M5 Ultra 256 G Mac Studio 上手实测：27B 本地模型 + 全套跑分（附 M3 Ultra 对比）
汇总来自一段 YT 视频 十万元的苹果电脑，AI 时代的版本答案？所有数字均为视频中展示的原始数据，未做二次加工。 对比机型统一为 M3 Ultra。
一、测试环境与口径
本地大模型测试配置
| 项目 | 设置 |
|---|---|
| 模型 | Qwen3.8-27B-4bit（ 15.7 GB ） |
| Benchmark Context | Code (Python) |
| 单请求测试项 | pp1024 / pp4096 / pp8192 |
| 生成长度 | 128 tokens （固定） |
| ANE-aligned prompts | ✅ 开启（+1 token ，使 prefill 对齐 2048 整块） |
| 连续批处理测试 | 2x / 4x / 8x （口径 pp1024 / tg128 ） |
| Force mix-lm engine | ✅ 开启 → 结果为 LM-only 基线（ MTP 关闭） |
| 外部 API 端点 | 未启用（纯本地推理） |
⚠️ 由于 MTP 被关闭，以下推理数字属于保守基线，不是该机日常可用速度。 另外因开启了 ANE 对齐，测试项 pp1024/pp4096 在结果表中显示为 pp1025 / pp4097。
二、AI 本地推理
2.1 单请求原始结果
| Test | TTFT | TPOT | pp TPS | tg TPS | E2E Latency | Throughput | Peak Mem |
|---|---|---|---|---|---|---|---|
| pp1025/tg128 | 661.8 ms | 20.84 ms/tok | 1548.7 tok/s | 48.4 tok/s | 3.318 s | 347.5 tok/s | 15.85 GB |
| pp4097/tg128 | 2573.6 ms | 21.09 ms/tok | 1591.9 tok/s | 47.8 tok/s | 5.265 s | 802.5 tok/s | 17.01 GB |
2.2 解码速度（单路）
| 机型 | 解码速度 |
|---|---|
| M5 Ultra | 51 Token/s |
| M3 Ultra | 35 Token/s |
2.3 多并发解码（聚合吞吐）
| 并发数 | M5 Ultra | M3 Ultra | 画面标注 |
|---|---|---|---|
| 2 并发 | 102.4 | 70.0 | +46.3% |
| 4 并发 | 169.4 | 130.0 | +30.3% |
| 8 并发 | 248.9 | 257.4 | −3.3% ⚠️ |
8 并发是本组中唯一一项 M5 Ultra 落后 M3 Ultra 的测试。
2.4 多并发预填充
| 并发数 | M5 Ultra | M3 Ultra | 画面标注 |
|---|---|---|---|
| 2 并发 | 1243.3 | 345.5 | 3.6× |
| 4 并发 | 1071.9 | 302.4 | 3.5× |
| 8 并发 | 1016.1 | 282.6 | 3.6× |
横轴为并发数；纵轴画面标注为「每秒生成 token 」。
2.5 8 并发端到端延迟
口径 pp1024 / tg512 ｜ 单位：秒，越低越好
| 机型 | 端到端延迟 |
|---|---|
| M5 Ultra | 12.176 s |
| M3 Ultra | 32.971 s |
画面标注：快 2.8 倍
三、CPU
3.1 Geekbench 7 CPU
| 项目 | M5 Ultra | M3 Ultra | 提升 |
|---|---|---|---|
| 单核 | 3,711 | 2,963 | +25.2% |
| 多核 | 51,760 | 40,271 | +28.5% |
3.2 Cinebench 2026 CPU · 单核
| 机型 | 分数 |
|---|---|
| 锐龙 9950X3D | 780 |
| M5 Ultra | 744 |
| M3 Ultra | 676 |
3.3 Cinebench 2026 CPU · 多核
| 机型 | 分数 | 提升 |
|---|---|---|
| M5 Ultra | 17,348 | — |
| M3 Ultra | 12,082 | +43.6% |
四、GPU 合成基准
4.1 Geekbench 7 GPU
| 机型 | 分数 | 提升 |
|---|---|---|
| M5 Ultra | 352,444 | — |
| M3 Ultra | 263,242 | +33.9% |
4.2 Cinebench 2026 GPU
| 机型 | 分数 |
|---|---|
| RTX 5090 | 160,000 |
| M5 Ultra | 140,734 |
| RTX 5080 | 100,000 |
| M3 Ultra | 83,865 |
M5 Ultra 对 M3 Ultra：**+67.8%**
4.3 Blender GPU 测试
版本 5.2.1 LTS ｜ 单位：采样/分钟，越高越好
| 场景 | M5 Ultra | M3 Ultra | 提升 |
|---|---|---|---|
| 杂货店 | 3,795 | 2,048 | +85.3% |
| 狮子 | 4,806 | 2,861 | +68% |
4.4 3DMark Steel Nomad
| 机型 | 分数 |
|---|---|
| RTX 5080 | 8,800 |
| M5 Ultra | 8,052 |
| M3 Ultra | 5,548 |
| RTX 5070 | 5,326 |
M5 Ultra 对 M3 Ultra：**+45.1%**
4.5 3DMark Solar Bay Extreme
| 机型 | 分数 |
|---|---|
| RTX 5070 Ti | 27,915 |
| M5 Ultra | 26,105 |
| M3 Ultra | 16,426 |
| RTX 5060 Ti | 15,300 |
M5 Ultra 对 M3 Ultra：**+58.9%**
五、光追与游戏实机
赛博朋克 2077 基准测试
口径：4K 分辨率 · 超级光追预设 · MetalFX 质量档 ｜ 单位：每秒帧数，越高越好
| 项目 | M5 Ultra | M3 Ultra | 提升 |
|---|---|---|---|
| 开启光追 | 37.28 | 20.39 | +82.8% |
| 关闭光追 | 60.32 | 47.78 | +26.2% |
六、提升幅度一览（ M5 Ultra 对 M3 Ultra ）
| 测试项 | 提升 |
|---|---|
| Blender · 杂货店 | +85.3% |
| 赛博朋克 2077 · 开光追 | +82.8% |
| Blender · 狮子 | +68% |
| Cinebench 2026 GPU | +67.8% |
| 3DMark Solar Bay Extreme | +58.9% |
| 多并发解码 · 2 并发 | +46.3% |
| 3DMark Steel Nomad | +45.1% |
| Cinebench 2026 CPU · 多核 | +43.6% |
| Geekbench 7 GPU | +33.9% |
| 多并发解码 · 4 并发 | +30.3% |
| Geekbench 7 CPU · 多核 | +28.5% |
| 赛博朋克 2077 · 关光追 | +26.2% |
| Geekbench 7 CPU · 单核 | +25.2% |
| 多并发解码 · 8 并发 | −3.3% |
| 8 并发端到端延迟 | 快 2.8 倍 |
| 多并发预填充 | 3.5–3.6× |
数据说明
- 本文所有数值均直接取自于视频内容，未做换算或修正，仅供参考。