蘋果 8 月發表搭載 M5 Ultra 的新款 Mac Studio，號稱本地 AI 效能最高提升 4.3 倍、儲存速度 2 倍、CPU 速度 1.3 倍，統一記憶體頻寬來到每秒 1.2TB。國外知名科技 YouTuber 亞歷克斯・齊斯金德（Alex Ziskind）把 M5 Ultra 與前代 M3 Ultra 並排正面對決，標題下的結論很直白：「Apple Wasn’t Messing Around」（蘋果沒在開玩笑）。他這次實測的是 M5 Ultra 滿配版本：80 核 GPU、256GB 統一記憶體（512GB 版本隔月開賣）、8TB SSD，整機售價 14,299 美元（約新台幣 46.5 萬元），M5 Ultra 版 Mac Studio 起價則為 5,499 美元（約新台幣 17.9 萬元）。他笑說這代「效能升級，價格也升級不少」，測試機由蘋果出借，對照組 M3 Ultra 則是自掏腰包購買。
M5 Ultra AI 效能實測：本地 AI 性能提升幅度與宣傳文案相符
測試配置：36 核心、無能效核
M5 Ultra 的 CPU 共 36 核心，由 24 個效能核心與 12 個超級核心組成，Mac Studio 內完全沒有能效核心。為求公平，兩台機器跑的是同一版 llama.cpp 與 MLX 編譯、載入完全相同的模型檔。影像處理方面，M5 Ultra 的媒體引擎編解碼區塊是 M5 Max 的兩倍，官方宣稱可同時播放多達 33 條 8K ProRes 422 30fps 影片流。Geekbench 7 跑分也顯示，36 核 M5 Ultra 單核 3,774 分、多核 52,516 分，比 32 核 M3 Ultra 的平均值高出約 30% 與 35%，與官方「單執行緒 1.25 倍、多執行緒 1.3 倍」的說法大致吻合。
開發者工作負載：編譯與儲存起飛
對開發者而言，這台機器「效能過剩」。Speedometer 網頁效能測試從 M3 Ultra 的 47 分來到 60.2 分。實際編譯測試更明顯：一個含 10 萬個命名空間與類別的大型 .NET 專案，編譯時間從 71.7 秒縮到 52.4 秒；純 Python 的曼德博（Mandelbrot）演算法測試從 10.25 秒縮到 5.8 秒，足足快兩倍，主持人直呼「從沒看過這麼快」。
官方說儲存快 2 倍，實測還超過。AmorphousDiskMark 順序讀寫：M3 Ultra 讀 5930MB/s、寫 7788MB/s；M5 Ultra 讀 14,888MB/s、寫逼近 20,000MB/s。編譯更依賴的隨機讀寫同樣快兩倍以上，他的評語是「行銷部門標 2 倍的寫法太保守」。這對 AI 也有直接影響：載入一個 140GB 的模型檔時，讀取速度快上一大截。
本地 LLM 的兩個關鍵數字
測本地大模型只看兩個數字：提示處理（Prompt Processing，PP）與 token 生成（Token Generation，TG）。PP 是模型「讀」提示詞的過程，吃的是 GPU 算力；TG 是模型「寫」答案的過程，吃的是記憶體頻寬。
M5 Ultra 的架構升級正對症下藥：M3 世代的 GPU 核心只是普通顯示核心，M5 世代的每個 GPU 核心內建一顆神經加速器（Neural Accelerator），等於每顆核心都有一塊專用矩陣乘法 AI 硬體。llama.cpp 啟動時的「has tensor」旗標在 M3 Ultra 顯示 false、M5 Ultra 顯示 true，代表軟體已針對 M5 家族啟用神經加速器路徑。蘋果官方也強調這是神經加速器首次進入 Ultra 等級晶片，對比 M3 Ultra 最高可達 4.3 倍峰值 AI 運算。
記憶體頻寬實測：1.2TB/s 達陣約 86%
官方標稱 1.2TB/s。先跑老牌的 STREAM 基準測試（屬 CPU 端測試）：M3 Ultra 312.9GB/s 對上 M5 Ultra 583.6GB/s。改用 GPU 端微基準測試（對 AI 才有意義）：M3 Ultra 實測 724GB/s（官方標 819GB/s，達陣約九成），M5 Ultra 實測 1,039GB/s（官方標 1.2TB/s，達陣約 85% 到 86%），實測頻寬是 M3 Ultra 的 1.4 倍。
三種模型實測：MoE 與稠密模型都驗證
- DeepSeek V4 Flash（2,840 億參數，MoE）：token 生成從 37 提升到 53 tokens/s（約 1.5 倍），與頻寬增幅一致；提示處理從 483 提升到 1,485 tokens/s（3 倍）。
- GPT-OSS 120B（1,200 億參數，MoE）：token 生成 90 對 130 tokens/s；提示處理 1,300 對約 3,200 tokens/s。長上下文測試中，已在 6 萬 4,000 tokens 上下文的情況下再餵 3 萬 2,000 tokens，M3 Ultra 要 80 秒、M5 Ultra 只要 56 秒。
- Qwen 3 8.27B（稠密模型）：token 生成 37 對 54 tokens/s（1.47 倍）；提示處理 430 對 1,800 tokens/s，超過 4 倍。另以 1 萬 4,000 tokens 的真實程式碼檔案測試，提示處理從 33 秒縮到 8 秒，實測 4.2 倍，兌現官方「最高 4 倍」的承諾。
MoE（專家混合）與稠密模型的 token 生成都落在 1.4 到 1.5 倍，跟實測記憶體頻寬的 1.4 倍完全對上，驗證了 TG （token 生成）吃記憶體頻寬的理論。最大的世代差落在提示處理，這正是 M3、M4 世代一直的短板，神經加速器把它一次補到位。
四倍的前提與功耗代價
看到這先別急著刷卡，4 倍提示處理有前提：提示詞要夠長。要到約 14,000 tokens 才摸到 4 倍門檻；純聊天等級的 350 tokens 短提示只有 1.6 倍。「主要是聊天的用戶感受不大，但餵它幾個原始碼檔就會有感。」
能效提升有限：生成期間晶片功耗約 45 瓦，M3 Ultra 為 36 瓦（均為 GPU 加 CPU，非插座功耗），每瓦 token 效率只提升約 12%。待機功耗倒是更低，M5 Ultra 約 8 到 10 瓦，M3 Ultra 為 11 到 12 瓦。但 GPU 滿載時差距懸殊：M3 Ultra 接近 200 瓦，M5 Ultra 超過 400 瓦，風扇聲明顯更大，機身溫度約 43、44 度，「比 M3 那代燙手不少」。
總結：token 生成 1.5 倍，提示處理 2 到 4 倍
主持人的結論：token 生成 1.5 倍是「不錯的升級」，提示處理 2 到 4 倍對程式碼代理（coding agent）用戶「絕對有感」。預告的多工測試中，同時處理 8 個請求時 M5 Ultra 輸出 134 tokens/s，M3 Ultra 為 75 tokens/s。他也預告後續將深入比較 MLX 與 llama.cpp、8-bit 模型，並用 512GB 機型與 Mac Studio 叢集測更大模型。
更多細節大家可以看影片內容，可以自行開啟 cc 字幕：
