Las pruebas comparativas publicadas por Tom’s Hardware el 10 de noviembre de 2026 no señalan un ganador general entre el Mac Studio M5 Ultra y NVIDIA DGX Spark: el Mac quedó por delante en una prueba con Qwen, dos sistemas Spark en los contextos más largos de DeepSeek y el motor de inferencia cambió el resultado del Mac con GLM. La comparación de un solo sistema utilizó un Dell Pro Precision GB10, descrito por Tom’s Hardware como casi idéntico a DGX Spark; no fue un DGX Spark de venta al público. Tom’s Hardware publicó los resultados y las condiciones de cada prueba.
Para saber qué resultado te sirve, empieza por el modelo y el motor que vas a ejecutar: la misma máquina puede rendir de forma distinta al cambiar de configuración.
Si todavía estás decidiendo qué sobremesa de Apple encaja con tu trabajo, la comparación de NeoTeo entre Mac mini y Mac Studio aborda esa elección. Aquí la pregunta es más concreta: qué muestran las pruebas de inferencia local con modelos y sistemas distintos.
AgentPerf-Local: ventaja del Mac en la prueba de Qwen
En AgentPerf-Local, el Mac Studio M5 Ultra terminó en algo menos de la mitad del tiempo que un Dell Pro Precision GB10 y consumió alrededor de un 16 % menos de energía para completar la tarea. La prueba usó Qwen 3.8 27B, llama.cpp y predicción nativa de varios tokens en ambos equipos. El gráfico de consumo registró 138,96 kJ en el Mac y 165,96 kJ en el GB10.
AgentPerf-Local reproduce trazas de inferencia registradas. Según Tom’s Hardware, la mayor parte del trabajo de esta prueba corresponde al procesamiento de prompts, es decir, al análisis del texto de entrada antes de generar la respuesta. El resultado describe esa carga concreta; no determina por sí solo cómo rendirá cada sistema en cualquier flujo de agentes.
DeepSeek y GLM: el modelo y el motor cambian el resultado
En los contextos más largos probados con DeepSeek V4.1 Flash 1017, Tom’s Hardware informó de tiempos de entre 10 y 25 minutos en el Mac Studio con llama.cpp, frente a menos de cinco minutos en una configuración de dos sistemas Spark. El Mac probado tenía 256 GB de memoria y no podía alojar a la vez los pesos del modelo y el modelo auxiliar DSpark para decodificación especulativa, ni siquiera con cuantización de dos bits. La configuración Spark usó TensorFold y DSpark. Como cambian tanto el número de sistemas como la receta de inferencia, el resultado corresponde a esas configuraciones concretas.
Con GLM 5.3 Flash, el motor también alteró la medición del Mac. Tom’s Hardware informó que TensorFold, con cuantización de cuatro bits específica para MLX, acercó el procesamiento de prompts del Mac al del grupo Spark y triplicó, en promedio, el rendimiento de decodificación del resultado del Mac con llama.cpp. La configuración TensorFold del gráfico procesó 2.048 tokens de entrada y generó 512 de salida. En las pruebas publicadas, TensorFold admitía GLM 5.3 Flash, pero no DeepSeek V4.1 Flash 1017.
El procesamiento del prompt y la decodificación son fases distintas: el primero trabaja con el texto de entrada; la segunda genera la respuesta. Por eso, una mejora en una de ellas no equivale automáticamente a una mejora igual en la otra.
Resultados por modelo y carga de trabajo
| Modelo y carga | Mac Studio M5 Ultra | Dell GB10 o sistemas Spark |
| Qwen 3.8 27B en AgentPerf-Local | llama.cpp y predicción nativa de varios tokens; terminó en algo menos de la mitad del tiempo del GB10 y consumió alrededor de un 16 % menos de energía. | Un Dell Pro Precision GB10 con llama.cpp y predicción nativa de varios tokens; 165,96 kJ frente a 138,96 kJ del Mac. |
| DeepSeek V4.1 Flash 1017, contextos más largos probados | Equipo de 256 GB con llama.cpp; entre 10 y 25 minutos. | Dos sistemas Spark con TensorFold y DSpark; menos de cinco minutos. |
| GLM 5.3 Flash | TensorFold con cuantización MLX de cuatro bits triplicó, en promedio, el rendimiento de decodificación del resultado del Mac con llama.cpp. | El procesamiento de prompts del Mac con TensorFold quedó más cerca del grupo Spark en las pruebas comunicadas. |
Qué cambia si ejecutas varios agentes
Para varias sesiones o agentes que comparten un modelo, las pruebas descritas no ofrecen una comparación controlada entre un grupo Spark y un grupo de Macs. En un hilo de Reddit sobre cargas con varios agentes, algunos usuarios defendieron Spark por el batching de CUDA con vLLM o SGLang; otro comentó que había repartido inferencia entre Macs mediante Thunderbolt 5 y RDMA. Son opiniones y experiencias de usuarios, no mediciones comparables de rendimiento. La conversación recoge esos puntos de vista sobre la inferencia concurrente.