Os testes publicados pela Tom’s Hardware em 10 de novembro de 2026 não apontaram um vencedor geral para inferência local: o resultado variou conforme o modelo e o mecanismo usado. No AgentPerf-Local, o Mac Studio M5 Ultra superou um Dell Pro Precision GB10; nos contextos mais longos de DeepSeek V4.1 Flash 1017, uma configuração com dois Spark foi mais rápida. A comparação com um único sistema usou o Dell GB10, descrito pela publicação como quase idêntico ao DGX Spark.
Para comparar computadores de IA local, fixe primeiro o modelo, o mecanismo de inferência e o número de sistemas: sem esses dados, os tempos não respondem à mesma pergunta.
| Modelo e carga | Mac Studio M5 Ultra | Configuração Spark ou GB10 |
| Qwen 3.8 27B no AgentPerf-Local | llama.cpp e MTP nativa; concluiu o teste em menos da metade do tempo do GB10 e consumiu cerca de 16% menos energia na tarefa. | Um Dell Pro Precision GB10, com llama.cpp e MTP nativa. |
| DeepSeek V4.1 Flash 1017, contextos mais longos testados | llama.cpp; levou de 10 a 25 minutos. | Dois Spark com TensorFold e decodificação especulativa DSpark; menos de 5 minutos. |
| GLM 5.3 Flash | TensorFold com quantização de 4 bits específica para MLX; a vazão média de decodificação foi três vezes a do resultado do Mac com llama.cpp. | A receita para o cluster de dois Spark também usou TensorFold. O processamento do prompt no Mac com TensorFold ficou mais próximo do cluster. |
O teste com Qwen favoreceu o Mac naquela carga
O AgentPerf-Local reproduziu rastros de inferência gravados, com Qwen 3.8 27B, llama.cpp e predição nativa de múltiplos tokens (MTP) nos dois sistemas. A Tom’s Hardware relatou que o Mac terminou em menos da metade do tempo do Dell GB10 e consumiu cerca de 16% menos energia para concluir a tarefa.
Esse resultado descreve aquele teste, não toda execução de agentes. Segundo a publicação, a maior parte do trabalho no AgentPerf-Local estava no processamento do prompt: a etapa inicial em que o sistema lê a entrada. Depois vem a decodificação, que gera a resposta token por token. Um fluxo de agentes que distribua o trabalho de outra forma pode não reproduzir o mesmo resultado.
Em outro recorte, a comparação da NeoTeo entre Mac mini M6 e Mac Studio discutiu a escolha de computadores de mesa conforme o tipo de trabalho. Aqui, a pergunta é mais específica: como cada configuração se comportou em cargas de inferência local.
Dois Spark foram mais rápidos nos contextos longos de DeepSeek
Para DeepSeek V4.1 Flash 1017, a configuração Mac testada tinha 256 GB de memória e usou llama.cpp. Mesmo com quantização de 2 bits, não couberam juntos na memória os pesos do modelo e o modelo auxiliar DSpark usado na decodificação especulativa. Nos contextos mais longos, o processamento levou de 10 a 25 minutos.
A outra configuração reuniu dois Spark e usou TensorFold com DSpark. A Tom’s Hardware registrou menos de cinco minutos nos mesmos contextos longos avaliados. É uma comparação entre uma máquina e um conjunto de duas, com mecanismos de inferência diferentes; portanto, o resultado vale para essas receitas específicas, não como uma medida isolada da velocidade de cada computador.
TensorFold alterou o resultado do Mac com GLM
O GLM 5.3 Flash mostrou como a escolha do software também muda o resultado. No Mac, a configuração com TensorFold usou quantização de 4 bits específica para MLX. A vazão média de decodificação ficou três vezes acima da obtida pelo Mac com llama.cpp, e o processamento do prompt se aproximou mais do cluster de dois Spark.
Os gráficos desse teste indicaram uma sequência de entrada de 2.048 tokens e uma saída de 512 tokens. Na publicação da Tom’s Hardware, TensorFold dava suporte ao GLM 5.3 Flash testado, mas não ao DeepSeek V4.1 Flash 1017.