Apple Mac Studio (M4 Max)

L’Apple Mac Studio (M4 Max) est un desktop compact de 19,7 × 19,7 cm destiné à l’inférence d’IA locale dans un format sobre. Son enveloppe de 160 W et son fonctionnement silencieux le positionnent comme une station Apple Silicon intermédiaire pour les développeurs, chercheurs et créateurs travaillant sans serveur distant.

Ses 128 Go de mémoire unifiée, une mémoire partagée entre le CPU et le GPU, laissent environ 96 Go exploitables par le modèle. Avec 546 Go/s de bande passante mémoire et un GPU à 40 cœurs, la machine peut notamment exécuter un Llama 3.3 70B en Q4, une quantification réduisant la précision numérique pour limiter l’empreinte mémoire.

Carte d'identité

Quels modèles peut-elle faire tourner ?

Estimation mémoire : environ 0,6 Go par milliard de paramètres en Q4, plus le contexte. « Juste » : le modèle se charge mais le contexte utilisable est réduit.

Performances mesurées

« Lecture » (prompt processing) : vitesse d'ingestion du contexte. « Génération » : vitesse d'écriture de la réponse, celle que l'on perçoit à l'usage. Deux mesures ne sont comparables qu'à modèle, quantisation et runtime identiques.

Efficience

Calculée sur la meilleure mesure de génération Llama 3.1 8B de cette fiche, au prix de référence 3 499 $ (Apple (config 128 Go), 12 mars 2025). Indicative : le prix varie et la consommation réelle en inférence est inférieure au TDP.

Notre analyse

La capacité réellement exploitable permet de dépasser les modèles compacts. Llama 3.1 8B, Qwen3 14B et Qwen3 32B en Q4 fonctionnent à l’aise, tout comme Llama 3.3 70B en Q4. gpt-oss-120B est également pris en charge en MXFP4, un format numérique très compact, grâce à son architecture MoE, ou mixture of experts, qui n’active qu’une partie du modèle à chaque étape. La bande passante de 546 Go/s soutient 75 tok/s sur Llama 3.1 8B et 10 tok/s sur Llama 3.3 70B avec llama.cpp, un moteur d’inférence local, via Metal, l’interface d’accélération graphique d’Apple. Le premier débit paraît fluide, tandis que le 70B privilégie la capacité à la rapidité.

À 3 499 USD dans la configuration 128 Go, le rapport performance-prix repose surtout sur la grande mémoire intégrée et le format compact, plutôt que sur le seul débit. L’efficience atteint 0,47 tok/s par watt sur Llama 3.1 8B, rapportée au TDP, l’enveloppe thermique nominale, de 160 W. La limite principale reste qu’environ 96 Go, et non 128 Go, sont disponibles pour le modèle. L’environnement présenté s’appuie aussi sur llama.cpp et Metal, ce qui inscrit les mesures dans l’écosystème logiciel Apple. Disponible depuis le 12 mars 2025 et annoncé comme silencieux, ce Mac Studio convient aux usages locaux réguliers allant jusqu’aux grands modèles quantifiés.

Sources : specs Apple, llama.cpp — benchmarks Apple Silicon.