MacBook Pro M5 Pro 64 GB: la soluzione ideale per l'intelligenza artificiale locale dedicata ai modelli di linguaggio di grandi dimensioni (LLM) e alla generazione di immagini e video

Esiste una configurazione specifica di Mac che, quasi inosservata, è diventata la risposta standard alla domanda: “Quale portatile dovrei comprare se voglio eseguire modelli di intelligenza artificiale in autonomia?”. Si tratta del MacBook Pro del 2026 con chip M5 Pro e 64 GB di memoria unificata.

Non è il più economico. Non è il più veloce. Ma è quello in cui il compromesso risulta perfetto per la maggior parte delle persone che vogliono davvero uso modelli locali, anziché limitarci a confrontarli con quelli di riferimento.

Questa guida illustra le reali capacità di quella macchina in tre ambiti di utilizzo — modelli linguistici di grandi dimensioni, generazione di immagini e generazione di video — fornendo dati concreti laddove disponibili, stime attendibili in caso contrario e istruzioni dettagliate per la configurazione che potrai seguire il giorno stesso in cui riceverai la macchina.

Il libro spiega anche in quali casi l’argomento dello “sweet spot” non regge, perché in effetti non regge, ed è importante sapere esattamente in quali casi prima di spendere tremila dollari per una memoria che non potrai aggiornare in seguito.

---

TL;DR — Il verdetto

Acquista l'M5 Pro da 64 GB se: vuoi un computer portatile in grado di eseguire i modelli 8B–70B e quelli Mixture-of-Experts con una velocità sufficiente per il lavoro vero e proprio, che generi immagini in pochi secondi anziché in minuti e che abbia ancora spazio per far funzionare contemporaneamente il browser, l’IDE e i container Docker. Questo è il modello più equilibrato computer portatile per l'intelligenza artificiale locale nel 2026.

Scegli l'M5 Max da 128 GB se: ti servono specificatamente modelli locali di classe "frontier" come gpt-oss-120b (il che fa non (che sta in 64 GB), oppure se si desidera circa il doppio della velocità di generazione dei token sui modelli di grandi dimensioni. L’M5 Max a 40 core offre una larghezza di banda di memoria di 614 GB/s rispetto ai 307 GB/s dell’M5 Pro, e per la decodifica dei modelli di linguaggio di grandi dimensioni (LLM) la larghezza di banda è fondamentale.

Cerca altrove se: La generazione di video in locale è il tuo carico di lavoro principale. In questo ambito, ogni Mac è ancora diverse volte più lento di una RTX 5090, e il noleggio di risorse cloud risulta notevolmente più economico per ogni clip.

I tre numeri che caratterizzano questa macchina:

Metrico	M5 Pro (GPU a 20 core)	Perché è importante
307 GB/s larghezza di banda della memoria	~2× base M5, ~½ M5, massimo 40 core	Imposta il limite massimo di token al secondo per i modelli di linguaggio di grandi dimensioni (LLM)
64 GB memoria unificata massima	~48–52 GB utilizzabili per impostazione predefinita	Stabilisce quali modelli sono compatibili
20 core della GPU con acceleratori neurali	Prestazioni di calcolo AI 4×+ rispetto a M4 Pro	Favorisce la rapidità di elaborazione e diffusione

---

Innanzitutto: sì, questo chip è vero

Molti degli articoli sull’M5 Pro pubblicati tra la fine del 2025 e l’inizio del 2026 erano semplici speculazioni. Ora non lo sono più.

Apple ha annunciato l'M5 Pro e l'M5 Max il 3 marzo 2026, ed entrambi sono stati forniti con i modelli MacBook Pro da 14 pollici e 16 pollici su 11 marzo 2026. Il modello base M5 era già stato lanciato in precedenza, nel MacBook Pro da 14 pollici il 22 ottobre 2025, ma quel chip rappresenta una soluzione completamente diversa: raggiunge al massimo i 32 GB e i 153 GB/s, il che non è sufficiente per i carichi di lavoro descritti in questa guida.

Ecco cosa ha confermato Apple nelle pagine “Newsroom” e “Specifiche tecniche”:

M5 Pro — specifiche confermate

Componente	Specifiche
CPU	18 core (6 “super core” fino a circa 4,6 GHz + 12 core ad alte prestazioni fino a circa 4,4 GHz). Configurazione base: 15 core. Fino a 30% più veloce in multithreading rispetto all’M4 Pro.
GPU	Fino a 20 core, ciascuno con un acceleratore neurale dedicato. Ray tracing hardware di terza generazione. Potenza di calcolo di picco della GPU per l’IA oltre 4 volte superiore rispetto all’M4 Pro.
Neural Engine	a 16 core
Memoria unificata	24 GB / 48 GB / 64 GB — 64 GB è la capacità massima
Larghezza di banda della memoria	Fino a 307 GB/s (LPDDR5X)
Processo	TSMC 3 nm (N3P), “Fusion Architecture” — due chip uniti tramite il packaging SoIC-mH
I/O e supporti	Thunderbolt 5, codifica e decodifica H.264/HEVC/ProRes/ProRes RAW, decodifica AV1

M5 Max — per il contrasto

L'M5 Max presenta la stessa CPU a 18 core, ma una GPU che arriva fino a 40 core e, cosa fondamentale, una configurazione della memoria diversa: la variante a 32 core funziona a 460 GB/s, mentre quella a 40 core a 614 GB/s, configurabile fino a 128 GB.

Quel divario in termini di larghezza di banda non è un semplice dettaglio tecnico. È il fattore più importante in assoluto nella scelta tra M5 Pro e M5 Max, e torneremo più volte su questo punto.

Test di prestazione indipendenti

Il modello in prova di Notebookcheck — un M5 Pro da 16 pollici con 64 GB — ha registrato punteggi Geekbench 6.7 pari a 4.295 in modalità single-core e 28.436 in modalità multi-core, un punteggio multi-core di 2.347 in Cinebench 2024 e un punteggio multi-core di 9.481 in Cinebench 2026.

L'analisi della GPU ha indicato che l'M5 Max è più o meno alla pari con una RTX 5070 da desktop e nettamente superiore alla Strix Halo di AMD. La GPU a 20 core dell'M5 Pro si colloca al di sotto di questi livelli, cosa che vale la pena tenere presente: si tratta di una GPU performante per un portatile, non di un sostituto di una scheda dedicata.

Hanno inoltre segnalato un aspetto meno lusinghiero, che vale la pena prendere sul serio: il MacBook Pro del 2026 subisce un calo di prestazioni evidente sotto carico prolungato, con prestazioni della CPU incostanti anche in modalità “High Power”. Ne parleremo più approfonditamente nella sezione dedicata alla gestione termica.

---

Il problema dei prezzi (edizione 2026)

La linea M5 Pro è stata lanciata a $2,199 per il modello da 14 pollici e $2,699 per il modello da 16 pollici. Poi è arrivata la crisi globale della memoria.

In Nel giugno 2026, Apple ha aumentato i prezzi dei MacBook Pro di circa $300 su tutta la linea. Dopo l’aumento, il modello base M5 Pro da 14 pollici si aggira intorno a $2,499, mentre un M5 Pro da 14 pollici configurato con 64 GB di RAM e un SSD da 1 TB si colloca nella fascia compresa tra $2,799–$2.999, a seconda del giorno e del rivenditore. B&H e altri rivenditori stanno applicando sconti di $300–$400 sulle configurazioni M5 Pro da 48 GB e 64 GB, quindi vale la pena controllare prima di acquistare direttamente.

In Germania, la linea M5 Pro parte da 2.199 €, con prezzi per il settore dell'istruzione che scendono fino a 1.979 € presso rivenditori come Edustore. Le configurazioni da 64 GB risultano notevolmente più costose una volta inclusa l'IVA 19%.

Due fattori sono determinanti per la tua decisione:

• Da 48 GB a 64 GB sull'M5 Pro: Storicamente si trattava di un upgrade da $200 a $400, ma dopo l'aumento di giugno i prezzi per l'upgrade della RAM sono saliti da 50 a 67% in molte configurazioni.
• M5 Pro 64 GB → M5 Max 128 GB: un aumento sostanziale. Prima dell’aumento, l’M5 Max partiva da $3.599 (14 pollici) e $3.899 (16 pollici), mentre a giugno il prezzo degli upgrade di memoria da 64 GB e 128 GB per l’M5 Max è quasi raddoppiato. Un modello da 16 pollici con tutte le opzioni ora supera $10,000.

Prima di effettuare l'acquisto, controlla a campione tutti i prezzi di questa sezione. Il mercato della memoria del 2026 è in continua evoluzione di mese in mese, e qualsiasi cosa venga scritta qui ha una durata limitata.

---

Perché proprio 64 GB? L’argomento del “punto di equilibrio”

L'affermazione relativa allo “sweet spot” non significa che i 64 GB siano una cifra magica. Si riferisce piuttosto a ciò che ogni livello di memoria effettivamente esclude.

Cosa non è consentito fare in ciascuna fascia

16 GB / 24 GB — È possibile utilizzare comodamente modelli da 7B a 8B e modelli da 14B con una quantizzazione aggressiva. Non è invece possibile utilizzare modelli della classe 30B+ con un contesto significativo. Si finirà per dedicare il proprio tempo alla gestione della memoria invece che all’utilizzo dei modelli.

32 GB — Funziona con modelli densi da 14 miliardi di parametri e con alcuni modelli MoE più piccoli. Ma una volta aggiunta una cache KV per contesti da oltre 32K, oltre a Chrome, all’IDE e a un daemon Docker, ci si trova in una situazione di pressione sulla memoria. È proprio a questo livello che le persone si convincono che l’IA locale non funzioni.

48 GB — Davvero ottimo. Esegue senza problemi modelli complessi di classe 32B. Il problema è lo spazio libero: un modello da 70B a Q4 occupa circa 40 GB, che tecnicamente ci stanno, ma non lasciano spazio per il resto del sistema. Si finisce per chiudere le applicazioni per eseguire un modello, ed è proprio questo intoppo che compromette i flussi di lavoro locali.

64 GB — A questo punto è possibile utilizzare un modello 70B Q4 o un modello MoE con 106 miliardi di parametri in memoria e Mantieni attivo l'intero ambiente di lavoro. Non chiudere Slack. Non spegnere i container. Apri un modello e continua a lavorare.

128 GB (fascia M5 Max) — Sblocca gpt-oss-120b e la classe 120B+. Davvero utile se è quello che ti serve, e davvero costosa se non lo è.

L'argomento dello “sweet spot” è in realtà l'argomento secondo cui "bisogna utilizzare un modello serio E tutto il resto". È questa la differenza tra un'IA locale che è solo un prodotto da mostrare in demo e un'IA locale che si usa davvero.

Ma i 64 GB hanno un limite massimo inderogabile, ed è bene che tu ne sia consapevole fin da ora.

Il problema gpt-oss-120b

gpt-oss-120b Con la quantizzazione MXFP4, sono necessari circa 63 GB solo per i pesi. Misurazioni indipendenti effettuate su un M5 Max da 128 GB utilizzando MLX indicano un picco di memoria di circa 64,4 GB con un contesto di 4.096 token e 64,9 GB con un contesto di 16K.

Su un dispositivo da 64 GB, dove lo spazio effettivamente utilizzabile è compreso tra 52 e 60 GB, non c’è spazio sufficiente. Non è che “ci sta a malapena”: proprio non ci sta.

Se leggete un'affermazione secondo cui gpt-oss-120b se funziona con 64 GB, diffidatene. Si tratta di un modello da 128 GB. Questo è l’argomento più chiaro a favore del passaggio all’M5 Max e, se quel modello è importante per voi, nessuna argomentazione sul “punto di equilibrio” può cambiare i conti.

---

Passo 1: Sblocca la tua memoria (fai prima questo)

Ecco una cosa che la maggior parte degli acquirenti non sa: macOS non permette alla GPU di utilizzare tutta la RAM.

Per impostazione predefinita, macOS limita la memoria collegata alla GPU a circa 75% del totale. Su un computer da 64 GB, ciò corrisponde a circa 51,84 GB utilizzabile per i pesi dei modelli, mentre la parte restante è riservata al sistema.

È possibile attivarlo con un solo comando. Non è necessario riavviare il sistema né apportare modifiche alla Protezione dell'integrità del sistema.

Nota: la chiave moderna è iogpu.wired_limit_mb. Le guide più datate fanno riferimento a debug.iogpu.wired_limit, che è stata sostituita. Se trovate un tutorial che utilizza la vecchia chiave, significa che non è più aggiornato.

Aumentare il limite

bash

# Imposta il limite di memoria fissa della GPU a 60 GB (60 × 1024 = 61440 MB)
sudo sysctl iogpu.wired_limit_mb=61440

# Verifica che la modifica sia stata applicata
sysctl iogpu.wired_limit_mb

# Ripristina in qualsiasi momento l’impostazione predefinita di macOS
sudo sysctl iogpu.wired_limit_mb=0

Rendilo persistente

L'impostazione viene ripristinata al riavvio. Per renderla permanente, aggiungila a /etc/sysctl.conf:

bash

echo "iogpu.wired_limit_mb=61440" | sudo tee -a /etc/sysctl.conf

In alternativa, creare un LaunchDaemon oppure aggiungere il file sysctl richiama uno script di login se preferisci non intervenire /etc/sysctl.conf.

Fino a che punto ci si dovrebbe spingere?

Lascia 4–8 GB per macOS. Su un dispositivo da 64 GB, 60 GB (61.440 MB) sono un valore ambizioso ma fattibile se non si eseguono molte altre applicazioni. 56 GB (57.344 MB) rappresentano l'impostazione più sicura per l'uso quotidiano.

Non assegnare 100%. Si verificheranno "beachball", blocchi dell'applicazione o un hard reset — e su una macchina nel bel mezzo di un processo di inferenza, ciò comporta la perdita di tutto ciò che stavi facendo.

Bilancio pratico su un M5 Pro da 64 GB:

• Valore predefinito: ~48–52 GB di spazio disponibile
• Aumentata a 56 GB: spazio sufficiente per un modello 70B Q4 più il contesto
• Aumentato a 60 GB: capacità massima, con spazio minimo per altre applicazioni

Quella differenza — 48 GB contro 58 GB — spesso determina se un modello viene eseguito sulla GPU o se il carico si sposta sulla CPU, il che compromette drasticamente la produttività. Sono i cinque minuti di configurazione più importanti che dovrete dedicare a questa operazione.

Un altro requisito indispensabile

Per poter utilizzare effettivamente gli acceleratori neurali dell'M5, MLX richiede macOS 26.2 o versioni successive. Se stai utilizzando una versione precedente, ti stai perdendo il miglioramento generazionale più significativo in assoluto. Controlla la sezione "Aggiornamenti software" prima di eseguire qualsiasi test delle prestazioni.

---

Fase 2: Crea il tuo stack

Ecco la procedura completa, in ordine. Prevedete circa 30 minuti, più il tempo necessario per il download.

2.1 — Fondamenti

bash

# Installa Homebrew se non ce l'hai
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

# Installa uv — un gestore di pacchetti Python veloce, di gran lunga migliore di pip per questo scopo
brew install uv

# Facoltativo ma consigliato: un gestore di versioni di Python
brew install python@3.12

2.2 — MLX (il framework ML nativo di Apple)

MLX è il framework array proprietario di Apple, sviluppato appositamente per l'architettura di memoria unificata di Apple Silicon. Rappresenta la soluzione più veloce per l'inferenza LLM su Mac e dovrebbe essere la tua impostazione predefinita.

bash

# Creare un ambiente dedicato
uv venv ~/mlx-env
source ~/mlx-env/bin/activate

# Installare mlx-lm
uv pip install mlx-lm

# Provalo: questo comando scarica ed esegue un modello
mlx_lm.generate \
  --model mlx-community/Qwen3.6-27B-4bit \
  --prompt "Spiega l'architettura a memoria unificata in tre frasi."

Se viene visualizzato del testo, significa che lo stack funziona.

2.3 — LM Studio (l'interfaccia grafica)

Scarica da lmstudio.ai. Questo è il modo più intuitivo per sfogliare, scaricare ed eseguire i modelli, e Apple lo ha dimostrato durante il lancio dell’M5 Pro, il che la dice lunga su quanto l’inferenza locale sia ormai diventata una pratica diffusa.

La funzionalità più utile di LM Studio per gli sviluppatori è il server integrato compatibile con OpenAI. È possibile attivarlo nella sezione Sviluppatore scheda e rende disponibile un endpoint all’indirizzo http://localhost:1234/v1 con cui qualsiasi client compatibile con OpenAI possa comunicare.

2.4 — Ollama (l’interfaccia CLI e il server)

bash

brew install ollama

# Avvia il server
ollama serve

# In un altro terminale, scarica ed esegui un modello
ollama pull gpt-oss:20b
ollama run gpt-oss:20b

Aggiornamento importante per il 2026: su Il 30 marzo 2026, Ollama 0.19 ha sostituito il backend Apple Silicon da llama.cpp a MLX. Ciò ha quasi raddoppiato la velocità di decodifica. Secondo le misurazioni condotte da Ollama su un M5 Max con Qwen3.5-35B-A3B in esecuzione, il prefill è passato da 1.154 a 1.810 token/sec e la decodifica da 58 a 112 token/sec — con la loro build int4 che ha portato il prefill a 1.851 e la decodifica a 134.

Se l'ultima volta che hai provato Ollama su un Mac è stato prima di quella versione, la tua percezione delle sue prestazioni è ormai superata.

2.5 — Disegnare oggetti (immagini e video)

Installalo dal Mac App Store. È gratuito, nativo, ottimizzato per Metal e attualmente il miglior strumento di generazione di immagini su Apple Silicon. La sua implementazione di Metal FlashAttention v2.5 è fino a 4,6 volte più veloce su M5 rispetto a M4 e supporta l'addestramento LoRA direttamente sul dispositivo.

2.6 — ComfyUI (quando servono le pipeline)

bash

brew install comfyui

ComfyUI offre un controllo del flusso di lavoro basato su nodi che Draw Things non è in grado di eguagliare. Funziona sul backend MPS ed è circa 20% più lento di Draw Things su Apple Silicon a parità di carico di lavoro; inoltre presenta delle vere e proprie insidie con i checkpoint FP8 su Metal. Usalo quando hai bisogno di pipeline complesse; usa Draw Things quando hai bisogno di velocità.

2.7 — Verificare tutto

bash

# Verifica se il limite di memoria è bloccato
sysctl iogpu.wired_limit_mb

# Verifica che MLX rilevi la tua GPU
python -c "import mlx.core as mx; print(mx.default_device())"

# Verifica che Ollama sia in esecuzione
curl http://localhost:11434/api/tags

---

Parte 1: Esecuzione dei modelli di linguaggio di grandi dimensioni (LLM)

Questo è il punto di forza dell'M5 Pro da 64 GB, e vale la pena capirlo perché prima di consultare l'elenco dei modelli.

L'unico concetto che spiega tutto: larghezza di banda contro potenza di calcolo

L'inferenza LLM si articola in due fasi, che sollecitano in modo completamente diverso le varie parti del computer.

Precompilazione (elaborazione immediata) è il numero di caratteri da ignorare all'inizio dell'input prima che compaia il primo token. È limitato dalla potenza di calcolo. Ecco perché incollare un file da 40.000 token in un agente di codifica locale significava un tempo di attesa di alcuni minuti su un Mac, mentre una scheda NVIDIA lo elaborava in pochi secondi.

Decodifica (generazione di token) sta generando ogni token successivo. È limitato dalla larghezza di banda della memoria. Ogni token generato richiede la lettura dei pesi del modello dalla memoria. Più veloce è la memoria, più veloci sono i token. È quasi così semplice.

Questa suddivisione spiega l'intera proposta del M5 Pro:

• Il suo 307 GB/s La larghezza di banda pone un limite massimo alla velocità di decodifica. È circa il doppio dei 153 GB/s del modello M5 base e circa la metà dei 614 GB/s del modello M5 Max a 40 core.
• Il suo Acceleratori neurali — uno per ogni core della GPU, una novità della generazione M5 — migliorano notevolmente il prefill.

Il team di ricerca MLX di Apple ha pubblicato nel novembre 2025 i risultati delle misurazioni che mettono a confronto il modello M5 base con il modello M4 base sul Qwen3-14B-4bit: il tempo necessario per ottenere il primo token è risultato 4,06 volte più veloce, mentre la generazione dei token è migliorata solo di 1,19 volte. Questo modesto aumento delle prestazioni di decodifica riflette esattamente l'incremento della larghezza di banda (da 120 GB/s a 153 GB/s). L'enorme aumento delle prestazioni di prefill deriva interamente dagli acceleratori neurali.

Apple pubblicizza le varianti Pro e Max come in grado di garantire un’elaborazione dei prompt LLM fino a 4 volte più veloce rispetto alle M4 Pro e M4 Max. Il meccanismo è identico, anche se le conferme indipendenti specifiche per l’M5 Pro in merito alla funzione di prefill sono ancora scarse.

Cosa significa in pratica: L'M5 Pro rappresenta un aggiornamento rivoluzionario rispetto ai Mac precedenti all'M5 per il lavoro su contesti estesi e la programmazione agentica, ambiti in cui prevale il prefill. Si tratta invece di un aggiornamento modesto per quanto riguarda la velocità di elaborazione delle chat, ambito in cui prevale la decodifica.

La rivoluzione del MoE (perché i Mac sono diventati improvvisamente così validi)

Le architetture "Mixture-of-Experts" hanno rivoluzionato il modo di ragionare sulle macchine a memoria unificata, e se non dovessi capire nient'altro da questa guida, ricorda almeno questo.

Un modello MoE presenta un numero enorme di parametri complessivi, ma ne attiva solo una piccola parte per ogni token. gpt-oss-120b ha un totale di 117 miliardi di parametri, ma ne attiva all’incirca 5,1 miliardi per token.

• Parametri totali stabilisci il tuo memoria requisito — di cui i Mac dispongono in abbondanza.
• Parametri attivi stabilisci il tuo velocità di decodifica — che è limitato dalla larghezza di banda.

Pertanto, un modello MoE deve sfruttare al massimo la risorsa di cui i Mac dispongono in abbondanza e consumare pochissima della risorsa di cui sono carenti. Un modello MoE ben scelto su un Mac da 64 GB offre una qualità vicina al limite massimo con la velocità di decodifica di un modello molto più piccolo.

Questo è il motivo per cui un laptop con una velocità di 307 GB/s può risultare competitivo rispetto a schede che raggiungono i 1.700 GB/s in determinati carichi di lavoro. Scegliete i modelli MoE quando possibile.

Quali modelli calzano davvero bene — la tabella

I dati misurati riportati di seguito provengono dal database di benchmark della comunità oMLX relativo all'M5 Pro a 20 core con 64 GB. Le stime sono chiaramente contrassegnate. Non fidarti dei numeri di token/sec non contrassegnati che trovi altrove relativi a questo chip — Sono pochissime le persone che hanno pubblicato misurazioni reali dell’M5 Pro.

Modello	Tipo	Impronta	Decodifica (tok/s)	Precompilazione (tok/s)	Verdetto
gpt-oss-20b (MXFP4)	MoE	circa 12 GB	66–80 ✅ misurato	1.500–2.200 ✅	L'auto per tutti i giorni. Veloce, performante, compatta.
Qwen3.5-35B-A3B / Qwen3-30B-A3B (Q4)	MoE	circa 20 GB	~55–70 (stima)	Alto	Il miglior rapporto qualità-prezzo per GB. La scelta più efficiente.
Qwen3.6-27B (4 bit)	Denso	circa 16 GB	17.8 ✅ misurato	470 ✅	Esemplare rappresentativo della classe 27–35B ad alta densità.
GLM-4.5 / 4.6 Air (106B-A12B)	MoE	~40 GB+	~30	Alto	Un ragionamento "near-frontier" che funziona davvero.
Llama 3.3 70B (Q4_K_M)	Denso	circa 40 GB	~7–12 (stimato)	Moderato	Adatto per l'elaborazione in batch; poco pratico in modalità interattiva.
Llama 3.3 70B (Q5_K_M)	Denso	~49 GB	~6–10 (stimato)	Moderato	Funziona, ma è un po’ stretto. Aumenta prima il limite di memoria.
Qwen3 14B / 32B, Gemma 3, Mistral Small, Devstral, Command-A	Denso	da 8 a 24 GB	20–60+	Buono	Tutto comodo. Scegli in base all'attività.
gpt-oss-120b (MXFP4)	MoE	~63 GB	—	—	❌ Non va bene. È necessario un dispositivo con 128 GB di memoria.
Qwen3-235B-A22B (ternario a 1,58 bit)	MoE	~53 GB	~5.6	Basso	Tecnicamente funziona. È solo un trucchetto, non un vero e proprio flusso di lavoro.

Il bonus di lotto: gpt-oss-20b sulla bilancia M5 Pro, approssimativamente 142 tok/s con dimensione del batch pari a 8. Se si eseguono agenti, cicli di valutazione o qualsiasi carico di lavoro con richieste parallele, la produttività migliora notevolmente rispetto al valore relativo a un unico flusso.

Uno sguardo realistico ai modelli 70B

Non esistono dati pubblicati e misurati in modo indipendente relativi alla velocità di decodifica dell'M5 Pro con Llama 3.3 70B. La stima di 7–12 tok/s è stata ricavata dalla larghezza di banda.

A titolo di riferimento: un M4 Max da 128 GB a 546 GB/s registra circa 18–20 tok/s sullo stesso modello. L’M5 Pro raggiunge i 307 GB/s. I calcoli non sono incoraggianti.

A una velocità compresa tra 7 e 12 tok/s si ottengono all’incirca 5–9 parole al secondo — una velocità inferiore a quella di una lettura fluida. Va bene per le attività in background, l’elaborazione di documenti e i processi batch notturni. È invece frustrante per le chat interattive.

Il consiglio sincero: Su un M5 Pro da 64 GB, considera i modelli densi da 70 miliardi di parametri come strumenti per carichi di lavoro in batch e utilizza i modelli MoE per qualsiasi attività interattiva.

Quantizzazione: cosa scegliere in realtà

Formato	Perdita di qualità	Quando utilizzarlo
Q4_K_M (GGUF)	~1–2%	Impostazione predefinita. Miglior rapporto velocità-qualità.
MLX a 4 bit	~1–2%	Impostazioni predefinite su Mac. Circa 10% di memoria in meno e 15–30% più veloce rispetto a un GGUF equivalente.
Q5_K_M / MLX a 6 bit	<1%	Quando si dispone di margine dinamico e si desidera un risultato quasi privo di perdita di qualità.
Q6_K	Trascurabile	Lavori in cui la qualità è fondamentale, con memoria in abbondanza.
Q8 / FP16	Nessuno	Su un portatile, raramente ne vale la pena. Riduce della metà o di un quarto il budget a disposizione per le dimensioni del modello.
MXFP4	Nativo	Non è una scelta: è così che gpt-oss navi.
1,58 bit ternario	Grave	Solo per infilare a forza un modello che altrimenti non ci starebbe.

Regola generale: 4 bit per velocità e praticità, 6 bit quando la qualità è importante e si ha spazio a disposizione, mentre è meglio evitare gli 8 bit su un portatile.

MLX vs llama.cpp — quale runtime?

La risposta breve è MLX, con un’unica avvertenza.

• Con circa 14 miliardi di parametri: MLX supera llama.cpp per 20–87%. Non c'è paragone.
• Superiore a ~27 miliardi: le due cose convergono, poiché la larghezza di banda della memoria diventa il collo di bottiglia e il tempo di esecuzione non ha più alcuna importanza.
• Memoria: MLX consuma circa 10% in meno rispetto a GGUF a parità di quantizzazione.
• L'avvertenza: Con oltre 30.000 contesti di token, MLX può arrivare fino a 50% più lento rispetto a llama.cpp con Flash Attention abilitato. Ciò dipende dal modello e dal contesto.

Se lavori abitualmente con contesti molto lunghi, esegui il benchmark su entrambi in base al tuo carico di lavoro effettivo. Altrimenti, usa MLX.

Esecuzione di un server API locale

mlx-lm La versione 0.18 e successive includono un server compatibile con OpenAI con elaborazione in batch continua:

bash

mlx_lm.server \
  --model mlx-community/gpt-oss-20b-MXFP4 \
  --port 8080

Ora qualsiasi applicazione compatibile con l'API di OpenAI può utilizzare il tuo modello locale:

bash

curl http://localhost:8080/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "local",
    "messages": [{"role": "user", "content": "Scrivi una riga di codice bash per trovare i file di grandi dimensioni."}]
  }'

Tale endpoint costituisce la base di tutto ciò che viene illustrato nella sezione dedicata ai flussi di lavoro qui di seguito.

---

Parte 2: Generazione di immagini

È proprio nella generazione delle immagini che l’M5 Pro si dimostra migliore di quanto lascerebbe supporre la sua larghezza di banda, per un motivo molto semplice: la diffusione è limitato dalla potenza di calcolo, non sono limitati dalla larghezza di banda e i modelli sono talmente piccoli che la memoria non rappresenta mai un vincolo su una macchina da 64 GB.

Prestazioni per singolo modello

Modello	Dimensioni	Memoria	Tempo necessario per un'immagine da 1024×1024	Note
SDXL	3,5 miliardi	circa 7 GB	circa 7 secondi a 30 passi (M5 Max)	L'opzione più veloce e di qualità. Un ecosistema LoRA vastissimo.
FLUX.1 [veloce]	12B	~7 GB (4° trimestre)	circa 20–25 secondi in 4 fasi	Ottimizzato per la velocità. Apache-2.0.
FLUX.1 [dev]	12B	~10 GB (Q6)	circa 50 secondi a 20 passi (classe M4)	Il punto di riferimento in termini di qualità.
FLUX.2 [Klein]	4B distillato	circa 8 GB	circa 40 anni	Più nuovo, più piccolo, più veloce.
FLUX.2 [dev]	Grande	24 GB+	Diversi minuti	Massima qualità, è richiesta vera pazienza.
SD 3,5	Varia	10–20 GB	Decine di secondi	Una via di mezzo equilibrata.
Qwen-Image / Qwen-Image-Edit	Varia	15–25 GB	Decine di secondi	Ottimo per la visualizzazione e la modifica dei testi.
HiDream, Chroma	Varia	10–20 GB	Varia	Vale la pena scoprirlo per la varietà di stili.

Il team di ricerca sul machine learning di Apple ha misurato le prestazioni di FLUX-dev-4bit nella generazione di un'immagine 1024×1024 più di 3,8 volte più veloce su M5 rispetto a M4 grazie a MLX. Questo aumento di prestazioni è dovuto agli acceleratori neurali e si applica all'intera famiglia M5.

Non sono ancora stati pubblicati benchmark specifici per l'M5 Pro relativi ai secondi per immagine, quindi considerate la tabella sopra riportata come dati relativi alla classe M4, con un significativo miglioramento previsto per l'M5. Nella pratica: dovreste aspettarvi che FLUX.1 [schnell] venga elaborato in ben meno di 20 secondi e SDXL in pochi secondi.

Con 64 GB è possibile eseguire questi modelli a FP16 senza quantizzazione, il che rappresenta un vero e proprio vantaggio in termini di qualità rispetto ai modelli da 16 GB e 24 GB che sono costretti a ricorrere al Q4.

Attrezzatura: cosa usare

Disegna cose — l’opzione predefinita. Metal nativo, nessun ambiente Python da compromettere, Metal FlashAttention v2.5 che funziona fino a 4,6 volte più velocemente su M5 rispetto a M4 e addestramento LoRA direttamente sul dispositivo. Gratuito sull’App Store.

ComfyUI — per pipeline basate su nodi, catene ControlNet e flussi di lavoro multistadio. Circa 20% più lento rispetto a Draw Things su Apple Silicon. Attenzione ai checkpoint FP8, che spesso falliscono su Metal.

DiffusionKit — Il toolkit di diffusione sviluppato da Apple, supportato da MLX. Da tenere d’occhio.

Mochi Diffusion, InvokeAI — entrambe valide, entrambe vanno bene.

Da evitare: DiffusionBee è di fatto abbandonato. Automatic1111 e Forge funzionano tecnicamente tramite MPS, ma sono lenti e poco aggiornati su Mac.

Passo dopo passo: la tua prima immagine locale

1. Installa Disegna cose dal Mac App Store.
2. Aprilo e vai al gestore dei modelli (l'icona nella parte superiore del pannello di sinistra).
3. Scarica FLUX.1 [veloce] — circa 7 GB nel quarto trimestre, oppure scarica la versione FP16 visto che hai memoria a sufficienza.
4. Set Passaggi a 4 (lo “schnell” viene distillato proprio per questo) e Dimensioni a 1024×1024.
5. Inserisci un comando e premi Genera.
6. La prima esecuzione comprende il caricamento del modello. Le generazioni successive sono molto più veloci.

Addestramento LoRA sul dispositivo

Un dispositivo da 64 GB è in grado di ottimizzare i modelli di immagini a livello locale, una funzionalità davvero sottovalutata. Draw Things supporta direttamente l'addestramento LoRA, mentre MLX supporta sia LoRA che QLoRA sia per i modelli di immagini che per quelli linguistici.

Un piccolo modello LoRA basato su 20-50 immagini si genera in una notte su un M5 Pro e non esce mai dal tuo computer. Per chiunque lavori con materiale dei clienti o risorse proprietarie, questo aspetto è più importante della velocità.

---

Parte 3: Creazione di video — La sezione "onesta"

A questo punto devo essere sincero con te, perché molti contenuti su questo argomento non lo sono.

Nel 2026, la generazione di video in locale su qualsiasi Mac è lenta. Non “più lento di una 4090”. Abbastanza lento da cambiare il tuo modo di lavorare.

Perché proprio in questo ambito i Mac hanno delle difficoltà

La diffusione dei video è fortemente limitato dalla potenza di calcolo. A differenza della decodifica LLM, dove la larghezza di banda di memoria del Mac è la risorsa determinante, la generazione di video mette a dura prova la potenza di calcolo pura della GPU — proprio l’aspetto in cui la GPU di un portatile a 20 core non regge il confronto con una scheda dedicata.

Gli acceleratori neurali della M5 sono d’aiuto. Ma non bastano a colmare un divario così ampio.

I numeri, senza fronzoli

Wan 2.2 (Alibaba, Apache-2.0, disponibile come modello MoE da 14 miliardi e come variante densa da 5 miliardi per la conversione di testo/immagini in video): su un M1 Max da 64 GB con una build GGUF, un Per registrare un filmato di 2 secondi a 832×480 ci sono voluti 82 minuti. Un filmato di 5 secondi supererebbe le tre ore.

A titolo di confronto, lo stesso modello TI2V-5B su una RTX 4090 da 24 GB impiega circa 5 secondi per elaborare un video a 720p in circa 9 minuti.

Un M5 Pro è notevolmente più veloce di un M1 Max, ma il punto è proprio l’ordine di grandezza.

Un limite fondamentale dei metalli: I checkpoint dell'FP8 non funzionano su Metal — il Float8_e4m3fn Il tipo di dati non è supportato. È necessario utilizzare le build GGUF. Questo crea difficoltà a molte persone che seguono tutorial orientati a NVIDIA, e significa anche che I modelli FP8 di LTX-2 non funzionano affatto su Mac.

La buona notizia: I modelli distillati più recenti stanno cambiando questa situazione. Ivan Fioravanti ha misurato il distillato LTX 2.3 22B in Draw Things: creazione di un video di 5 secondi in circa 121 secondi su un M5 Max a 40 core — superando addirittura un M3 Ultra a 80 core, che ha impiegato 206 secondi.

Si tratta di un risultato concreto e di un vero e proprio cambiamento. Ma attenzione al chip: un M5 Pro a 20 core sarà notevolmente più lento di un M5 Max a 40 core in operazioni come questa, in cui la velocità di elaborazione è determinante. Ci vorranno diversi minuti anziché due.

Altri modelli — HunyuanVideo, Mochi 1, CogVideoX, FramePack, Stable Video Diffusion — su Mac vanno da lenti a praticamente inutilizzabili. Molti di essi sono ottimizzati per CUDA e richiedono soluzioni alternative.

Il verdetto in video

La registrazione di video locali su un M5 Pro da 64 GB è fattibile per sperimentazioni occasionali e con un po' di pazienza — brevi filmati, risoluzioni inferiori, modelli semplificati, grazie a Draw Things. Funziona. Riuscirai a creare qualcosa.

Per ottenere una produttività reale, noleggia una GPU. RunPod, Vast.ai e Lambda utilizzano un 5090 o un H100 a pochi dollari l’ora e producono in pochi minuti ciò che il tuo portatile impiega un’ora a produrre. Per quanto riguarda specificatamente i video, i costi non sono nemmeno paragonabili.

Se la creazione di video è la tua primario A seconda del carico di lavoro, acquista un computer NVIDIA oppure prevedi un budget per il cloud. Non comprare un Mac e sperare per il meglio.

Se vuoi provarci comunque: passo dopo passo

1. Aperto Disegna cose e passare al gestore dei modelli video.
2. Scarica un distillato modello — LTX 2.3 o una versione Wan 2.2 GGUF. I modelli “distillati” fanno la differenza tra minuti e ore.
3. Inizia in piccolo: 480p, 2 secondi, numero di passi ridotto. Stabilisci i tempi di riferimento prima di passare a una scala più ampia.
4. Collegalo e attiva la modalità ad alta potenza. In questo modo le ventole entreranno in funzione.
5. Stabilisci la risoluzione e la durata solo dopo aver calcolato quanto tempo reale ti richiede la realizzazione di un breve filmato.

Non utilizzare mai i checkpoint FP8 su un Mac. GGUF o niente.

---

Parte 4: Flussi di lavoro reali che vale la pena implementare

I benchmark non sono l'aspetto fondamentale. Ecco come viene effettivamente utilizzata questa macchina.

Flusso di lavoro 1: Un agente di codifica locale

Questa è la configurazione più costosa dell’elenco e richiede circa dieci minuti.

Passaggio 1 — Avviare un server di simulazione. Oppure la scheda “Sviluppatore” di LM Studio (endpoint all’indirizzo http://localhost:1234/v1) oppure:

bash

mlx_lm.server --model mlx-community/gpt-oss-20b-MXFP4 --port 1234

Passaggio 2 — Apri il file con l'editor.

VS Code con Cline o Continue: aggiungi un provider compatibile con OpenAI con URL di base http://localhost:1234/v1, una chiave API non vuota e il nome del tuo modello.

Zed: configurare un provider personalizzato compatibile con OpenAI nelle impostazioni.

Aider (terminale):

bash

export OPENAI_API_BASE=http://localhost:1234/v1
export OPENAI_API_KEY=local
aider --model openai/gpt-oss-20b

Fase 3 — Scegli il modello giusto. gpt-oss-20b e Qwen3-Coder-30B-A3B sono entrambi codificatori locali molto potenti. Entrambi utilizzano l'algoritmo MoE, che è esattamente ciò che cerchi: decodifica veloce, e grazie ai miglioramenti apportati al prefill dell'M5, i contesti di file di grandi dimensioni non causano più rallentamenti che durano minuti.

Ecco cosa ottieni: iterazioni illimitate senza costi per token, senza limiti di frequenza e con codice che non esce mai dal proprio computer. Per i codici proprietari o quelli dei clienti, quest'ultimo punto è spesso l'unica giustificazione.

Flusso di lavoro 2: RAG privato sui tuoi documenti

Grazie alle rappresentazioni locali e a un modello da 27B a 70B, i documenti sensibili — contratti, cartelle cliniche, ricerche interne, dati finanziari — possono essere consultati e sintetizzati senza che nemmeno un byte esca dal tuo portatile.

Il livello da 64 GB è particolarmente importante in questo contesto perché le pipeline RAG mantengono contemporaneamente in memoria un modello di embedding, un archivio vettoriale e un modello di generazione. Con 32 GB si è costretti a ricorrere costantemente allo swapping, mentre con 64 GB ciò non accade.

Flusso di lavoro 3: Generazione batch notturna

Metti in coda qualche centinaio di generazioni di immagini in Draw Things, oppure esegui un’operazione di elaborazione di documenti di lunga durata tramite mlx_lm.server, e lascia che la macchina lavori mentre dormi. Una volta collegati alla corrente, i modelli 70B e i batch di immagini che risultano troppo lenti in modalità interattiva possono essere elaborati senza problemi durante la notte.

Flusso di lavoro 4: Instradamento ibrido (la strategia che la maggior parte delle persone dovrebbe adottare)

Non considerare la scelta tra locale e cloud come una scelta binaria. Scegli in base all’attività:

Invia a un contatto locale	API "Invia al cloud"
Qualsiasi cosa che riguardi la privacy	I compiti di ragionamento più difficili
Elaborazione in blocco e a lotti	Casi che richiedono una qualità davvero eccezionale
Cicli di agenti con molte chiamate a basso costo	Risultati una tantum di grande rilevanza
Iterazione e sperimentazione	Lavoro che richiede l'ultimo modello in assoluto
Lavoro offline	Finestre di contesto molto lunghe

È qui che risiede la maggior parte del valore. L’infrastruttura locale gestisce il volume, le iterazioni e la privacy. Il cloud gestisce la complessa logica 5%.

Lo stack di IA di Apple (da conoscere)

Il Framework dei modelli di base offre agli sviluppatori accesso diretto tramite Swift al modello on-device di Apple — circa 3 miliardi di parametri, gratuito, privato, offline, con generazione guidata e chiamata degli strumenti integrate.

Gli aggiornamenti del 2026 sono più importanti rispetto alla versione originale: input visivo, esecuzione lato server e un Modello linguistico protocollo che consente di integrare una sessione con il modello di Apple, un modello cloud, oppure un modello MLX locale tramite MLXLanguageModel. Se sviluppi app per Mac o iOS, questa è una strada chiara verso funzionalità ibride di intelligenza artificiale integrate nel dispositivo.

Xcode 26 Inoltre, include strumenti di programmazione LLM integrati che consentono di utilizzare ChatGPT, altri fornitori tramite chiave API o un modello locale in esecuzione sul proprio Mac.

---

Conviverci: temperatura, batteria e rumore

Le specifiche tecniche non ti dicono com’è usare un dispositivo. Ecco alcune osservazioni sincere.

Le valvole a farfalla da 14 pollici hanno una corsa maggiore rispetto a quelle da 16 pollici. Notebookcheck ha rilevato un forte throttling termico sul MacBook Pro 2026 sotto carico prolungato, con un comportamento instabile della CPU anche in modalità High Power. Il modello da 16 pollici dispone di una maggiore capacità di raffreddamento e di una batteria più capiente. Se prevedi di svolgere sessioni di elaborazione prolungate, il modello da 16 pollici è la scelta migliore — Si tratta di una vera e propria differenza funzionale, non di una questione di preferenze.

Non tutti i carichi di lavoro basati sull'intelligenza artificiale presentano le stesse esigenze termiche. La decodifica LLM è relativamente leggera: è limitata dalla memoria, quindi la GPU non viene saturata completamente e le ventole spesso rimangono silenziose. La diffusione di immagini e video è invece intensiva dal punto di vista computazionale e metterà a dura prova la GPU, farà girare le ventole a un livello udibile e consumerà rapidamente la batteria.

La realtà delle batterie: Le brevi sessioni con LLM non richiedono l'alimentazione. Un lavoro di diffusione prolungato scaricherà la batteria in un paio d'ore e causerà un rallentamento termico prima ancora. Per qualsiasi attività impegnativa, è meglio tenere il dispositivo collegato alla corrente.

Modalità di alimentazione: Il modello da 16 pollici offre la modalità "High Power", che vale la pena attivare per le operazioni di lunga durata. La modalità "Low Power" riduce notevolmente la velocità di inferenza: è consigliabile evitarla durante l'esecuzione dei modelli.

Abitudine pratica: Scollegato per chattare e ricevere assistenza nella programmazione. Collegato, in modalità ad alta potenza, per l'elaborazione in batch di immagini e video.

---

Le controargomentazioni sincere

Una guida che espone solo un punto di vista è solo una mossa di marketing. Ecco le argomentazioni contrarie.

1. L'M5 Max è davvero più veloce, e la differenza si nota chiaramente

307 GB/s contro 614 GB/s. Poiché la decodifica è limitata dalla larghezza di banda, un M5 Max a 40 core genera token a una velocità circa doppia sullo stesso modello. Si adatta anche a gpt-oss-120b, cosa che l'M5 Pro non è in grado di fare.

Se la velocità di decodifica dei modelli di grandi dimensioni è la tua esigenza principale, l’M5 Max è il dispositivo giusto, mentre l’M5 Pro rappresenta un compromesso. Il rovescio della medaglia è il prezzo: dopo giugno 2026, l’aggiornamento sarà davvero salato.

2. Un M4 Max in offerta potrebbe superare un M5 Pro nuovo

Questo è l'argomento che sfugge alla maggior parte degli acquirenti. L'M4 Max ha una larghezza di banda di memoria di circa 546 GB/s, notevolmente superiore ai 307 GB/s dell'M5 Pro. Per la decodifica pura con modelli LLM, un M4 Max da 64 GB è in genere più veloce di un M5 Pro da 64 GB.

Cosa si perde: gli acceleratori neurali dell'M5, il che comporta un prefill molto più lento e una generazione delle immagini più lenta.

La regola decisionale: Se utilizzi principalmente modelli di grandi dimensioni, un M4 Max da 64 GB in offerta è probabilmente l’acquisto migliore. Se invece ti occupi di programmazione agentica con contesti lunghi o di generazione di immagini, i vantaggi offerti dal prefill e dalla diffusione dell’M5 Pro hanno la meglio.

3. NVIDIA continua a primeggiare nel campo del calcolo

Una RTX 5090 ha 32 GB di VRAM, pari a circa 1.792 GB/s — quasi sei volte la larghezza di banda dell’M5 Pro — oltre a una potenza di calcolo di gran lunga superiore. Per qualsiasi modello che rientri nei 32 GB e per tutte le attività in cui la potenza di calcolo è determinante (video, immagini, prefill), non c’è proprio paragone.

Il vantaggio del Mac inizia proprio dove finiscono i 32 GB di VRAM e comprende la portabilità, la silenziosità, il basso consumo energetico e la possibilità di farlo in treno.

4. I modelli concorrenti con memoria unificata da 128 GB puntano sulla capacità, non sulla velocità

NVIDIA DGX Spark / GB10: 128 GB a circa 273 GB/s, con CUDA. Su gpt-oss-120b MXFP4: secondo test indipendenti, la velocità è compresa tra 34 e 39 tok/s.

AMD Strix Halo / Ryzen AI Max+ 395: 128 GB a circa 256 GB/s. Secondo i dati forniti dalla stessa AMD, lo stesso modello raggiunge fino a 30 tok/s tramite llama.cpp. I mini-PC basati su questa piattaforma sono notevolmente più economici di qualsiasi Mac.

Si noti che entrambi hanno inferiore larghezza di banda superiore rispetto all’M5 Pro. Ti garantiscono capacità, non velocità. Se il tuo obiettivo è eseguire modelli molto grandi a velocità accettabili piuttosto che elevate, sono più convenienti. Se cerchi la velocità, non sono la soluzione giusta.

5. Un Mac desktop è un computer fisso migliore

A Mac Studio M3 Ultra arriva a 512 GB a 800 GB/s. Se il tuo computer sta su una scrivania, è un dispositivo per l’IA locale di gran lunga migliore di qualsiasi MacBook Pro. I punti di forza del portatile sono la portabilità, la batteria e la silenziosità: se non ne hai bisogno, non pagare per averli.

6. Non è possibile potenziare la memoria. Mai.

La memoria dei chip Apple Silicon è integrata nel pacchetto. Qualunque sia la quantità acquistata, quella rimarrà per tutta la durata di vita del dispositivo.

Considerando che le versioni del modello del 2026 continuano a mostrare una tendenza verso impronte MoE più grandi, Acquistare una quantità insufficiente di RAM è il rimpianto classico e perenne. Se devi scegliere tra 48 GB e 64 GB, opta per i 64 GB.

---

Il calcolo dei costi: soluzione locale contro cloud

Facciamo i conti con onestà, perché spesso si sostiene che “i prodotti locali costano meno”, ma raramente si fa il calcolo.

Macchina: circa $2.800 per un M5 Pro da 64 GB, ammortizzato in tre o quattro anni.

Tariffe API a partire da agosto 2026 (per milione di token, input/output):

Servizio	Input	Risultato
Classe Claude Sonnet	~$3	~$15
Classe GPT-5	~$1,75–$5	~$14–$30
DeepSeek V4 Flash	~$0.14	~$0.28
Modelli aperti ospitati (gpt-oss, Llama)	Ancora più in basso	Ancora più in basso

Noleggio di GPU su cloud: H100 circa $3/ora, H200 circa $5/ora su richiesta.

Il punto di pareggio: Secondo le analisi pubblicate, il crossover per un dispositivo di consumo si attesta a circa 2–3 milioni di token al giorno per circa dodici mesi rispetto alle API proprietarie di fascia media.

Sono davvero tanti token. Al di sotto di quella soglia, le API economiche — in particolare quelle della classe DeepSeek — risultano effettivamente più convenienti rispetto alle soluzioni locali in termini di puro costo dei token.

Allora, perché comprare la macchina?

Perché il costo del token non è l'unico costo:

1. Privacy. I tuoi dati non escono mai dal dispositivo. Quando si tratta di attività legali, mediche, finanziarie o relative a codice proprietario, questo requisito è spesso imprescindibile, indipendentemente dal prezzo.
2. Nessun limite di frequenza. Nessuna limitazione della banda, nessuna coda, nessun errore di capacità alle 2 del mattino.
3. Non connesso. Aerei, treni, Wi-Fi scadente negli hotel, interruzioni di rete.
4. Costo marginale pari a zero. Questo cambia il comportamento più di quanto ci si aspetti. Quando ogni esperimento è gratuito, se ne eseguono dieci volte di più. L’assenza di ansia legata al costo per token durante le iterazioni si traduce in un guadagno concreto in termini di produttività.
5. Ti serviva comunque un portatile. La definizione corretta non è “$2.800 per l’IA”, bensì la differenza tra il modello che avresti acquistato e questo.

La conclusione corretta è "ibrido". L'ambiente locale per il volume, la privacy, l'iterazione e i cicli degli agenti. Il cloud per i problemi complessi. Chiunque affermi che l'ambiente locale sostituirà completamente le API di frontiera nel 2026 sta esagerando; chiunque sostenga che l'ambiente locale sia inutile non ha mai eseguito un ciclo di agenti su larga scala.

---

La guida all'acquisto

Se tu…	Acquista questo prodotto	Perché
Cerchi il portatile con IA locale più equilibrato?	M5 Pro 64 GB, 16 pollici	Supporta i modelli 8B–70B e MoE, generazione rapida delle immagini e spazio a sufficienza per tutto il resto. Prestazioni termiche migliori rispetto ai modelli da 14 pollici.
Necessità gpt-oss-120b o modelli 120B+	M5 Max 128 GB	L'unico portatile Mac compatibile con questi dispositivi. Inoltre, la velocità di decodifica è circa doppia.
Parlo soprattutto con modelle formose, cerco un buon rapporto qualità-prezzo	M4 Max da 64 GB in offerta	Una larghezza di banda maggiore (546 GB/s) supera l'M5 Pro nella decodifica.
Prendi sul serio la creazione di video	NVIDIA (RTX 5090) o cloud	Operazioni intensive dal punto di vista computazionale; i Mac sono parecchie volte più lenti.
Vuoi la massima capacità senza spendere troppo?	Mini-PC Strix Halo da 128 GB	128 GB a un prezzo conveniente, ma con una larghezza di banda inferiore rispetto all’M5 Pro.
Lavorare alla scrivania	Mac Studio M3 Ultra	Fino a 512 GB a 800 GB/s.
Avete un budget limitato	M5 Pro 48 GB	Funziona perfettamente nella classe 32B. Accetta il limite massimo di 70B/MoE.

Cosa non farei: Acquista un dispositivo da 24 GB o 32 GB se vuoi dedicarti seriamente all'intelligenza artificiale locale. Raggiungerai i limiti nel giro di poche settimane e non potrai potenziare la memoria.

---

Domande frequenti

64 GB saranno sufficienti per l'intelligenza artificiale locale nel 2026? Sì, per la maggior parte dei carichi di lavoro. Con 64 GB è possibile eseguire senza problemi modelli con circa 70 miliardi di parametri a quantizzazione a 4 bit, oltre a modelli Mixture-of-Experts come GLM-4.6 Air, lasciando comunque spazio per il sistema operativo e le applicazioni. L'eccezione principale è gpt-oss-120b, che richiede circa 63 GB solo per i pesi e necessita di un dispositivo da 128 GB.

L'M5 Pro è in grado di eseguire gpt-oss-120b? No. La build MXFP4 richiede circa 63 GB per i pesi, mentre il picco di memoria rilevato su un M5 Max è compreso tra 64,4 e 64,9 GB a seconda della lunghezza del contesto. Su un dispositivo da 64 GB, con uno spazio utilizzabile realistico compreso tra 52 e 60 GB, non è possibile installarla. Questo è un modello da 128 GB.

Quanti token al secondo produce l'M5 Pro? Dipende molto dal modello. Dati misurati per l’M5 Pro a 20 core con 64 GB: gpt-oss-20b a 66–80 tok/s in decodifica con 1.500–2.200 tok/s in prefill, e Qwen3.6-27B a 17,8 tok/s in decodifica con 470 tok/s in prefill. I modelli più grandi e densi, come Llama 3.3 70B, sono stimati a 7–12 tok/s.

M5 Pro o M5 Max per i modelli LLM locali? M5 Max se la velocità di generazione dei token su modelli di grandi dimensioni è la tua priorità: offre una larghezza di banda di memoria di 614 GB/s contro i 307 GB/s dell’M5 Pro, raddoppiando all’incirca la velocità di decodifica, e supporta 128 GB. M5 Pro se desideri il miglior equilibrio tra prezzo, portabilità e prestazioni per modelli fino a 70 miliardi di parametri.

È pratico creare video su un Mac? Non proprio, nel 2026. La diffusione video è un'operazione che richiede molta potenza di calcolo, e i Mac sono parecchie volte più lenti di una RTX 5090. I modelli distillati aiutano — LTX 2.3 produce un clip di 5 secondi in circa 121 secondi su un M5 Max — ma per ottenere una produttività reale, il noleggio di GPU su cloud è notevolmente più veloce ed economico per ogni clip.

Come posso aumentare il limite di memoria della GPU su macOS? Esegui sudo sysctl iogpu.wired_limit_mb=61440 per allocare 60 GB. Verificare con sysctl iogpu.wired_limit_mb e reimpostare con un valore pari a 0. Aggiungilo a /etc/sysctl.conf per garantire la persistenza anche dopo il riavvio. Lasciare sempre 4–8 GB per macOS.

MLX o llama.cpp su Apple Silicon? MLX nella maggior parte dei casi. Supera llama.cpp di 20–87% sui modelli inferiori a 14B, utilizza circa 10% di memoria in meno ed è la soluzione a cui Ollama 0.19 è passata nel marzo 2026. L’eccezione è rappresentata dai contesti molto lunghi: con oltre 30.000 token, llama.cpp con Flash Attention può essere fino a 50% più veloce.

È meglio comprare quello da 14 pollici o quello da 16 pollici? Il modello da 16 pollici è ideale per un utilizzo prolungato con l’intelligenza artificiale. Offre una maggiore capacità termica, una batteria più capiente e la modalità High Power. Il modello da 14 pollici subisce un calo di prestazioni evidente in caso di carico prolungato.

Un M4 Max in offerta è migliore di un M5 Pro nuovo? Per la decodifica LLM pura, spesso sì: l’M4 Max raggiunge circa 546 GB/s contro i 307 GB/s dell’M5 Pro. L’M5 Pro è superiore nell’elaborazione dei prompt (fino a 4 volte più veloce) e nella generazione di immagini (oltre 3,8 volte più veloce) grazie ai suoi Neural Accelerator. Scegli in base al carico di lavoro predominante nel tuo utilizzo.

---

Cosa succederà dopo

Alcuni aspetti da tenere d’occhio, poiché potrebbero modificare la raccomandazione di cui sopra.

Test di prestazioni indipendenti dell'M5 Pro sui modelli 70B. Nessuno ha ancora pubblicato dati relativi alla velocità di decodifica misurati in modo accurato. Se i risultati effettivi superassero i 15 tok/s, l’argomento secondo cui “è meglio acquistare il modello Max per la decodifica” perderebbe notevolmente di forza.

Più piccolo gpt-oss-120b quantizzazioni. Se una build arriva a meno di 52 GB, la questione del limite massimo di 64 GB perde di peso da un giorno all'altro.

Impostazioni predefinite della memoria su macOS. Se Apple aumentasse l'allocazione predefinita della GPU oltre i 75%, tutti coloro che possiedono un computer da 64 GB otterrebbero margine di potenza in più.

Il MoE continua a vincere. La tendenza verso modelli con memoria totale elevata e pochi parametri attivi è la cosa migliore che sia mai capitata alle macchine con memoria unificata. Ogni nuova versione di MoE rende i Mac relativamente più competitivi.

Calo dei prezzi delle API. Ricalcolare ogni sei mesi il punto di pareggio tra soluzione locale e cloud. È un valore che varia.

---

In sintesi

Il MacBook Pro M5 Pro da 64 GB non è il computer con IA locale più veloce che si possa acquistare. Non è nemmeno il Mac più veloce. È piuttosto la configurazione in cui i compromessi smettono di contrastarsi a vicenda.

I modelli che genera sono di qualità tale da risultare davvero utili — gpt-oss-20b a 66–80 tok/s, GLM-4.6 Air a circa 30, generazione di immagini in pochi secondi — pur rimanendo un portatile che puoi portare con te, alimentare a batteria e utilizzare come vero e proprio computer. Gli acceleratori neurali della generazione M5 hanno risolto quella specifica debolezza (lenta elaborazione dei prompt) che rendeva i Mac precedenti frustranti per il lavoro agentico e con contesti lunghi.

I limiti sono reali e vale la pena conoscerli: gpt-oss-120b non è adatto: i modelli densi 70B sono strumenti di elaborazione in batch piuttosto che interlocutori di chat, e la generazione di video è un’attività che va svolta nel cloud.

Se questi limiti si adattano alle tue esigenze lavorative, questa è la macchina che fa per te. Se invece non lo sono, i paragrafi precedenti ti indicano esattamente quale modello acquistare al suo posto — e questo è più utile di un altro articolo che ti dice semplicemente che va tutto bene.

---

I prezzi, le versioni dei modelli e i dati di riferimento riportati in questo articolo riflettono le informazioni disponibili ad agosto 2026 e sono soggetti a rapide variazioni — in particolare i prezzi dei Mac, a causa dell'attuale carenza di memoria. Si raccomanda di verificare le specifiche aggiornate prima dell'acquisto.