Opublikowana 7 października 2026 r. analiza laboratoryjna wykazała, że w trzech porównanych testach wzrost wydajności GPU z M5 Pro do M5 Max był mniejszy niż z M4 Pro do M4 Max. Wyniki opisują skalowanie w konkretnych obciążeniach — nie oznaczają, że wydajność GPU Apple przestała rosnąć między generacjami.
Mniejsze przyrosty M5 w trzech testach
Skalowanie GPU to wzrost wydajności po przejściu na układ z większą liczbą rdzeni graficznych. W trzech zestawionych benchmarkach przyrost między wariantem Pro a Max był mniejszy w generacji M5 niż w porównywanej generacji M4.
| Test | M4 Pro → M4 Max | M5 Pro → M5 Max |
| Cinebench 2026 — test GPU | niemal 2×; M4 Pro miał 20 rdzeni GPU, a M4 Max 40 | około 1,8× |
| Cyberpunk 2077 z ray tracingiem | wzrost o 63% | wzrost o około 56% |
| Solar Bay Extreme | wzrost o 97% | wzrost o 78% |
W Cinebench 2026 wynik M4 Max był niemal dwukrotnie wyższy niż wynik M4 Pro. Dla porównania wynik M5 Max wyniósł około 1,8× wyniku M5 Pro. Więcej rdzeni nie gwarantuje więc proporcjonalnego wzrostu w każdym teście.
Co oznacza wskaźnik z Cyberpunk 2077
W teście Cyberpunk 2077 z ray tracingiem analiza posłużyła się także znormalizowanym wskaźnikiem wydajności na rdzeń GPU: około 1 klatka na sekundę na rdzeń dla M3, 1,5 dla M4, 2,3 dla M5 i 1,8 dla M5 Max. To miara przeliczeniowa użyta do porównania układów, a nie typowa liczba klatek na sekundę uzyskiwana podczas gry.
Wyniki benchmarków zależą od obciążenia. Porównania między generacjami zmieniają też system operacyjny, wersje testów, aplikacje i gry oraz rozwój Apple Metal, czyli interfejsu graficznego Apple. Starszy wynik nie zawsze jest więc bezpośrednio porównywalny z nowszym.
Zakres pomiarów
Próba była niewielka i obejmowała wybrane konfiguracje CPU, GPU oraz pamięci MacBooka Pro. Wybrane wyniki Mac Studio i Mac Mini uzupełniały pomiary laptopów jako przybliżenie dla układów. Z tego powodu opisane różnice dotyczą konkretnych testów i konfiguracji, a nie każdej możliwej wersji M4 czy M5.
Jak te wyniki odnoszą się do zadań AI
Zadania AI mogą korzystać z Neural Engine/NPU — wyspecjalizowanego układu do obliczeń związanych ze sztuczną inteligencją — oraz z akceleratorów neuronowych w GPU. Podział pracy zależy od zadania i zasobów systemu, dlatego obciążenia AI mogą rozkładać się inaczej niż testy grafiki.
