Mac Studio M5 UltraはRTX並みに速いのか？
5080・5090・RTX PROのローカルLLM推論速度を比較

2026年9月にMacStoriesが公開したQwen3.8 27Bのテストでは、RTX 5090搭載Windows PCが回答生成59 tok/s、Mac Studio M5 Ultraが48 tok/sを記録しました。M5 UltraはRTX 5090の約81％に相当する生成速度を記録しています。一方、入力処理速度は3,031対1,701 tok/s、最初のトークンが返るまでの時間は2.0秒対4.0秒でした（出典：MacStories）。

大切なのは「RTXより速い／遅い」と結論を急がないことです。速度を決めるのはGPU名だけではありません。モデルの大きさ、量子化、コンテキスト長、専用VRAMに収まるか、そして実行ソフトの違いで結果は変わります。

※この表は購入機種の一律推奨ではありません。アプリケーション互換性、モデルの量子化、価格、運用体制によって最適解は変わります。アーキテクチャ全体の定性的な判断軸については「Mac Studio M5 UltraとRTX 5090搭載BTOの選択」も合わせてご参照ください。

なぜ「速さ」を分けて考える必要があるのか

ローカルLLMの速度には、異なる3つの側面があります。

一般に、バッチサイズが小さい（個人利用の）Decodeはメモリ帯域幅の影響を強く受け、Prefillは並列演算性能（Tensorコアやダイ規模）が重要になりやすい傾向があります。ただし、モデル構造・量子化・実装次第で挙動は異なり、帯域幅のスペック値だけからtok/sを単純計算することはできません。

実測①｜27BモデルではRTX 5090が速いが、M5 Ultraも近い

MacStoriesの比較は、RTX 5090搭載Windows PCとM5 Ultra搭載Mac Studioに同じタスクとプロンプトを与えた実測です。両者のモデル系列は同じQwen3.8 27Bですが、MacはoMLX／MLX形式、WindowsはLM Studio／GGUF Q4_K_Mを利用しています。したがって、GPU単体を同一条件で測った純粋なベンチマークではなく、各プラットフォームの最適化を含めた現実のシステム間比較と受け取る必要があります。

約6,000トークン入力時の比較

出典：MacStories「M5 Ultra Mac Studio Review」（2026年9月、第三者実測）。テスト入力は6,091トークン。Macは36コアCPU／80コアGPU／256GB統合メモリ構成。モデルの量子化とランタイムは異なり、測定は条件ごとに限定的な回数で行われています。

ここから言えるのは、「M5 Ultraが5090と同じ速さになった」ということではありません。書き出し速度では大きく近づいたが、読み込みや応答開始まで含めると差はまだ明確にあるということです。AIエージェントで大量のコンテキストを何度も投入するワークフローでは、PrefillとTTFTの違いが見逃せません。

実測②｜64K〜256Kの長文でも、最適化したRTX 5090が先行

長文の処理では、モデル本体だけでなく過去のトークンを保持するKVキャッシュにもメモリが必要になります。ここで32GB専用VRAMのRTX 5090と、大容量統合メモリを持つM5 Ultraの違いが表れます。

出典：MacStories。表は回答生成速度（Decode）であり、長文を読み込むTTFTの比較ではありません。256KのRTX 5090測定ではKVキャッシュの量子化設定を変更しています。

ここは最も誤解されやすいポイントです。この測定において、256KでもM5 UltraがRTX 5090を追い抜いたわけではありません。 RTX 5090は8-bit KVキャッシュを用いることで、256Kの超長文でも30.0 tok/sを維持しています。

一方、別条件でモデルの一部をGPU専用メモリからシステムRAMへオフロードしたケースでは、生成速度は1.5 tok/sまで低下しました。これはRTX 5090の通常性能を表す値ではなく、専用VRAMの容量を超え、PCIeバス経由での転送が発生したときの物理的な限界例です（オフロードの速度低下の仕組みについては「RAM 128GBでVRAM不足は補えるか？」で詳しく解説しています）。

M5 Ultraの真の価値は、このテストで5090より速かったことではありません。大容量の統合メモリによって、キャッシュ圧縮やCPU側へのオフロードを心配することなく、超長文コンテキストを安定したオンメモリ速度（24.3 tok/s）で確実に処理しきれる堅牢性にあります。

実測③｜RTX 5080・5090 Laptop・RTX PROはどれくらい速い？

次は、llama.cppの公開コミュニティベンチマークにあるLlama 2 7B Q4_0の結果です。比較条件はpp512 / tg128、Flash Attention無効。同じ測定企画の値ではありますが、測定者、PC本体、OS、ドライバ、ソフトウェア版は必ずしも統一されていないため、参考値として読み解きます。

出典：ggml-org / llama.cpp Discussion #15013。別投稿者による測定値を含むため、厳密な性能順位ではありません。RTX PRO 6000の測定エディションは特定できません。

この7B測定が教えてくれるのは、比較できるのは「型番」ではなく、「モデル・量子化・ランタイム・測定方法までセットにした実行条件」だということです。

比較対象は全9構成｜容量の違いを整理する

今回の調査対象である全9構成のメモリ仕様と、ローカルLLMにおける位置づけを整理します。

出典：AppleおよびNVIDIA公式仕様。RTX PRO 5500は2026年10月11日時点でNVIDIA公式が「Coming Soon」と記載しており、仕様も予告なく変更される可能性があります。

重要：96GBの統合メモリは96GBの専用VRAMと同義ではありません。
MacはCPUとGPUが単一のメモリ空間を共有します。一方、RTX PROではGPUに専用の超高速GDDR7メモリが搭載されます。OSのメモリ占有、メモリ割り当て、CPU・GPU間データ転送、ソフトウェアの最適化条件が根本から異なります。

16GB・24GB・32GB・48GB以上で「できること」はどう変わる？

7B〜14B：速度と実行環境で選ぶ快適ゾーン

4-bit量子化された7Bや14B級のモデルでは、今回比較するほとんどの構成でGPUメモリ内への完全収容が可能です。専用VRAMが足りている場合、CUDAエコシステムとの互換性、実行速度、価格、PC本体の制作用途が選択理由になります。

このクラスでは、M5 Ultraの大容量メモリを持て余す場合もあります。ローカルLLMだけのために高額なM5 Ultraを導入する前に、より手頃な構成で目的を達成できるかを検討すべきです。

27B〜32B：16GBを超えると選択の境界が現れる

今回扱う27B級の一般的なQ4構成は、モデル重みだけで約16〜19GBに達し、これに加えてKVキャッシュやOSランタイム用の余裕も必要になります。16GBのRTX 5080単体ではGPUメモリ内に収めることが難しいケースが出てきます。

24GBを持つRTX 5090 Laptopや32GBのRTX 5090 Desktopは有力な候補になりますが、長文コンテキストを常に無制限に扱えるわけではありません。「モデル重みが収まるか」と「使いたいコンテキスト長で収まるか」は別の問いです。より低い量子化やオフロードで動かす場合も、速度や回答品質の変化を考慮する必要があります。

70B以上：専用VRAM容量か統合メモリ容量かの決断

70B級のQ4モデルでは、重みだけでおおむね40GB前後が必要になります。16GB・24GB・32GBのコンシューマ向けGeForce単体で重み全体を専用VRAMに収めるのは一般的なQ4条件では困難です。

選択肢は、RTX PRO 5000（48GB／72GB）、RTX PRO 6000（96GB）、あるいはM5 Ultraの大容量統合メモリ（96GB／256GB／512GB）に広がります。48GB構成では70B Q4でKVキャッシュの余力が小さくなる可能性がありますが、72GB以上では長文や高精度量子化の自由度が大きく向上します。

なお、70Bを動かすためにM5 Ultraの256GB構成が常に必須なわけではありません。 96GB構成でも量子化と使用条件次第で収容可能です。逆に256GB構成であっても、あらゆる巨大モデルを高速に動かせるとは限りません。

AIエージェントでは「1人の速さ」より「仕事全体の所要時間」

AIエージェントの運用は、1回質問して回答を生成して終わりではありません。ファイルを探索し、コードを読み込み、複数のサブエージェントに並列でタスクを割り振り、結果を統合します。

そこで問われるのは、単一セッションのDecode速度だけでなく、Prefill、TTFT、同時処理時の総スループット、コンテキスト保持、そして待機時間の総和です。

MacStoriesのM5 Ultra実測では、モデルと条件を限定した並列実行において、単独処理の合計66 tok/s程度に対し、3リクエスト同時実行では合計約81 tok/sというスループット向上が確認されました。ただし、個々のリクエスト自体の応答時間は並列化によって長くなる場合があります（出典：MacStories）。

RTX PRO 5000・5500・6000を選ぶ意味は何か

M5 Ultraが個人向けのローカルLLM環境として優れた選択肢であるとしても、業務におけるRTX PROの価値が損なわれるわけではありません。

今回、RTX PRO 6000 Blackwellでは7Bモデルの公開実測274.20 tok/sを確認できましたが、使用されたGPUエディションは特定できません。また、RTX PRO 5000や5500の同条件実測速度は未確認です。CORE SPECでは、実測根拠のない推論速度を帯域幅から推計してランキング化することはいたしません。

関連解説：RTX PROシリーズ総合ガイド ／ ワークステーション購入ガイド

TouchDesigner・Houdini・Unreal Engineにも同じ結論を使えるか？

使えません。少なくともそのまま適用してはいけません。

ローカルLLMの生成速度が近くても、TouchDesignerのリアルタイム描画、Houdiniのプロシージャルシミュレーション、Unreal Engineのリアルタイムレンダリング、外部映像I/O機器の低遅延接続は全く別の評価軸です。

OS対応、CUDAやOptiXへの依存度、GPUドライバの成熟度、サードパーティ製プラグイン、SDI/NDI映像伝送などの条件において、GeForce RTXやRTX PROを搭載したWindows／Linuxワークステーションの方が圧倒的に適しているケースが多々あります。

Macが一律に不利であると断定するのでも、LLMの速度が近いからクリエイティブ制作も同等だと誤認するのでもなく、実際に使用するソフトウェアと周辺機器の対応要件を個別に確認してください。

詳しくは「Mac Studio M5 Ultraはリアルタイム制作に向くか？」をご参照ください。

価格を比較するなら「GPU単体」ではなく、動く環境の総額を見る

Appleが公表しているM5 Ultra搭載Mac Studioの日本国内価格は949,800円（税込）からです。基本構成は30コアCPU／64コアGPU／96GB統合メモリ／1TB SSDとなります。上位の36コアCPU／80コアGPUや、256GB・512GB統合メモリはCTOオプションとして選択します（出典：Apple公式仕様）。

購入時の注意：
今回MacStoriesで参照された高性能実測は、80コアGPU／256GB統合メモリ構成（国内CTO価格約167万〜190万円規模、試用機カスタム2,173,800円）で行われています。最小949,800円の基本構成（64コアGPU）で同一のtok/sが得られると考えてはいけません。

RTX 5080や5090を検討する際も、GPU単体の価格だけでなく、マザーボード、大容量電源、水冷クーラー、高速SSD、PCケースを含めた完成品BTOとしての総額で比較する必要があります。RTX PROの場合はさらにECC、長期サポート、業務向け検証費用も加味されます。

また、出先へGPU環境を持ち出して制作・推論を行う必要がある読者には、24GB VRAMを備える「RTX 5090 Laptop」が有力な選択肢となります。さらに、リアルタイム制作用のRTX搭載機と、大規模LLM常時稼働用のMac Studioをネットワーク接続する「150万円予算のRTX＋統合メモリ2台構成」というポートフォリオも実用的な解となります。

用途別の最終判断｜MacかRTXかではなく、仕事の条件から決める