苹果8 月发表搭载M5 Ultra 的新款Mac Studio，号称本地AI 效能最高提升4.3 倍、储存速度2 倍、CPU 速度1.3 倍，统一记忆体频宽来到每秒1.2TB。国外知名科技爱奇艺r 亚历克斯・齐斯金德（Alex Ziskind）把M5 Ultra 与前代M3 Ultra 并排正面对决，标题下的结论很直白：「Apple Wasn’t Messing Around」（苹果没在开玩笑）。他这次实测的是M5 Ultra 满配版本：80 核GPU、256GB 统一记忆体（512GB 版本隔月开卖）、8TB SSD，整机售价14,299 美元，M5 Ultra 版Mac Studio 起价则为5,499 美元。他笑说这代「效能升级，价格也升级不少」，测试机由苹果出借，对照组M3 Ultra 则是自掏腰包购买。
M5 Ultra AI 效能实测：本地AI 性能提升幅度与宣传文案相符
测试配置：36 核心、无能效核
M5 Ultra 的CPU 共36 核心，由24 个效能核心与12 个超级核心组成，Mac Studio 内完全没有能效核心。为求公平，两台机器跑的是同一版llama.cpp 与MLX 编译、载入完全相同的模型档。影像处理方面，M5 Ultra 的媒体引擎编解码区块是M5 Max 的两倍，官方宣称可同时播放多达33 条8K ProRes 422 30fps 视频流。 Geekbench 7 跑分也显示，36 核M5 Ultra 单核3,774 分、多核52,516 分，比32 核M3 Ultra 的平均值高出约30% 与35%，与官方「单执行绪1.25 倍、多执行绪1.3 倍」的说法大致吻合。
开发者工作负载：编译与储存起飞
对开发者而言，这台机器「效能过剩」。 Speedometer 网页效能测试从M3 Ultra 的47 分来到60.2 分。实际编译测试更明显：一个含10 万个命名空间与类别的大型.NET 专案，编译时间从71.7 秒缩到52.4 秒；纯Python 的曼德博（Mandelbrot）演算法测试从10.25 秒缩到5.8 秒，足足快两倍，主持人直呼「从没看过这么快」。
官方说储存快2 倍，实测还超过。 AmorphousDiskMark 顺序读写：M3 Ultra 读5930MB/s、写7788MB/s；M5 Ultra 读14,888MB/s、写逼近20,000MB/s。编译更依赖的随机读写同样快两倍以上，他的评语是「行销部门标2 倍的写法太保守」。这对AI 也有直接影响：载入一个140GB 的模型档时，读取速度快上一大截。
本地LLM 的两个关键数字
测本地大模型只看两个数字：提示处理（Prompt Processing，PP）与token 生成（Token Generation，TG）。 PP 是模型「读」提示词的过程，吃的是GPU 算力；TG 是模型「写」答案的过程，吃的是记忆体频宽。
M5 Ultra 的架构升级正对症下药：M3 世代的GPU 核心只是普通显示核心，M5 世代的每个GPU 核心内置一颗神经加速器（Neural Accelerator），等于每颗核心都有一块专用矩阵乘法AI 硬体。 llama.cpp 启动时的「has tensor」旗标在M3 Ultra 显示false、M5 Ultra 显示true，代表软体已针对M5 家族启用神经加速器路径。苹果官方也强调这是神经加速器首次进入Ultra 等级晶片，对比M3 Ultra 最高可达4.3 倍峰值AI 运算。
记忆体频宽实测：1.2TB/s 达阵约86%
官方标称1.2TB/s。先跑老牌的STREAM 基准测试（属CPU 端测试）：M3 Ultra 312.9GB/s 对上M5 Ultra 583.6GB/s。改用GPU 端微基准测试（对AI 才有意义）：M3 Ultra 实测724GB/s（官方标819GB/s，达阵约九成），M5 Ultra 实测1,039GB/s（官方标1.2TB/s，达阵约85% 到86%），实测频宽是M3 Ultra 的1.4 倍。
三种模型实测：MoE 与稠密模型都验证
- DeepSeek V4 Flash（2,840 亿参数，MoE）：token 生成从37 提升到53 tokens/s（约1.5 倍），与频宽增幅一致；提示处理从483 提升到1,485 tokens/s（3 倍）。
- GPT-OSS 120B（1,200 亿参数，MoE）：token 生成90 对130 tokens/s；提示处理1,300 对约3,200 tokens/s。长上下文测试中，已在6 万4,000 tokens 上下文的情况下再喂3 万2,000 tokens，M3 Ultra 要80 秒、M5 Ultra 只要56 秒。
- Qwen 3 8.27B（稠密模型）：token 生成37 对54 tokens/s（1.47 倍）；提示处理430 对1,800 tokens/s，超过4 倍。另以1 万4,000 tokens 的真实程式码文件测试，提示处理从33 秒缩到8 秒，实测4.2 倍，兑现官方「最高4 倍」的承诺。
MoE（专家混合）与稠密模型的token 生成都落在1.4 到1.5 倍，跟实测记忆体频宽的1.4 倍完全对上，验证了TG （token 生成）吃记忆体频宽的理论。最大的世代差落在提示处理，这正是M3、M4 世代一直的短板，神经加速器把它一次补到位。
四倍的前提与功耗代价
看到这先别急着刷卡，4 倍提示处理有前提：提示词要够长。要到约14,000 tokens 才摸到4 倍门槛；纯聊天等级的350 tokens 短提示只有1.6 倍。 「主要是聊天的用户感受不大，但喂它几个原始码档就会有感。」
能效提升有限：生成期间晶片功耗约45 瓦，M3 Ultra 为36 瓦（均为GPU 加CPU，非插座功耗），每瓦token 效率只提升约12%。待机功耗倒是更低，M5 Ultra 约8 到10 瓦，M3 Ultra 为11 到12 瓦。但GPU 满载时差距悬殊：M3 Ultra 接近200 瓦，M5 Ultra 超过400 瓦，风扇声明显更大，机身温度约43、44 度，「比M3 那代烫手不少」。
总结：token 生成1.5 倍，提示处理2 到4 倍
主持人的结论：token 生成1.5 倍是「不错的升级」，提示处理2 到4 倍对程式码代理（coding agent）用户「绝对有感」。预告的多工测试中，同时处理8 个请求时M5 Ultra 输出134 tokens/s，M3 Ultra 为75 tokens/s。他也预告后续将深入比较MLX 与llama.cpp、8-bit 模型，并用512GB 机型与Mac Studio 丛集测更大模型。
