I test pubblicati da Tom’s Hardware il 10 novembre 2026 non indicano un vincitore generale tra Mac Studio con M5 Ultra e NVIDIA DGX Spark: il Mac ha prevalso in una prova con Qwen, una configurazione con due Spark nei contesti più lunghi di DeepSeek, mentre con GLM 5.3 Flash il risultato del Mac è cambiato passando a un altro motore d’inferenza. I risultati sono riportati nel confronto di Tom’s Hardware.
Per valutare un sistema per l’IA locale, confronta la stessa combinazione di modello, motore d’inferenza e numero di macchine: cambiare questi elementi può cambiare il risultato.
Tre prove, tre esiti
| Modello e prova | Mac Studio con M5 Ultra | Configurazione Spark o GB10 |
| Qwen 3.8 27B, AgentPerf-Local | llama.cpp con predizione multi-token nativa (MTP); tempo inferiore alla metà rispetto al GB10 e circa il 16% di energia in meno | Un Dell Pro Precision GB10 con llama.cpp e MTP; il test lo descriveva come quasi identico a DGX Spark |
| DeepSeek V4.1 Flash 1017, contesti più lunghi provati | llama.cpp, quantizzazione a 2 bit; da 10 a 25 minuti | Due Spark con TensorFold e decodifica speculativa DSpark; meno di 5 minuti |
| GLM 5.3 Flash | TensorFold con quantizzazione a 4 bit specifica per MLX; throughput medio di decodifica triplo rispetto al risultato Mac con llama.cpp | Ricetta TensorFold su un cluster Spark; l’elaborazione del prompt sul Mac con TensorFold si avvicinava a quella del cluster |
Qwen: il Mac guida nel test AgentPerf-Local
Per Qwen 3.8 27B, Tom’s Hardware ha confrontato il Mac con un solo Dell Pro Precision GB10, usando llama.cpp e MTP su entrambi. Il Mac ha completato la prova in meno della metà del tempo e ha consumato circa il 16% di energia in meno: il grafico dei consumi riportava 138,96 kJ per il Mac e 165,96 kJ per il GB10.
AgentPerf-Local riproduce tracce d’inferenza registrate e, secondo Tom’s Hardware, concentra gran parte del lavoro sull’elaborazione del prompt, cioè sulla lettura del testo in ingresso. Il risultato descrive quindi quella specifica prova, non ogni tipo di lavoro con agenti. Inoltre, nel confronto a macchina singola il sistema provato era un Dell GB10, non un’unità NVIDIA DGX Spark.
DeepSeek: la ricetta con due Spark ha impiegato meno tempo
Nei contesti più lunghi di DeepSeek V4.1 Flash 1017, il test ha registrato da 10 a 25 minuti sul Mac con llama.cpp e meno di 5 minuti su due Spark con TensorFold e decodifica speculativa DSpark. Nella configurazione Mac da 256 GB non c’era spazio per caricare insieme i pesi del modello e il modello ausiliario DSpark, nemmeno con quantizzazione a 2 bit.
Il confronto riguarda due configurazioni diverse: cambiano sia il numero di sistemi sia la ricetta d’inferenza. Al momento della pubblicazione dell’articolo, TensorFold supportava GLM 5.3 Flash ma non DeepSeek V4.1 Flash 1017. Per i modelli più grandi, Tom’s Hardware non ha riportato una prova completa da agente a agente: i tempi di questa sezione misurano l’elaborazione dei contesti, non il tempo totale di un flusso di lavoro agentico.
GLM: sul Mac il motore d’inferenza ha fatto la differenza
Con GLM 5.3 Flash, TensorFold sul Mac ha raggiunto un throughput medio di decodifica tre volte superiore a quello ottenuto con llama.cpp. Il throughput di decodifica misura la velocità con cui il sistema genera token; il test con TensorFold usava quantizzazione a 4 bit specifica per MLX, con 2.048 token in ingresso e 512 in uscita. L’elaborazione del prompt sul Mac con TensorFold si avvicinava a quella del cluster Spark.
Questo risultato riguarda GLM e le configurazioni provate: non si trasferisce automaticamente a DeepSeek o ad altri motori. Se stai ancora scegliendo quale computer Apple usare, la guida di NeoTeo alla scelta tra Mac mini e Mac Studio affronta quella decisione in base al tipo di lavoro; qui il discrimine è la combinazione di modello e software d’inferenza.
Per più agenti conta anche la gestione delle richieste
Alcuni utenti che discutono di sistemi per più agenti preferiscono Spark per la gestione di richieste simultanee con CUDA e strumenti come vLLM o SGLang. Un altro utente riferisce di aver distribuito l’inferenza tra Mac collegati con Thunderbolt 5 e RDMA. Sono esperienze e opinioni individuali, non risultati di un confronto controllato tra le due piattaforme; emergono in una discussione della comunità SelfHostedAI.
Per una scelta concreta, verifica che il motore supporti il modello che vuoi eseguire e considera quanta memoria richiede l’intera configurazione, non soltanto i pesi del modello: nel test DeepSeek, il modello ausiliario per la decodifica speculativa non entrava insieme ai pesi nei 256 GB del Mac provato.