Apple M5 Ultra 运行本地大模型
作者： Jakub Rusinowski · 最后更新：
凭借 512 GB LPDDR5X、1,229 GB/s 带宽，M5 Ultra 可在 Q4_K_M、8K 上下文下运行目录中的 163 个模型。能放下的最大模型是 Step 5 Preview 600B-A27B（约 366.4 GB），首选是 Nemotron 3 Ultra 550B，速度 12–26 tok/s。
Apple的四芯片Ultra：最高36个CPU核心、80个GPU核心和512 GB统一内存，带宽约1.2 TB/s——这是普通人能直接买到的机器中内存带宽最高的一台，容量足以装下原本需要租用服务器才能运行的模型。
可在 M5 Ultra 上运行的模型
Q4_K_M，8K 上下文，可用 384 GB。按质量和速度排序。
| 模型 | 显存 · 标记 = 384 GB | 显存 | 速度 |
|---|---|---|---|
| Nemotron 3 Ultra 550B Nemotron 3 Ultra | 339.3 GB | 12–26 tok/s | |
| Beam 1.0 501B-A23B Reflection Beam | 303.5 GB | 21–44 tok/s | |
| Qwen3-Coder 480B-A35B (MoE) Qwen3-Coder | 291.6 GB | 18–38 tok/s | |
| MiniMax M3 428B-A23B MiniMax M3 | 259.2 GB | 22–45 tok/s | |
| MiniMax M3.1 Flash 428B-A23B MiniMax M3 | 259.2 GB | 22–45 tok/s | |
| Llama 4 Maverick 17B Llama 4 | 243.9 GB | 32–65 tok/s | |
| Trinity-Large-Thinking Trinity | 242 GB | 42–88 tok/s | |
| Qwen 3.5 397B-A17B Qwen 3.5 | 240.5 GB | 27–55 tok/s | |
| Nex-N2.5 Pro Nex-N2.5 | 240.5 GB | 27–55 tok/s | |
| Nex-N2 Pro Nex-N2 | 240.5 GB | 27–55 tok/s | |
| K2 Horizon 375B-A23B K2 Horizon | 231.8 GB | 24–51 tok/s | |
| GLM-5.3-Flash 320B-A18B GLM-5.3-Flash | 194 GB | 26–54 tok/s |
购买显卡，或租用同等显存
直接购买显卡，或按小时租用同等显存的 GPU，先试用模型。
作为亚马逊联盟成员，我们从符合条件的购买中获得收入。云 GPU 链接为推荐链接——我们可能获得佣金，您无需额外付费。
与其他 GPU 的速度对比
Llama 3.1 8B，Q4_K_M。估算区间。 计算方法
规格
规格更新于 2026-09-19。
- 显存
- 512 GB LPDDR5X
- 内存带宽
- 1,229 GB/s
- 显存位宽
- 1024-bit
- 架构
- ARM, 3nm TSMC
- 系列
- Apple Silicon
- 整卡功耗
- 120 W
- 发布年份
- 2026
- 计算后端
- METAL
- 模型可用
- 384 GB（约为统一内存的 75%）
相似 GPU
常见问题
Apple M5 Ultra 能运行本地大模型吗？
可以。它有 512 GB（模型可用 384 GB），在 Q4_K_M、8K 上下文下可运行目录中的 163 个模型；最大的是 Step 5 Preview 600B-A27B，约需 366.4 GB。
Apple M5 Ultra 的 AI 推理速度有多快？
估计它在 Q4_K_M 下运行 Llama 3.1 8B 的速度为 59–123 tok/s。Llama 3.3 70B 的估算为 9.6–20 tok/s。这些是基于内存带宽的模型估算，并非实测；公式见方法说明页。
512 GB 能运行哪些大模型？
能放下的最佳模型包括：Nemotron 3 Ultra 550B、Beam 1.0 501B-A23B、Qwen3-Coder 480B-A35B (MoE)、MiniMax M3 428B-A23B、MiniMax M3.1 Flash 428B-A23B。