Dans un article publié le 10 novembre 2026, Tom’s Hardware rapporte des résultats différents selon le modèle et le moteur d’inférence : le Mac Studio M5 Ultra mène un test AgentPerf-Local, tandis qu’une configuration à deux DGX Spark traite plus vite les contextes DeepSeek les plus longs testés. Sur GLM 5.3 Flash, le résultat du Mac varie fortement selon le moteur utilisé. Le test AgentPerf-Local comparait le Mac à un Dell Pro Precision GB10 décrit comme presque identique au DGX Spark ; ce n’était pas un DGX Spark.\n\nPour situer le Mac Studio parmi les ordinateurs de bureau d’Apple, retrouvez aussi notre comparatif entre Mac mini et Mac Studio.\n\n## Trois résultats, trois configurations\n\n| Modèle et charge de travail | Mac Studio M5 Ultra | Système Spark ou GB10 |\n| --- | --- | --- |\n| Qwen 3.8 27B, AgentPerf-Local | llama.cpp et prédiction multi-tokens native ; le Mac termine en un peu moins de la moitié du temps du GB10 et consomme environ 16 % d’énergie de moins pour la tâche. | Un Dell Pro Precision GB10 avec llama.cpp et prédiction multi-tokens native. |\n| DeepSeek V4.1 Flash 1017, contextes les plus longs testés | llama.cpp ; traitement en 10 à 25 minutes. | Deux DGX Spark avec TensorFold et le décodage spéculatif DSpark ; moins de cinq minutes. |\n| GLM 5.3 Flash | Avec TensorFold et une quantification quatre bits propre à MLX, le débit moyen de décodage est trois fois celui du résultat obtenu sur le Mac avec llama.cpp. | Recette TensorFold de Mia’s AI Lab sur deux systèmes Spark. |\n\n## AgentPerf-Local : un avantage du Mac sur une tâche précise\n\nPour Qwen 3.8 27B, les deux systèmes exécutaient llama.cpp avec la prédiction multi-tokens native. Tom’s Hardware rapporte que le Mac a terminé le test en un peu moins de la moitié du temps du Dell Pro Precision GB10 et consommé environ 16 % moins d’énergie pour cette tâche.\n\nAgentPerf-Local rejoue des traces d’inférence enregistrées ; selon Tom’s Hardware, la majeure partie du travail porte sur le traitement du prompt, c’est-à-dire l’analyse du texte d’entrée avant la génération. Ce résultat décrit donc cette charge fixe, pas toutes les tâches d’agents ni toutes les situations où le modèle produit des réponses.\n\n## DeepSeek et GLM : la mémoire et le moteur changent la donne\n\nSur DeepSeek V4.1 Flash 1017, le Mac testé disposait de 256 Go de mémoire. Il ne pouvait pas accueillir simultanément les poids du modèle et le modèle DSpark de décodage spéculatif, même avec une quantification deux bits. Le Mac utilisait llama.cpp ; la recette sur deux DGX Spark associait TensorFold à DSpark. Pour les contextes les plus longs de cet essai, Tom’s Hardware rapporte 10 à 25 minutes sur le Mac et moins de cinq minutes sur les deux Spark. Le nombre de machines et la recette logicielle différaient donc d’un côté à l’autre.\n\nPour GLM 5.3 Flash, TensorFold a changé le résultat mesuré sur le Mac : son débit moyen de décodage atteignait trois fois celui du Mac sous llama.cpp. Le traitement du prompt se rapprochait aussi de celui de la configuration Spark. Les mesures TensorFold mentionnées pour ce test portaient sur 2 048 tokens en entrée et 512 en sortie. Elles reposaient sur une quantification quatre bits adaptée à MLX.\n\nLe test ne portait pas sur une tâche agentique complète pour les grands modèles. Les résultats de traitement du prompt et de décodage ne donnent donc pas directement leur durée d’exécution dans un flux de travail d’agent.\n\n> Pour choisir une machine d’inférence, vérifiez d’abord que le moteur prend en charge votre modèle et que la configuration peut loger l’ensemble de la recette utilisée.\n\n## La prise en charge logicielle compte autant que le matériel\n\nAu moment de la publication de son article, Tom’s Hardware indiquait que TensorFold prenait en charge GLM 5.3 Flash dans les essais décrits, mais pas DeepSeek V4.1 Flash 1017. Le gain observé avec TensorFold sur GLM ne se transpose donc pas automatiquement à DeepSeek : les modèles et les moteurs utilisés ne sont pas les mêmes.\n\nPour les usages impliquant plusieurs agents ou clients simultanés, certains utilisateurs de Reddit privilégient Spark, évoquant le traitement par lots CUDA avec vLLM ou SGLang. Un autre utilisateur rapporte avoir réparti l’inférence entre plusieurs Mac avec Thunderbolt 5 et RDMA. Ces témoignages décrivent des expériences individuelles, pas un essai comparatif contrôlé de la concurrence.