Apple heeft het speelveld van de Mac Studio veranderd met de M5 Ultra. Het meest interessante nieuws is niet alleen dat het de snelste Mac tot nu toe is, maar vooral dat het beschikt over een minder gebruikelijke configuratie voor een desktop: tot 512 GB gedeeld geheugen met 1,2 TB/s geheugenbandbreedte. Deze cijfers brengen de nieuwe Mac dichter bij een andere categorie, namelijk werkstations ontworpen om grote AI-modellen lokaal uit te voeren.
De kernpunten van de Mac Studio M5 Ultra voor AI in 30 seconden
- De nieuwe Mac Studio met M5 Ultra ondersteunt tot 512 GB gedeeld geheugen en bereikt 1,2 TB/s bandbreedte.
- Apple beweert dat hij lokale modellen met honderden miljarden parameters kan uitvoeren.
- De M5 Ultra kan uitgerust zijn met een 36-core CPU en een 80-core GPU met Neural Accelerators.
- NVIDIA DGX Spark biedt 128 GB coherent geheugen en het CUDA-ecosysteem vanaf $4.699.
- De grote troef van Apple is het opslaan van enorme modellen in één enkele geheugensysteem; de belangrijkste beperking blijft echter minder rijpe AI-software dan CUDA.
Apple kondigde de nieuwe Mac Studio aan op 25 augustus en zal deze vanaf 22 september 2026 leveren. De 512 GB-configuratie komt later, eind oktober. In de VS begint het model met M5 Max bij $2.499 en de M5 Ultra begint vanaf $5.499, exclusief extra RAM, opslag en andere uitbreidingen.
Het vergelijken met een conventionele PC is daarom weinig zinvol. De nieuwe Mac Studio kan uiteindelijk enkele duizenden dollars meer kosten dan een workstation met een gaming-GPU, maar het richt zich niet op hetzelfde probleem.
512 GB geheugen verandert de toepassing van een Mac Studio
Geheugen wordt een van de beperkende factoren voor lokaal uitgevoerde AI.
Een desktop-GPU met 24 of 32 GB biedt veel prestaties, maar het model moet in het videogeheugen passen of Mechanismen gebruiken om gegevens tussen GPU en RAM te verdelen, met de daarbij horende prestatiereductie.
Het ontwerp van Apple Silicon werkt anders. CPU, GPU en andere systeemcomponenten hebben toegang tot dezelfde gedeelde geheugenruimte.
In maximale configuratie beschikt de M5 Ultra over 512 GB.
Dat betekent niet dat alle 512 GB volledig kunnen worden gebruikt voor het opslaan van een model, omdat macOS, applicaties en de runtime-omgeving ook geheugen vereisen. Maar het biedt een marge die moeilijk te vinden is in een conventionele workstation met slechts één GPU.
Om dit te begrijpen, kijk je naar de geschatte grootte van modellen.
Een compact model met 70 miljard parameters vereist ongeveer 140 GB alleen voor de gewichten, uitgaande van 16 bits per parameter. Met 8-bits kwantisatie zou dat ongeveer 70 GB zijn en met 4 bits ongeveer 35 GB.
De berekening stopt daar niet. Tijdens inferentie worden ook andere bronnen aangeboord: KV-cache, context, frameworks, tijdelijke activaties en hulpprogramma’s.
Daarom betekent dat het model in het geheugen passen niet automatisch dat het comfortabel kan worden uitgevoerd.
Met 256 of 512 GB vergroot Apple die marge aanzienlijk.
Het bedrijf beweert dat de nieuwe M5 Ultra in staat is om grote taalmodellen met honderden miljarden parameters direct op het apparaat te draaien.
1,2 TB/s: De data die het beste het Apple-approach verklaart
Geheugencapaciteit is slechts een deel van de vergelijking. De andere factor is hoe snel de processor er toegang toe krijgt.
De M5 Ultra biedt 1,2 TB/s geheugenbandbreedte, 50% meer dan de M3 Ultra volgens Apple.
Deze waarde is vooral relevant voor inferentie van taalmodellen.
In bepaalde scenario’s, vooral wanneer het tekst genereren voor enkele gebruikers gelijktijdig is, kan de prestatie vooral afhangen van de snelheid waarmee de gewichten van het model bij de berekeningsunits komen.
Een systeem kan genoeg geheugen hebben om een model te laden, maar langzaam werken als de bandbreedte onvoldoende is.
Apple combineert hier beide factoren: veel geheugen binnen één systeem en een hoge bandbreedte naar de GPU.
De M5 Ultra kan bovendien beschikken over 36 CPU-kernen en 80 GPU-kernen, met Neural Accelerators geïntegreerd in de GPU-kernen.
Apple beweert dat de chip tot 4,3 keer de AI-prestaties biedt van de vorige M3 Ultra. Dit is gebaseerd op interne tests, dus echte benchmarks met daadwerkelijke modellen en workloads wachten we nog af voordat deze prestaties worden gekwantificeerd in tokens per seconde.
De tegenstander is niet per se een pc: NVIDIA DGX Spark in vergelijk
Een interessantere vergelijking is die tussen de Mac Studio en systemen die specifiek voor AI lokaal zijn ontworpen.
NVIDIA DGX Spark kost momenteel $4.699 in de VS en gebruikt de superchip Grace Blackwell GB10.
Deze systemen bieden:
- 128 GB coherent gedeeld geheugen (LPDDR5x).
- 273 GB/s bandbreedte.
- Tot 1 PFLOP aan FP4 prestaties.
- NVIDIA ConnectX-7 netwerkkaart tot 200 Gb/s.
- 4 TB NVMe opslag.
- DGX OS en toegang tot NVIDIA’s software-ecosysteem.
NVIDIA stelt dat een DGX Spark kan werken met AI-modellen tot 200 miljard parameters, en fine-tunen van modellen tot 70 miljard parameters mogelijk is.
De systemen kunnen ook onderling verbonden worden via ConnectX, en NVIDIA biedt documentatie voor het samenwerken van meerdere DGX Spark-systemen voor grotere modellen.
Hier ligt een belangrijk verschil.
Twee DGX Spark-systemen leveren samen 256 GB gedeeld geheugen, maar blijven twee aparte systemen met twee geheugengebieden. Indien een model beide nodig heeft, moet dat worden verdeeld en via het netwerk worden uitgewisseld.
Een Mac Studio met 256 GB heeft deze capaciteit binnen één gedeeld geheugenmodel. De aankomende 512 GB-configuratie verdubbelt dat nog eens, zodat je niet meteen meerdere systemen hoeft te gebruiken.
Dat betekent niet dat de Mac automatisch sneller is.
Capaciteit en prestatie staan los van elkaar.
NVIDIA heeft belangrijke voorsprongen in AI-kernels, precisie-ondersteuning, Tensor Cores, frameworks en gespecialiseerde software. Apple probeert vooral te concurreren met een uitzonderlijk groot gedeeld geheugen binnen één apparaat.
CUDA blijft de grote troef van NVIDIA
Hardware is slechts een deel van elke AI-oplossing.
Al bijna twintig jaar ontwikkelt NVIDIA rondom CUDA een rijk ecosysteem van libraries, tools, frameworks en optimalisaties die nu de standaard vormen in veel AI-toepassingen.
PyTorch, TensorRT-LLM, NCCL, NVIDIA NIM en veel open-sourceprojecten zijn vaak eerst ontwikkeld of geoptimaliseerd voor NVIDIA GPU’s.
Apple heeft steeds meer alternatieven.
MLX is speciaal ontworpen voor Apple Silicon en de gedeelde geheugenarchitectuur. Metal biedt acceleratie voor apps en frameworks, terwijl projecten als llama.cpp en apps zoals LM Studio het uitvoeren van lokale modellen ondersteunen.
Er is echter niet een perfecte vertaling tussen beide werelden.
Een model dat in 512 GB past, kan een operatie gebruiken die nog niet efficiënt geoptimaliseerd is voor Metal. Een project dat voor CUDA is geschreven, moet mogelijk worden aangepast om op Apple Silicon te functioneren.
Daarom mag geheugencapaciteit niet de enige overweging bij aankoop zijn.
Apple wil ook dat meerdere Mac Studio’s als cluster werken
Apple heeft een interessante toevoeging gedaan door Thundebolt 5 en RDMA (Remote Direct Memory Access).
Het bedrijf stelt dat je meerdere Mac Studio’s kunt aansluiten om bepaalde AI-taken te verdelen. Volgens Apple kan de nieuwe setup tot driemaal betere inferentieprestaties leveren dan een enkel systeem, gebaseerd op eigen tests.
RDMA maakt het mogelijk data direct tussen de geheugens van verschillende systemen over te dragen, zonder dat CPU-interventie volledig nodig is.
Toch mag je dit nooit verwarren met toegang tot intern geheugengebied van de chip.
De 1,2 TB/s bandbreedte van de M5 Ultra beschrijft het lokale geheugen. De 200 Gb/s van ConnectX-7 van de DGX Spark betreffen netwerkverbindingen. Het zijn verschillende technologieën voor verschillende functies, en hun cijfers zijn niet direct vergelijkbaar.
Het grote voordeel van 512 GB binnen één machine is vooral dat je minder snel modellen hoeft te scheiden over meerdere systemen.
De Mac kan ook de rest van de AI-pipeline uitvoeren
Grote modellen werken zelden geïsoleerd.
Een zakelijke AI-toepassing combineert mogelijk een LLM met OCR, embeddings, een vector-database, reranking, beeldherkenning, documentverwerking en verschillende agents of diensten.
Als het hoofdmodel bijna alle geheugen van een gespecialiseerde machine gebruikt, moeten deze aanvullende diensten elders draaien.
De 512 GB van Mac Studio bieden genoeg ruimte om verschillende van deze taken binnen hetzelfde systeem te beheren, mits de software dat ondersteunt.
Het blijft ook een volledige werkstation.
De gebruiker heeft macOS, Xcode, ontwikkeltools, videobewerking, browsers, Thunderbolt 5, 10 Gb Ethernet en Apple’s multimedia-motoren tot zijn beschikking terwijl hij AI-belastingen uitvoert.
Voor onderzoekers, ontwikkelaars, universiteiten, creatieve bureaus of bedrijven die met gevoelige data werken, kan deze combinatie aantrekkelijker zijn dan een dedicated inferentie-machine.
De gegevens blijven ook op locatie met lokaal AI-uitvoeren
Een ander voordeel van zulke systemen is de gegevenssovereigniteit.
Een model lokaal draaien betekent werken met data zonder deze te moeten verzenden naar externe cloudprovider. Dit is handig voor software-ontwikkeling, onderzoek, bedrijfsinformatie of omgevingen met privacybeperkingen.
Dat maakt een Mac Studio niet automatisch een datacenter-vervanger.
Het trainen van een groot fundamenteel model vereist enorme clusters van accelerators, gespecialiseerde netwerken en veel meer geheugen dan in een workstation past.
Wat meer haalbaar is met een M5 Ultra, is gebruik voor inferentie, evaluatie, het genereren van synthetische data, experimenten en efficiënte fine-tuning zoals LoRA of QLoRA.
Apple beschrijft het ook als ‘lokaal trainen’, maar het verschilt van het pre-trainen van een state-of-the-art model.
Apple bouwt meer aan AI-infrastructuur dan aan een PC
De M5 Ultra blijft een Mac Studio en behoudt alles wat je van een professionele werkstation verwacht.
Maar de specificaties tonen aan waar Apple haar strategie naartoe verschuift.
512 GB gedeeld geheugen en 1,2 TB/s bandbreedte lijken niet alleen voor Final Cut Pro, Blender of Xcode compilaties ontworpen.
Ze maken het mogelijk om een concrete AI-beperking aan te pakken: modellen die niet passen in het VRAM-geheugen van conventionele GPU’s.
NVIDIA biedt nog steeds een veel verder ontwikkeld AI-software-ecosysteem, en DGX Spark biedt een directe weg van desktop naar grote CUDA-infrastructuren. Voor veel ontwikkelaars is die compatibiliteit aantrekkelijker dan extra geheugen.
Apple kiest voor het tegenovergestelde: meer capaciteit binnen één machine, macOS, en een volledig ontwikkelomgeving, maar zonder CUDA.
Als gevolg hiervan is de Mac Studio nu onderdeel van een vergelijking waaraan het jaren geleden nauwelijks had deelgenomen.
Het is niet meer alleen een professionele creatieve workstation. Voor sommige kopers kan het nu gaan om een NVIDIA AI-station of een Mac met honderden gigabytes geheugen dat het model kan draaien en nog als werkcomputer functioneert.
De eerste onafhankelijke benchmarks van de M5 Ultra met echte modellen geven straks een duidelijker beeld van de prestaties. De specificaties geven de richting aan: Apple wil dat een deel van de AI-infrastructuur weer onder tafel past.
Veelgestelde vragen
Hoeveel geheugen kan de Mac Studio M5 Ultra hebben?
De nieuwe Mac Studio ondersteunt tot 512 GB gedeeld geheugen met de M5 Ultra, die over een 36-core CPU en 80-core GPU beschikt. De 512 GB-versie verschijnt eind oktober 2026.
Kan de M5 Ultra grote AI-modellen lokaal draaien?
Ja. Apple beweert dat het gedeelde geheugen mogelijk is om taalmodellen met honderden miljarden parameters direct op de machine uit te voeren. Het exacte grootte hangt af van precisie, kwantisatie, context en runtime.
Is een Mac Studio M5 Ultra beter dan NVIDIA DGX Spark?
Dat hangt af van de voorkeuren. De Mac biedt tot 512 GB gedeeld geheugen en 1,2 TB/s, terwijl DGX Spark voorzien is van CUDA, NVIDIA’s software en hardware specifiek voor AI.
Kunnen meerdere Mac Studio’s worden gekoppeld voor AI?
Ja. Apple ondersteunt Thunderbolt 5 en RDMA om meerdere Mac Studio’s te verbinden en werk te verdelen.