Ноутбук RTX 5090 от NVIDIA обладает достаточным объемом VRAM, чтобы выкручивать все визуальные настройки в самых требовательных AAA-тайтлах, но при запуске AI-нагрузок для 24-гигабайтного кадрового буфера GPU начинается совершенно другая игра. Тем не менее, серия тестов показывает, что он способен противостоять M5 Max от Apple, убедительно превосходя его в ряде LLM-нагрузок, и так до тех пор, пока бенчмарки не запустят более тяжелую AI-модель в сочетании с увеличенной Context Length.
Архитектура унифицированной памяти M5 Max приходит на помощь, значительно превосходя RTX 5090 в генерации токенов после увеличения Context Length
Обновленный Razer Blade 18 сразился с последним и лучшим 16-дюймовым MacBook Pro от Apple: Алекс Зискинд сравнивал всевозможные бенчмарки, включая AI-нагрузки. Начав с Qwen3 4B, работающего с 4-битной квантизацией и Context Length 262 144, становится ясно, что сырой графической мощности RTX 5090 здесь недостаточно, поскольку почти весь его 24-гигабайтный VRAM израсходован, что приводит к скорости генерации 25,28 токенов/сек.
Для сравнения, M5 Max показал 181,40 токенов/сек. Однако как только Context Length снижается до 68 014, для RTX 5090 освобождается масса VRAM, что позволяет GPU достичь 160,36 токенов/сек. Что касается того, почему графический чип по-прежнему медленнее M5 Max, это, вероятно, связано с различием используемых программ. В Windows использовался LM Studio, а для Apple Silicon — MLX.
К счастью, RTX 5090 еще не повержен, поскольку ютубер запустил ряд LLM, таких как Gemma 4 12B, Qwen3.5 27B и Qwen3.6 35B A3B с использованием llama.cpp. И в обработке промптов, и в генерации токенов RTX 5090 одержал верх по сравнению с M5 Max. С другой стороны, стоит помнить, что самый быстрый GPU NVIDIA для ноутбуков всегда будет королем горы, пока он не заполнит свой 24-гигабайтный VRAM.
К сожалению, если вы собираетесь запускать чрезвычайно плотные модели, такие как Qwen3.5 122B, у RTX 5090 нет абсолютно никаких шансов выйти из этого теста невредимым. Что касается M5 Max и его 128 ГБ унифицированной памяти, он достигает обработки промптов 139 токенов/сек и генерации токенов 47,4, потребляя 94 ГБ ОЗУ. Если вам интересно, почему NVIDIA стремится запустить RTX Spark, запуск более тяжелых AI-моделей определенно будет одной из причин.
Для подробного ознакомления с тестами можете посмотреть видео Алекса Зискинда выше и дайте нам знать, что вы думаете, в комментариях.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Omar Sohail
