Az Apple már nem Final Cuttal méri magát: az M6 és az M5 Ultra a helyi AI-ról szól

Az Apple augusztus 25-én bejelentette az új Mac minit az M6 és az M5 Pro chippel, valamint az új Mac Studiót az M5 Max és az M5 Ultra chippel. Előrendelés aznap, boltokban szeptember 22-én.

A termékbejelentések önmagukban nem érdekesek. Gyorsabb lett, drágább lett, ennyi. Egy dolog viszont megváltozott a sajtóanyagban, és az többet mond a következő két évről, mint az összes magszám együtt.

Az Apple ezúttal LM Studióval mérte a saját chipjét.

Amit egy gyártó mér, azt gondolja rólad

A hivatalos Apple sajtóanyagban ez a mondat áll az M6-ról: akár 13,5-szer gyorsabb LLM prompt-feldolgozás LM Studióban az M1-hez képest, és 4,8-szor gyorsabb az M4-hez képest. Az M5 Prónál ugyanez 8,5-szeres az M2 Próhoz, a Mac Studio M5 Maxánál 10,7-szeres az M1 Maxhoz.

Az LM Studio egy harmadik féltől származó alkalmazás, amivel nyelvi modelleket lehet a saját gépen futtatni. Nem az Apple terméke, nincs köze az Apple Intelligence-hez, és tavaly még senki nem gondolta volna, hogy bekerül egy Apple sajtóanyagba.

Eddig a Mac teljesítményét Final Cut Próval, Xcode-fordítással, Blender-rendereléssel és Affinity-képfeldolgozással mérték. Kreatív és fejlesztői munkával. Most odakerült mellé egy alkalmazás, aminek egyetlen dolga, hogy helyi nyelvi modelleket futtasson.

Egy gyártó azt méri, amiért szerinte a gépet meg fogod venni. Ez a névsorváltás önmagában megválaszolja a kérdést, hogy mit gondol az Apple a következő gépgenerációról.

Két Neural Engine egy lapkán

A számok utána már csak megerősítik ugyanezt.

Az M6-ban először van két darab 16 magos Neural Engine. Nem gyorsabb lett az egy, hanem kettő lett belőle, és az Apple külön kiemeli, hogy a rendszer szintű keretrendszerek automatikusan mindkettőt egyszerre használják. Ez a duplázás adja a kétszeres csúcs-számítási kapacitást.

Ez nem az a fajta lépés, amit évente megtesz egy chipgyártó. A magszám emelése inkrementális döntés. Egy második, önálló gyorsítóegység beépítése architekturális.

Külön érdekes, hogy ezzel az Apple szembemegy egy iparági vélekedéssel. Az elmúlt két évben többen leírták, hogy a külön AI-gyorsító (az NPU) felesleges, mert a GPU úgyis gyorsabb. A Moor Insights & Strategy elemzője pont ezt emeli ki: az NPU mégsem halott, és az látszik, hogy érdemes AI-gyorsítást tenni mindenhova, a CPU-ba, a GPU-ba és az NPU-ba egyaránt.

Az AI-gyorsítás szétterült az egész chipen

Ezt a második pont igazolja. Az új gépekben minden egyes GPU magban ott ül egy Neural Accelerator. A Mac miniben először, a Mac Studio Ultra chipjében szintén először.

Vagyis az AI-gyorsítás megszűnt egy külön blokk lenni a lapka sarkában. Szét van osztva a teljes chipen, és bármelyik egység hozzáfér. Az Apple szerint ez nagyjából 30 százalékkal növeli a csúcs GPU-számítási kapacitást AI-feladatokra az M5-höz képest, és több mint nyolcszorosára az M1-hez képest.

Ehhez jött egy új fejlesztői keretrendszer is, a Core AI, aminek a leírása szerint az a dolga, hogy AI-modelleket lehessen vele építeni, futtatni és telepíteni Apple Siliconon. Mellette ott van az MLX, az Apple nyílt forrású gépi tanulási keretrendszere, ami az összes hivatalos AI-mérés alapja is: a képgenerálást 12 milliárd, a fürtözött következtetést 72 milliárd paraméteres modellen mérték vele.

Az Apple nem szokott keretrendszert kiadni olyasmire, amit átmeneti divatnak tart. Kettőt pedig végképp nem.

A 2 nanométer a belépő gépbe került

A harmadik jel a legkevésbé látványos, és talán a legfontosabb.

Az M6 az Apple első 2 nanométeres chipje. Nem az Ultra, nem a Max, hanem a belépő szintű asztali gép chipje. A legdrágább és legkorlátozottabb gyártástechnológiát arra a lapkára költötték, ami a 899 dolláros, itthon 399 990 forintos gépbe kerül.

Ez irányt mutat. Ha az AI-képesség a csúcsgépek kiváltsága maradna, a sorrend fordított lenne.

A Mac Studio közben már nem asztali gép

A másik végén viszont valami egészen más történik. Az M5 Ultra Mac Studio adatlapja nem egy asztali számítógépé:

	M6 Mac mini	M5 Pro Mac mini	M5 Max Mac Studio	M5 Ultra Mac Studio
CPU (induló / max)	12 mag	15 / 18 mag	18 mag	30 / 36 mag
GPU (induló / max)	12 mag	16 / 20 mag	32 / 40 mag	64 / 80 mag
Egyesített memória	16 GB-tól 32 GB-ig	64 GB-ig	36 GB-tól 128 GB-ig	96 GB-tól 512 GB-ig
Memória-sávszélesség	170 GB/s	307 GB/s	614 GB/s	1,2 TB/s
Induló ár (USA)	899 dollár	1699 dollár	2499 dollár	5499 dollár
Induló ár (Magyarország)	399 990 Ft	779 990 Ft	1 099 990 Ft	2 499 990 Ft

A magyar árak az Apple hazai áruházából valók, és érdemes tudni, hogy ezek az induló konfigurációra vonatkoznak. A csúcsváltozatok jóval feljebb kezdődnek: a 40 magos GPU-s Mac Studio 1 399 990 forint, a 36 magos CPU-val és 80 magos GPU-val szerelt M5 Ultra pedig 3 149 990 forint. Az 512 GB memóriás változat egyelőre nem is rendelhető, az október végén érkezik.

Az 512 GB egyesített memória 1,2 TB/s sávszélességgel azt jelenti, hogy több százmilliárd paraméteres modellek futtathatók teljes egészében a gépen, hálózat nélkül. Az Apple szóhasználata ennél nem is lehetne egyértelműbb: hatalmas nyelvi modellek futtatása teljes egészében az eszközön, teljes adatvédelemmel.

És van egy funkció, ami már végképp nem asztali gépre való. A Thunderbolt 5 mostantól RDMA-t is támogat, ami magyarul annyit tesz, hogy négy Mac Studiót össze lehet kötni egyetlen fürtté, és az Apple szerint így háromszor gyorsabb a következtetés. Ez szervertermi fogalom, ami átkerült egy 20 centis dobozba.

Érdemes megnézni, hogyan mérték. A lábjegyzet szerint az összehasonlítás egyetlen gép és egy négy csomópontos, teljes hálós fürt között zajlott, 72 milliárd paraméteres modellen, MLX keretrendszerrel, Thunderbolt 5 és RDMA kapcsolaton. Vagyis nem egy elméleti képességről van szó, hanem egy lemért elrendezésről, aminek a nagyságrendje eddig adatközpontban volt otthon.

A klaszterezés ráadásul nem csak a Studio kiváltsága. A Mac mini termékoldalán ez áll: futtass több AI-ügynököt egy Mac minikből álló fürtön az exo, az LM Studio Bionic és hasonló appokkal. Az exo szintén nem az Apple terméke, hanem egy nyílt forrású projekt, ami több gép memóriáját fogja össze egyetlen nagy modell futtatásához.

A számok: az M5 Ultra a saját mérés szerint 4,3-szer nagyobb csúcs AI-számítási teljesítményt ad, mint az M3 Ultra, és 9,8-szor annyit, mint az M1 Ultra.

Összehasonlításként a sávszélesség a lényeg. Egy nyelvi modell válaszgenerálásánál nagyrészt az dönt, milyen gyorsan lehet a memóriát olvasni. Az Nvidia hasonló célú gépe, a DGX Spark, 273 GB/s-mal dolgozik. Az M5 Ultra 1,2 TB/s-mal. Ez körülbelül négyszeres különbség, és nagy modelleknél szinte közvetlenül átfordul másodpercenkénti szavakba.

A termékoldalon már mások modelljei szerepelnek

Aki a sajtóanyagot marketingnek tartja, nézze meg a magyar termékoldalakat. Ott ugyanis nemcsak számok vannak, hanem nevek.

A Mac mini oldalán ez a mondat áll: a chipek szinte minden részlete az AI-hoz készült. Nem egy alcím a lap alján, hanem a fejezet nyitómondata. És a hozzá tartozó menü első füle nem a teljesítmény, hanem az AI-ügynökök, ezzel az invitálással: hozd létre a saját AI-ügynöködet bármilyen célra, a háztartás ügyeinek intézésétől a vállalkozásod vezetéséig.

Alatta nevek sorakoznak. Ollama. LM Studio Bionic. Claude Cowork. OpenClaw. Perplexity Personal Computer. Topaz Photo. Ezek harmadik felek alkalmazásai, és az Apple a saját termékoldalán hirdeti őket.

Az igazán árulkodó viszont a menü sorrendje. Három füle van:

1. AI-ügynökök. Építs magadnak sajátot.
2. AI-appok a Macen. Futtass kész alkalmazásokat, Ollamát, LM Studio Bionicot, Claude Coworkot, OpenClaw-t.
3. AI-funkciók az appokban. Használd azt, ami már ott van a Pro Toolsban vagy a Photoshopban.

A megszokott termékkommunikáció fordítva épül fel: elöl a legkönnyebb dolog, amit bárki azonnal kipróbál, hátul a haladó eset. Itt az első helyen az áll, amit a vásárlók legkisebb része fog megcsinálni, és utolsóként az, ami a legtöbbeknek szól. Ez a sorrend nem véletlen, hanem rangsor: az Apple szerint ez a gép elsősorban arra való, hogy ügynököket futtass rajta, és csak másodsorban arra, hogy a Photoshopban legyen egy okos gomb.

A Mac Studio oldala még konkrétabb:

Futtass csúcskategóriás AI-modelleket teljes egészében az eszközödön. Üzemelj be olyan nagy nyelvi modelleket, mint a Gemma, a Kimi és a Mistral. Generálj képeket a Stable Diffusion és a FLUX segítségével. És használd a modelleket az ügynökalapú munkafolyamatok teljes körű elkészítéséhez, helyben.

Érdemes végignézni ezt a névsort. A Gemma a Google modellje. A Kimi a kínai Moonshot AI-é. A Mistral francia. A Stable Diffusion és a FLUX nyílt képgenerátorok. Egyik sem az Apple terméke, és az Apple Intelligence gyakorlatilag szóba sem kerül azon az oldalon, amelyik az AI-ról szól.

Ez nem apróság. Egy gyártó általában a saját szolgáltatását tolja. Az Apple most azt hirdeti, hogy a gépén a versenytársak és a nyílt közösség modelljei futnak jól. Ez akkor észszerű, ha nem a modellt akarja eladni, hanem a vasat, amin bármelyik modell elfér.

Van egy hely, ahol ez különösen szembetűnő. A saját fejlesztőkörnyezetéhez, az Xcode-hoz az Apple két olyan kódoló ügynököt ajánl a termékoldalon, amelyik nem az övé: a Claude Code-ot és a Codexet. A Mac Studio oldalán ugyanez "Claude Agent az Xcode-ban" felirattal szerepel. Egy cég, amelyik a fejlesztői eszközeire mindig is büszke volt, most a konkurencia ügynökeit mutatja be a saját programozási környezetében.

És van egy mondat a Studio oldalán, ami mindennél világosabban megmutatja, kit tekint az Apple versenytársnak. Azt írja, hogy csúcskategóriás modelleket futtathatsz helyben, felhőtokenek nélkül.

Nem egy másik számítógéphez méri magát. Egy előfizetéshez.

Ez a mondat egyébként pontosan kijelöli, hol van a helyi AI valódi haszna. Nem ott, hogy gyorsabb, mert nem az. Hanem ott, hogy nincs használatarányos számla, nem megy ki adat a cégből, és nem függ attól, hogy egy szolgáltató mikor változtat árat vagy szabályzatot.

Amit ugyanez a bejelentés nem mond ki

Idáig tart a jó hír. Négy dolgot érdemes mellé tenni, különben az egész csak marketing-átvétel.

Az M6-os Mac miniben Thunderbolt 4 van, nem 5. A fürtözéshez viszont Thunderbolt 5 kell. Az Apple ezt nem is titkolja: a portlistában az áll, hogy a gép három Thunderbolt 4 vagy három Thunderbolt 5 porttal érkezik, és a több gépből álló fürtöt kizárólag az M5 Prós változatnál említi. Vagyis a legolcsóbb belépő pontosan egy gépnyi kapacitást jelent, bővítés nélkül.

Tizenhat gigabájt alapmemória kevés. Komoly helyi modellhez ez szűkös, a maximum pedig 32 GB. Az "AI a belépő gépben" ígéret gyakorlatilag a felárral fizetett konfigurációnál kezdődik.

Az ár 599 dollárról 899-re ment fel két év alatt, ami ötven százalék. Ez sem független a témától: a helyi AI drága szilíciumot igényel, több tranzisztort, több memóriát, nagyobb sávszélességet. Az Apple ezt beletette a legolcsóbb asztali gépébe is, és a számla ott jelenik meg.

Minden szám az Apple saját mérése. Független teszt egyelőre nincs, a gépek szeptember 22-én kerülnek boltokba. A MacStories elemzése is kimondja: valódi benchmarkokra lesz szükség ahhoz, hogy ezt objektíven meg lehessen ítélni. Az 512 GB-os Ultra ráadásul csak október végén érkezik, és az árát az Apple még ki sem hirdette.

Megváltozott a rendezőelv

A lényeg nem az, hogy gyorsabb lett. Minden évben gyorsabb lesz.

A lényeg az, hogy megváltozott a szempont, ami mentén az Apple a gépeit megtervezi és sorba rendezi.

Korábban egy Mac helyét a kínálatban az szabta meg, mennyi hagyományos munkát bír: hány videósávot vág egyszerre, milyen gyorsan fordít, hány réteget kezel. A memória mérete és a memória-sávszélesség műszaki adat volt a lap alján, olyasmi, amit a vásárlók többsége át sem futott.

Most ez a két szám lett a katalógus gerince. Az egyesített memória 16 gigabájttól 512-ig, a sávszélesség 170 GB/s-tól 1,2 TB/s-ig terjed. Nem véletlenül pont ez a kettő: együtt ez a két érték dönti el, mekkora modell fér el a gépen, és milyen gyorsan válaszol. Az Apple gépkínálata ma az AI-kapacitás szerint áll sorba.

Minden más ehhez igazodott. A Neural Engine megkettőzése, az AI-gyorsítás szétterítése a GPU magokba, a 2 nanométeres gyártás a belépő chipben, az új Core AI keretrendszer, a négygépes fürt Thunderbolt 5 felett. És végül a mérce maga: az Apple ma már azt is közli a saját sajtóanyagában, milyen gyorsan dolgoz fel egy modell egy promptot.

Egy gyártó akkor rendezi át így a teljes termékvonalát, ha nem átmeneti hullámnak tartja a dolgot. Az Apple számára a kérdés már nem az, hány feladatot bír el egyszerre egy gép, hanem hogy mekkora modellt tudsz rajta tartani. Aki a következő években gépet választ, valószínűleg ugyanezt fogja kérdezni.

Mit jelent ez a vállalatoknak?

A helyi AI jelentősége nem az, hogy minden cégnek saját nyelvi modellt kell fejlesztenie. Hanem az, hogy megjelent egy harmadik lehetőség az előfizetéses AI-szolgáltatások és a drága saját szerverinfrastruktúra között. Egy nagy memóriájú munkaállomás ma olyan modelleket futtat, amelyek néhány éve még kizárólag adatközpontban fértek el: az 512 gigabájt egyesített memória pontosan ezt a határt tolja el.

Egy vállalatnak ugyanis ritkán az a legfontosabb, hogy mindig a világ legerősebb modelljét használja. Egy ajánlatkészítő rendszernek, belső tudásbázisnak, dokumentumfeldolgozó ügynöknek vagy ügyfélszolgálati asszisztensnek sokkal többet ér, ha ismeri a cég adatait, gyorsan válaszol, kiszámítható költséggel működik és kontroll alatt fut. Ezekben a feladatokban egy kisebb, jól megválasztott és vállalati tudással kiegészített modell gyakran értékesebb, mint egy nagyságrendekkel nagyobb általános modell.

A gazdasági modell is más. A felhőalapú AI-nál minden lekérdezésnek, minden feldolgozott dokumentumnak és minden automatizált folyamatnak változó költsége van. Helyi futtatásnál ennek egy része beruházássá válik: a cég megveszi a számítási kapacitást, aztán újra és újra használja. Ez nem automatikusan olcsóbb, és a gép ára nem a teljes számla: jön mellé az üzemeltetés, a modellek frissítése és az a szakértelem, ami mindezt karbantartja. Nagy mennyiségű, folyamatosan futó AI-feladatnál viszont innentől van értelme egyáltalán összehasonlítani a kettőt.

Legalább ilyen fontos kérdés az adat. Egy helyben futó modellnél a szerződéseknek, ajánlatoknak, pénzügyi kimutatásoknak és a belső vállalati tudásnak nem kell elhagynia a cég saját környezetét. Ez nem jelenti azt, hogy a helyi AI automatikusan biztonságosabb, mert azt ugyanúgy üzemeltetni és védeni kell. Azt viszont igen, hogy a cég lényegesen nagyobb kontrollt kap afölött, hol történik az adatfeldolgozás.

A következő lépés ezért valószínűleg nem a felhő eltűnése lesz, hanem a hibrid felállás. A gyors, ismétlődő, adatérzékeny vagy nagy volumenű feladatok egy része helyben fut, miközben a legösszetettebb problémákhoz továbbra is ott maradnak a legerősebb felhőmodellek. Egy vállalati AI-rendszer később már magától is eldöntheti, melyik feladatot melyik modellnek adja át.

Ezért az Apple mostani iránya többről szól egy újabb teljesítményugrásnál. Ha egy asztali munkaállomás elegendő memóriát és számítási kapacitást kap ahhoz, hogy komoly modelleket futtasson, akkor az AI-infrastruktúra egy része tényleg visszaköltözhet a vállalatokhoz. Egy cégvezetőnek pedig innentől nem csak az lesz a kérdés, hogy melyik AI-modellt használja, hanem az is, hogy hol érdemes futnia.