M5 Ultra 平均比 M3 Ultra 快 150%，約 2.5 倍。具體數字如下：
- 4K 提示：M5 Ultra 寫入 90.7 tok/s，M3 Ultra 為 59.0 tok/s
- 256K 提示：M5 Ultra 74.7 tok/s，M3 Ultra 38.6 tok/s。M5 Ultra 在 256K 的寫入速度，仍高於 M3 Ultra 在 4K 的表現
- 首字延遲（TTFT）：256K 冷快取時，M3 Ultra 要等 246 秒才吐出第一個字，M5 Ultra 是 104 秒
- 256K 讀取速度：M5 Ultra 2,544 tok/s，M3 Ultra 1,070 tok/s
短提示下，這顆模型能突破 100 tok/s；即使上下文塞到 64K 至 256K，仍有 60 至 85 tok/s 的水準。MacStories 說，這讓本地模型在 Open Minis 與 Hermes Agent 這類需要反覆呼叫工具的應用裡，終於站得住腳。
對上 RTX 5090：單項更快，但卡在 32GB
RTX 5090 在多數項目仍領先 M5 Ultra。以 Qwen3.8 27B 跑 6,091 token 的提示為例，5090 讀取 3,031 tok/s、寫入 59 tok/s；M5 Ultra 是讀取 1,701 tok/s、寫入 48 tok/s；M3 Ultra 則是 414 tok/s 與 31 tok/s。
差距的來源分成兩段。提示處理靠的是矩陣運算，這正是 NVIDIA Tensor Core 的主場，Apple 的神經網路加速器縮小了差距但沒追平。生成速度則取決於記憶體頻寬，模型每寫一個 token 就要把整個模型從記憶體拉出來一次，5090 的 1.79TB/s 對上 M5 Ultra 的 1.2TB/s，因此穩定領先約 25%。
5090 的問題在容量。它只有 32GB VRAM，一旦模型超過這個數字，就得透過 PCIe 把層卸載到速度慢得多的系統記憶體。MacStories 實測，改用借用系統 RAM 的方式後，5090 在 64K、128K、256K 的寫入速度掉到 4.6、2.9、1.5 tok/s。反觀 Mac Studio 是一整塊統一記憶體，256GB 或 512GB 都不會外溢。
體積與散熱也是評測者在意的地方。MacStories 描述，跑高上下文測試後走進辦公室，整間房明顯比其他空間悶熱；相較之下，桌上的 Mac Studio 只是摸起來溫溫的，風扇轉速與噪音都低得多，日常跑 4-bit 量化模型時，除非把耳朵貼到機器上，否則聽不到風扇聲。
量化與記憶體：5-bit 是甜蜜點
MacStories 在 256GB 機型上測試 Qwen 最新的 3.8 Flash-Next 模型四種量化版本，結果是 4-bit 與 5-bit 可以完整放進記憶體，6-bit 與 8-bit 必須把 n-gram 嵌入表卸載到 SSD。
- oQ4e：峰值佔用 155GB，全數在記憶體
- oQ5e：179GB，全數在記憶體
- oQ6e：嵌入表放 SSD 後 156GB。直接載入記憶體時，macOS 在 176.6GB 因記憶體壓力終止了伺服器
- oQ8e：嵌入表放 SSD 後 187GB。直接載入時 oMLX 拒絕執行，預估載入過程需 244.2GB，超過它允許的 200.4GB
對照組 M3 Ultra 的 512GB 記憶體，四種量化都能完整放進 RAM。MacStories 認為 5-bit 在 256GB 機型上是智慧程度、效能與記憶體佔用的平衡點，也提到若日後能測 512GB 版本，最想量的是不靠 SSD 卸載的 8-bit 表現。
並行與子代理：三條同時跑反而更划算
MacStories 另外測試同時送出三個請求的情境。M5 Ultra 在單一請求時合計輸出 66.2 tok/s，三個同時來則提升到 81.5 tok/s，等於多出 23% 的總吞吐量；M3 Ultra 從 38.4 微升到 39.9 tok/s，只有 4%。每個個別請求都會變慢，但整台機器完成的工作量變多。
在 5090 那台 PC 上，評測者讓主模型把一份帳務工作拆成三份交給子代理，循序執行需要 44.8 秒，改成並行後縮短到 32.1 秒。每個子代理的寫入速度從 63 tok/s 降到 44 tok/s，整體仍提前完成。
實際用途：99 天不間斷、成本 0 元
MacStories 表示自己並非 AI 開發者，不訓練也不微調模型。他今年夏天為了 iOS 與 iPadOS 27 的評測，自建一套名為 Desk 的內部應用，用來整理數百份筆記、session、PDF 與網頁擷取內容。專案最後累積到 310 份文件，一組以 DeepSeek V4 Flash 為基礎的代理加上 olmOCR 處理 PDF，連續 99 天、24 小時不間斷執行，負責轉錄 WWDC 場次、從各類來源擷取功能、交叉比對，並透過 Notion API 整理資料庫。
他提到，這類長時間常駐的背景工作若改用 OpenAI 或 Anthropic 的 API，成本高到難以負擔，因此轉向本地模型，最後這套研究流程的總花費是 0 元。文章本身仍由他逐字撰寫， AI AGENT 負責的是研究、筆記互連與新功能追蹤。
另外，他用 Qwen-Image-2.1 在本機生成桌布，耗時 180 秒，峰值記憶體佔用 78GB。他也把 Qwen3.8-Flash-Next 設為 Open Minis for iOS 與 Hermes Agent 的預設模型，並在 Codex 裡使用本地模型，讓雲端的主模型負責指揮本地子代理。
結語
MacStories 的結論是，M5 Ultra 的效能成長具體可量測，也反映 Apple 在自研晶片與統一記憶體架構上的投入開始對本地 AI 使用者產生實質回報。評測者坦言四天測試只碰到皮毛，還沒來得及試 DwarfStar、Inco Splash 與 Exo 等專案，其中 Exo 的 RDMA 實作理論上能透過 Thunderbolt 5 把運算分散到 M3 Ultra 與 M5 Ultra 兩台機器上。
至於 512GB 版本能做到什麼程度，他同樣抱持期待。對台灣使用者來說，M5 Ultra 版 NT$199,900 起的門檻並不低（而且本篇文章裡的配置至少要385,400元），這台機器的說服力建立在一個前提上：你真的打算把長時間、高頻率的 AI 工作留在自己的桌面，而不是付月費交給雲端。
