MacBook Pro mit OLED und Touch im Test: Runde zwei für den M5 Pro und M5 Max

Als Prozessoren kommen wie im Frühjahr erneut M5 Pro und M5 Max zum Einsatz. Der M5 Ultra ist dem Mac Studio vorbehalten. Apple positioniert beide Chips für anspruchsvolle professionelle Anwendungen, darunter Software­entwicklung, wissen­schaftliche Berechnungen, Videobearbeitung, 3D-Rendering und lokale KI-Verarbeitung.

Der M6 bleibt außen vor

Die neueste M6-Generation aus der 2-nm-Fertigung, aber mit insgesamt weniger Leistung, bleibt dem neuen Mac mini (Test), neuen MacBook-Pro-Basismodell und neuen iMac vorbehalten.

Zwei M5 Pro und zwei M5 Max stehen zur Auswahl

Der M5 Pro ist in Konfigurationen mit 15 CPU-Kernen und 16 GPU-Kernen oder mit 18 CPU-Kernen und 20 GPU-Kernen erhältlich. Die CPU setzt sich je nach Ausführung aus fünf beziehungsweise sechs Super- sowie zehn beziehungsweise zwölf Performance-Kernen zusammen. Die Speicherbandbreite beträgt 307 GB/s. Der M5 Max bietet eine 18-Kern-CPU und wahlweise eine GPU mit 32 oder 40 Kernen. Das Testgerät kam mit dem größeren der beiden M5 Max zu uns. Die Speicherbandbreite steigt beim M5 Max auf 460 bzw. 614 GB/s. Beide M5-Chips verfügen über eine 16-Kern-Neural-Engine, hardware­­beschleunigtes Raytracing und Neural Accelerators in den GPU-Kernen.

Extrem hohe Leistung, aber nicht noch mehr

Das sind die technischen Eckdaten, die auch das MacBook Pro ohne OLED und Touch (Test) bietet. Das neue MacBook-Pro-Modell schafft ganz nüchtern betrachtet demnach keinen Kaufgrund, wenn allein mehr Leistung das Ziel der Anschaffung ist.

Benchmarks mit M5 Max und 128 GB RAM

Das bestätigen auch die Benchmarks für CPU, GPU und KI-Workloads, die wir auf einer Maximalkonfiguration mit 128 GB RAM bzw. Unified Memory durchgeführt haben. Die Abweichungen zum zuletzt getesteten MacBook Pro mit M5 Max und 128 GB RAM liegen im einstelligen Prozentbereich. Schade, dass nicht auch gleich die größeren 2-nm-Ausbaustufen „M6 Pro“ und „M6 Max“ für die Neuauflage einsatzbereit waren.

Gerüchten zufolge soll es diese Ausbaustufen in der M6-Familie aber gar nicht geben, sondern erst wieder mit der M7-Serie, die schon nächstes Jahr Einzug in das MacBook Pro halten soll. Wer somit Bildschirm und Leistung aufrüsten möchte, sollte sich bei einer derart teuren Investition vielleicht noch ein wenig länger gedulden.

SSD-Benchmarks mit 2-TB-Konfiguration

LLM-Benchmarks auf dem M5 Max

Der Apple M5 Max im Vollausbau mit 40-Kern-GPU liefert mit 128 GB schnellem LPDDR5X-9600 auch im neuen MacBook Pro mit OLED die von ihm zu erwartende Inferencing-Leistung ab.

Bei Token-Generation (Ausgabe einer Antwort aus dem LLM) wird RTX Spark deutlich geschlagen, auch im wenig praxisrelevanten llama.cpp-vs.llama.cpp-Vergleich; die Leistung liegt fast doppelt so hoch, mit MLX-ML wird der Faktor 2 erreicht. Beim Prompt Processing (Bearbeitung von Eingaben in das LLM) ist MLX-ML wiederum der entscheidende Faktor, um den M5 Max abermals deutlich in Führung zu bringen – mit llama.cpp liegt Spark vorne. Gegenüber llama.cpp legt die Leistung mit MLX-ML aber im Durchschnitt um 40 Prozent zu.

Wie wurde getestet?

Die „KI-Leistung“ ist im Kontext großer LLMs mit Blick aus zwei Perspektiven zu betrachten:

1. Was geht überhaupt (a.k.a gibt es genug „VRAM“)
2. Wie schnell geht das, was geht?

Einen Blick aus beiden Perspektiven ermöglichen die gewählten Benchmarks, die verschieden große LLMs nutzen, um auch aufzuzeigen, was passiert, wenn der GPU-Speicher nicht mehr ausreicht, das Modell aber noch in den RAM ausgelagert werden kann.

Da der Parcours zuletzt für das Testmuster von RTX Spark mit 64 GB Unified Memory ausgelegt worden war, passen die im Vergleich aktuell enthaltenen Modelle allerdings alle problemlos in den vom M5 Max allokierten Grafikspeicher, der sich aus den 128 GB Unified Memory des Testmusters bedienen kann. „Was geht überhaupt?“ ist im Kontext des aktuellen Vergleichs mit Blick auf das Muster des MacBook Pro 16 mit M5 Max und 128 GB Speicher also mit „alles“ zu beantworten.

Für die konkreten Leistungsmessungen kamen dann wiederum zwei verschiedene Software-Plattformen zur Anwendung:

1. llama-bench für llama.cpp, die Inferenz-Engine, die es für alle Betriebssysteme und in optimierten Varianten für Nvidia (CUDA), AMD (ROCm), Intel (OpenVINO), aber auch Vulkan und OpenCL gibt. Es kam immer die Version B11370 zum Einsatz, je nach Plattform in der jeweils optimierten Version (RTX Spark: Arm64, CUDA, GeForce RTX: x86, CUDA, AMD: x86, ROCm und Vulkan etc.). Auch das MacBook Pro und der Mac mini mussten sich in llama-bench messen (macOS, Arm64).
2. mlx_lm.benchmark für MLX-LM: Apples eigene Inferencing-Engine, die auf Modelle im MLX-Format angewiesen ist, die es von allen im Benchmark verwendeten Modellen gibt. Die Version von MLX-ML war die zum Testzeitpunkt aktuelle, Python lag in Version 3.12 vor. Dieser Benchmark lief nur auf den Systemen von Apple.

Es wurden jeweils zwei Szenarien getestet: Prompt Processing mit 2.048 Tokens und Token Generation mit 128 Tokens. Beim Prompt-Processing kommt es vorrangig auf die Rechenleistung an, Token Generation ist wiederum stärker von der Speicherbandbreite abhängig.