Key Takeaways
- تفوز RTX 4090 بوضوح في النماذج التي تتسع في 24 GB من VRAM. ويفوز M5 Max بوضوح عندما لا يتسع النموذج. نقطة التقاطع: نحو 24 GB من حجم النموذج.
- اختبارات مرجعية: تقدّم RTX 4090 سرعة 120–140 tok/s على Llama 3.3 8B Q4. ويقدّم M5 Max سرعة 100–120 tok/s. على Llama 3.3 70B Q4: يعمل M5 Max بسرعة 15–20 tok/s. وRTX 4090 لا يستطيع تشغيله (OOM).
- إجمالي التكلفة لـ 3 سنوات: Mac Mini M5 Pro 64 GB = 1,304 دولار. RTX 4090 مكتبي = 3,682 دولار. يفوز Mac في إجمالي تكلفة الملكية رغم سعر عتاد متماثل، بالكامل بسبب الكهرباء.
- الاستهلاك في التشغيل على مدار الساعة: Mac Mini M5 Pro = 35 دولارًا سنويًا كهرباء. RTX 4090 مكتبي = 394 دولارًا سنويًا. بأسعار الاتحاد الأوروبي (0.35 دولار/kWh): 82 دولارًا سنويًا مقابل 921 دولارًا سنويًا.
- الضبط الدقيق: تتقدّم منظومة NVIDIA CUDA بـ 1–2 سنة على Apple MLX للتدريب. استخدم NVIDIA للضبط الدقيق وMac للاستدلال على النماذج الكبيرة.
- وقت الإعداد: Ollama على Mac = 5 دقائق. CUDA + برامج تشغيل + إطار على Linux/Windows = 30–60 دقيقة.
- التهيئة الهجينة تعمل جيدًا: Mac للاستدلال اليومي (محمول، صامت، قادر على 70B)، ومكتبي NVIDIA للضبط الدقيق (منظومة CUDA). الإجمالي: 5,000 دولار لكليهما.
- سيشغّل M5 Ultra (متوقع في منتصف 2026، 256 GB من الذاكرة الموحدة) نموذج 70B FP16 دون فقدان ونماذج 120B فأكثر.
- النطاق: يغطي هذا الدليل فقط Apple Silicon مقابل GPU من NVIDIA. إن كنت تقيّم أيضًا الاستدلال على المعالج فقط كخيار ثالث، راجع GPU مقابل CPU مقابل Apple Silicon لنماذج LLM المحلية.
الفرق الجوهري: حد VRAM مقابل الذاكرة الموحدة
يحدّد الفرق المعماري الأهم بين Apple Silicon وكروت رسوميات NVIDIA أي منصة تفوز لنماذج LLM المحلية.
بنية GPU من NVIDIA: تكون VRAM منفصلة عن ذاكرة النظام. VRAM المنفصلة سريعة (1,008 GB/s في RTX 4090) لكن لها حد ثابت. تتوقف RTX 4090 عند 24 GB من VRAM. والنماذج التي تتجاوز 24 GB لا تعمل دون تعقيد كرتي رسوميات. ولا تساعد ذاكرة النظام — لا يستطيع GPU الوصول إليها بكفاءة لاستدلال LLM.
بنية Apple Silicon: كل الذاكرة موحدة (مشتركة بين CPU وGPU). إنها أبطأ من VRAM المنفصلة (M5 Max: 614 GB/s مقابل RTX 4090: 1,008 GB/s)، لكن كامل الذاكرة متاح للنموذج. جهاز Mac بذاكرة 128 GB يشغّل نموذج 70B Q5 (49 GB) مع مساحة لنظام التشغيل وتطبيقات أخرى. دون تعقيد كرتي رسوميات، دون تهيئة برامج تشغيل.
الأثر العملي حسب حجم النموذج:
| حجم النموذج | RTX 4090 (24 GB VRAM) | M5 Max (128 GB موحدة) |
|---|---|---|
| 7B Q4 (نحو 4 GB) | ✓ يتسع، سريع جدًا | ✓ يتسع |
| 13B Q4 (نحو 8.5 GB) | ✓ يتسع، سريع | ✓ يتسع |
| 34B Q4 (نحو 20 GB) | ✓ يتسع، بهامش ضيق | ✓ يتسع بأريحية |
| 70B Q4 (نحو 42 GB) | ✗ لا يتسع | ✓ يتسع بأريحية |
| 70B Q8 (نحو 74 GB) | ✗ لا يتسع | ✓ يتسع |
| Llama 405B Q3 (نحو 200 GB) | ✗ لا يتسع | ✗ لا يتسع (يتطلب M5 Ultra) |
للنماذج التي تتجاوز 24 GB، يُعد Apple Silicon الخيار الاستهلاكي الوحيد دون تهيئة كرتي رسوميات تكلف 2–3 أضعاف.
اختبارات مرجعية وجهًا لوجه: tokens في الثانية
المنهجية: نماذج مُختبَرة بـ Ollama (Metal) على Apple Silicon وCUDA على NVIDIA. tok/s المُبلَّغ عنها تقابل سرعة التوليد. البيئة: macOS Sequoia / Ubuntu 22.04، أحدث الأطر المستقرة.
| النموذج | M5 Pro 64 GB | M5 Max 128 GB | RTX 4070 12 GB | RTX 4090 24 GB |
|---|---|---|---|---|
| Llama 3.3 8B Q4 | 50–60 | 100–120 | 70–85 | 120–140 |
| Llama 3.3 8B Q8 | 40–50 | 80–95 | 55–70 | 90–110 |
| Llama 3.3 13B Q4 | 35–45 | 70–85 | 45–60 | 90–110 |
| Qwen3 34B Q4 | 18–22 | 35–42 | OOM (12 GB) | OOM (24 GB بهامش ضيق) |
| Mixtral 8x22B Q4 | 25–32 | 50–62 | OOM | 65–80 |
| Llama 3.3 70B Q4 | 8–12 | 15–20 | OOM | OOM |
| Llama 3.3 70B Q5 | 6–10 | 12–16 | OOM | OOM |
تفوز RTX 4090 بوضوح في النماذج التي تتسع في 24 GB من VRAM. ويفوز Apple Silicon بوضوح عندما لا يتسع النموذج. نقطة التقاطع: نحو 24 GB من حجم النموذج.
إجمالي تكلفة الملكية (تحليل لـ 3 سنوات)
الافتراضات: تشغيل على مدار الساعة، حمل مختلط، متوسط سعر كهرباء 0.15 دولار/kWh (الولايات المتحدة). قد تتفاوت الأسعار حسب بلدك.
| التهيئة | العتاد | كهرباء سنوية | كهرباء 3 سنوات | الإجمالي لـ 3 سنوات |
|---|---|---|---|---|
| Mac Mini M5 Pro 64 GB | 1,199 دولار | 35 دولارًا | 105 دولارات | 1,304 دولار |
| Mac Studio M5 Max 128 GB | 4,000 دولار | 55 دولارًا | 165 دولارًا | 4,165 دولار |
| مكتبي + RTX 4070 12 GB | 1,200 دولار | 263 دولارًا | 789 دولارًا | 1,989 دولار |
| مكتبي + RTX 4090 24 GB | 2,500 دولار | 394 دولارًا | 1,182 دولار | 3,682 دولار |
| كرتا RTX 3090 (48 GB إجمالًا) | 1,800 دولار | 437 دولارًا | 1,311 دولار | 3,111 دولار |
| Mac Studio M5 Ultra (مُقدَّر) | 5,500 دولار | 75 دولارًا | 225 دولارًا | 5,725 دولار |
Mac Mini M5 Pro هو الخيار الأرخص لـ 3 سنوات لتشغيل نماذج 34B. ويصبح Mac Studio M5 Max تنافسيًا أمام NVIDIA الفئة العليا عند مراعاة تكاليف الطاقة.
تفاصيل حساب تكاليف الكهرباء
الافتراضات: تشغيل على مدار الساعة، حمل مختلط (30% خمول، 70% استدلال). سعر الكهرباء: 0.15 دولار/kWh (متوسط الولايات المتحدة). سعر الاتحاد الأوروبي (0.35 دولار/kWh): اضرب تكاليف الكهرباء بـ 2.3.
| العتاد | متوسط الاستهلاك (مختلط) | يومي (24 ساعة) | سنوي |
|---|---|---|---|
| Mac Mini M5 Pro | 18 واط | 0.43 kWh | 158 kWh = 24 دولارًا |
| Mac Studio M5 Max | 35 واط | 0.84 kWh | 307 kWh = 46 دولارًا |
| مكتبي + RTX 4070 | 150 واط | 3.60 kWh | 1,314 kWh = 197 دولارًا |
| مكتبي + RTX 4090 | 250 واط | 6.00 kWh | 2,190 kWh = 329 دولارًا |
متى يفوز Apple Silicon
1. تشغيل نماذج بـ 70B معامل فأكثر
السيناريو الحاسم. يتطلب Llama 3.3 70B سعة 42 GB بتكميم Q4. تملك RTX 4090 سعة 24 GB من VRAM — لا يتسع. ويشغّله M5 Max 128 GB بأريحية مع مساحة لنافذة السياق وتطبيقات أخرى.
البديل الوحيد مع NVIDIA هو كرتا RTX 3090 (1,800 دولار فأكثر) أو A6000 (4,500 دولار فأكثر) — كلاهما يكلف أكثر من Mac Mini M5 Pro ويستهلك 2–5 أضعاف الطاقة.
2. خادم ذكاء اصطناعي دائم التشغيل وصامت
Mac Mini عند 18–35 واط تحت الحمل بلا مروحة أو شبه صامت. أما مكتبي بـ RTX 4090 عند 250–450 واط فله 3 مراوح أو أكثر بمتوسط 50–70 ديسيبل. تهيئة GPU صاخبة في مكتب منزلي غير عملية؛ بينما يعمل Mac Mini بصمت في خزانة.
الفرق في تكلفة الكهرباء: 35 دولارًا سنويًا (Mac Mini) مقابل 394 دولارًا سنويًا (RTX 4090) في التشغيل على مدار الساعة. خلال 5 سنوات: 1,795 دولارًا مُوفَّرة على الكهرباء وحدها.
3. محطة عمل ذكاء اصطناعي محمولة (MacBook Pro M5 Pro)
يشغّل MacBook Pro M5 Pro بذاكرة موحدة 64 GB نماذج 34B بسرعة 18–22 tok/s أثناء سفرك. لا يوجد لابتوب NVIDIA مكافئ بتلك الذاكرة بذلك السعر (2,500 دولار). تتوقف كروت رسوميات اللابتوب المنفصلة عند 16 GB من VRAM، محدّدةً حجم النموذج إلى 13B كحد أقصى.
4. حزم متعددة النماذج (صوت + رؤية + LLM في آن واحد)
يحتاج خط أنابيب مساعد صوتي إلى Whisper STT (3 GB) + LLM (8 GB) + TTS (1 GB) = 12 GB كحد أدنى. تتعامل RTX 4090 24 GB معه بهامش ضيق. ويتعامل M5 Pro 64 GB معه إضافةً إلى نموذج رؤية (LLaVA 6 GB) إضافةً إلى تضمينات RAG — جميعها محمَّلة في آن واحد مع تبديل فوري.
5. تكاليف الكهرباء في أوروبا وقيود الاستدامة
بأسعار الكهرباء الأوروبية (0.35 دولار/kWh)، تكلف RTX 4090 دائمة التشغيل 921 دولارًا سنويًا كهرباء. ويكلف Mac Mini 82 دولارًا سنويًا. خلال 5 سنوات: فرق 4,200 دولار فأكثر في تكلفة الكهرباء — أكثر من كامل فرق تكلفة العتاد.
متى تفوز NVIDIA
1. أقصى سرعة في النماذج الأقل من 24 GB
تتفوق RTX 4090 بعرض نطاق ذاكرة 1,008 GB/s على M5 Max بعرض نطاق 614 GB/s بنسبة 64%. على Llama 3.3 8B Q4، تقدّم RTX 4090 سرعة 120–140 tok/s مقابل M5 Max 100–120 tok/s. للاستدلال عالي الإنتاجية (خدمة روبوت دردشة، معالجة دُفعية)، تفوز NVIDIA في النماذج الصغيرة والمتوسطة.
2. الضبط الدقيق والتدريب
منظومة CUDA هي المعيار الذهبي لتدريب تعلّم الآلة. يملك PyTorch دعم CUDA أصليًا. كل مكتبات الضبط الدقيق الرئيسية (Hugging Face PEFT، Unsloth، axolotl) محسَّنة لـ CUDA. يعمل LoRA وQLoRA والضبط الدقيق الكامل دون مشاكل بأدلة شاملة. يدعم MLX على Apple Silicon الضبط الدقيق لكن المنظومة متأخرة 1–2 سنة. للتدريب في الإنتاج: استخدم NVIDIA.
3. أداء المعالجة الدُفعية
تتعامل بنية NVIDIA المتوازية مع الاستدلال الدُفعي بشكل أفضل. معالجة 100 مستند بنموذج LLM: تنتهي RTX 4090 أسرع بمقدار 2–3× من M5 Max بفضل أقصى حوسبة وعرض نطاق أعلى في النماذج التي تتسع في VRAM.
4. تهيئات اقتصادية باستخدام سوق GPU المستعملة
RTX 3060 12 GB مستعملة: 200–250 دولارًا — تشغّل نماذج 8B بأريحية. RTX 3090 24 GB مستعملة: 700–900 دولار — تشغّل نماذج 13B. لا يوجد Apple Silicon مكافئ بأقل من 600 دولار بمواصفات مفيدة لنماذج LLM. للهواة بميزانية محدودة: تفوز NVIDIA المستعملة في تكلفة الدخول.
5. بنية خوادم Linux التحتية
تعمل بنية خوادم الإنتاج التحتية على Linux. برامج تشغيل NVIDIA لـ Linux ناضجة؛ وCUDA على Linux هو معيار الإنتاج. خوادم Apple Silicon (Mac Mini في colocation) موجودة لكنها غير شائعة. لبنية الخوادم التقليدية وخطوط CI/CD: لا تزال NVIDIA على Linux هي القاعدة.
مقارنة تدفق العمل والمنظومة
| الجانب | Apple Silicon | NVIDIA |
|---|---|---|
| وقت الإعداد | 5 دقائق (brew install ollama) | 30–60 دقيقة (CUDA، برامج تشغيل، إطار) |
| صيانة برامج التشغيل | لا شيء (Metal مدمج في macOS) | تحديثات برامج تشغيل دورية |
| دعم الأطر | Ollama، MLX، llama.cpp | كل الأطر (PyTorch، TF، JAX، إلخ) |
| توفر النماذج | أكثر من 1,000 نموذج GGUF + MLX | كل النماذج (منظومة كاملة) |
| الضبط الدقيق | MLX LoRA (منظومة محدودة) | منظومة PyTorch كاملة |
| أدوات التصحيح | Xcode Instruments | NVIDIA Nsight، كاملة |
| إدارة الطاقة | تلقائية، شفافة | منحنيات مراوح يدوية، undervolting |
| توافق نظام التشغيل | macOS فقط | Linux، Windows |
| التوسع متعدد الأجهزة | غير مدعوم | NCCL، تدريب موزَّع |
| التكافؤ مع السحابة | لا توجد أجهزة Mac مطابقة في السحابة | متاح على AWS، Azure، GCP، Lambda |
النهج الهجين: Mac للاستخدام اليومي، NVIDIA للتدريب
يستخدم كثير من مطوري الذكاء الاصطناعي كلتا المنصتين بشكل استراتيجي بدلًا من اختيار واحدة فقط.
التهيئة: MacBook Pro M5 Pro 64 GB للتطوير اليومي (2,500 دولار) + مكتبي بـ RTX 4090 24 GB للتدريب/الضبط الدقيق (2,500 دولار) = 5,000 دولار إجمالًا لتهيئة ثنائية المنصة.
تدفق العمل:
- يتفوق Mac في الاستدلال والتطوير اليومي — صامت، محمول، منخفض الاستهلاك
- تتفوق NVIDIA في التدريب ونضج المنظومة — CUDA، PyTorch، حزمة ضبط دقيق كاملة
- تعمل النماذج نفسها على كليهما بعد التحويل إلى صيغة GGUF/MLX
- تتفوق التهيئة الثنائية بـ 5,000 دولار على Mac Studio بـ 4,000 دولار لتدفقات العمل كثيفة التدريب
- 1طوّر واختبر محليًا على MacBook (صامت، محمول، بطارية تدوم اليوم بأكمله، يشغّل نماذج 34B)
- 2اضبط النماذج الأكبر دقيقًا على المكتبي بـ GPU RTX (منظومة CUDA كاملة، تدريب أسرع)
- 3صدّر النموذج المدرَّب بصيغة GGUF أو MLX للاستخدام متعدد المنصات
- 4شغّل الاستدلال عائدًا على Mac (صامت، منخفض الاستهلاك، متاح دائمًا، يتعامل مع 70B)
أيهما يجب أن تشتري؟ مصفوفة القرار حسب نوع المستخدم
| ملفك | التوصية | لماذا |
|---|---|---|
| مبتدئ يستكشف الذكاء الاصطناعي المحلي | Mac Mini M5 Pro 36 GB (999 دولارًا) | إعداد سهل في 5 دقائق، صامت، يشغّل نماذج 8B–13B |
| مطور يركّز على الكود | Mac Mini M5 Pro 64 GB (1,199 دولار) | يشغّل DeepSeek Coder V2 16B، دائم التشغيل، صامت |
| محترف يركّز على الخصوصية | MacBook Pro M5 Pro 48 GB (2,500 دولار) | محمول، دون اتصال بالكامل، آمن، يشغّل 34B |
| باحث تعلّم آلي / ضابط دقيق | RTX 4090 مكتبي (2,500 دولار) | منظومة CUDA، PyTorch، Unsloth، تدريب LoRA |
| تشغيل نماذج 70B محليًا | Mac Studio M5 Max 128 GB (4,000 دولار) | الخيار الاستهلاكي الوحيد دون تعقيد كرتي رسوميات |
| خادم ذكاء اصطناعي عائلي / منزلي | Mac Mini M5 Pro 64 GB (1,199 دولار) | صامت، 35 دولارًا سنويًا كهرباء، دعم API متعدد المستخدمين |
| هاوٍ بميزانية محدودة | RTX 3060 12 GB مستعملة (200 دولار) | دخول ميسور للذكاء الاصطناعي المحلي، يشغّل نماذج 8B |
| بنية ذكاء اصطناعي دائمة التشغيل | Mac Mini M5 Pro 64 GB (1,199 دولار) | 35 دولارًا سنويًا كهرباء مقابل 394 دولارًا سنويًا مع NVIDIA |
| أقصى جودة + تدريب | Mac Studio + RTX 4090 (6,500 دولار) | الأفضل من كليهما: استدلال 70B + تدريب CUDA كامل |
هل ينبغي أن أنتظر M5 Ultra؟
سيشغّل M5 Ultra (متوقع في منتصف 2026، 256 GB من الذاكرة الموحدة) نموذج 70B FP16 دون فقدان ونماذج 120B فأكثر. إن كنت تحتاج أقصى جودة وتستطيع الانتظار، فنعم. وإن احتجت عتادًا الآن: فإن M5 Max 128 GB هو أفضل خيار استهلاكي حالي للنماذج الكبيرة.
هل يمكنني استخدام كرتي رسوميات في جهاز Mac؟
لا. لا توجد طريقة لدمج الذاكرة بين عدة أجهزة Mac. تتيح أنظمة GPU من NVIDIA كرتي RTX 3090 لسعة 48 GB من VRAM مجتمعة (1,800 دولار) — مفيدة للنماذج بين 24 GB و48 GB، لكنها أكثر ضوضاءً وأعلى استهلاكًا من Mac Studio M5 Max.
هل NVIDIA أسرع للتدريب؟
نعم. تهيمن منظومة CUDA على الضبط الدقيق: PyTorch وHugging Face PEFT وUnsloth وaxolotl جميعها محسَّنة لـ CUDA. يعمل MLX LoRA على Apple Silicon، لكن المنظومة متأخرة 1–2 سنة. استخدم NVIDIA للتدريب وMac للاستدلال.
هل M5 Max أسرع من RTX 4090 بشكل عام؟
لا. RTX 4090 أسرع في النماذج التي تتسع في 24 GB من VRAM. تملك RTX 4090 عرض نطاق 1,008 GB/s مقابل M5 Max 614 GB/s. تنقلب الميزة في النماذج التي تتجاوز 24 GB — إذ لا تستطيع RTX 4090 تشغيلها إطلاقًا. يفوز M5 Max في نماذج 70B، وتفوز RTX 4090 في نماذج 8B–24B.
هل يمكنني استخدام GPU من NVIDIA في جهاز Mac عبر eGPU بـ Thunderbolt؟
لا. أزالت Apple دعم كروت رسوميات NVIDIA الخارجية في macOS 10.14 (2018). لا تستطيع أجهزة Mac الحديثة استخدام GPU من NVIDIA عبر Thunderbolt. تستخدم أجهزة Mac بمعالج Apple Silicon منصة Metal حصريًا — دون دعم GPU خارجي.
أي منصة أفضل للمبتدئين في تطوير الذكاء الاصطناعي؟
Apple Silicon للاستدلال والتعلّم. يستغرق الإعداد 5 دقائق (brew install ollama). أما NVIDIA فتتطلب تهيئة CUDA وإدارة برامج التشغيل وأُلفة بـ Linux. وبمجرد أن تتجاوز الاستدلال وتبدأ الضبط الدقيق للنماذج المخصصة، تصبح منظومة NVIDIA CUDA قيّمة.
هل تغيّر RTX 5090 هذه المقارنة؟
ترفع RTX 5090 (32 GB من VRAM، متوقعة أواخر 2026) سقف سعة NVIDIA لكنها لا تغيّر ميزة الذاكرة الموحدة. لن تتسع نماذج 70B بعد في 32 GB بتكميم Q4 (تحتاج نحو 42 GB). ويبقى M5 Max 128 GB وM5 Ultra 256 GB فريدين لاستدلال النماذج الكبيرة.
هل يمكنني مشاركة VRAM بين عدة أجهزة Mac؟
لا. لا يدعم Apple Silicon الذاكرة المشتركة بين الأجهزة. للنماذج بين 24 GB و48 GB، قد يكون كرتا RTX 3090 (48 GB مجتمعة) أرخص من Mac Studio M5 Max — لكن أكثر ضوضاءً وأسخن وبضعفي أو ثلاثة أضعاف الاستهلاك.
ماذا عن كروت رسوميات AMD (RX 7900 XTX) لنماذج LLM المحلية؟
يتحسّن دعم ROCm لكنه لا يزال متأخرًا 1–2 سنة عن CUDA لحالات استخدام LLM. لخوادم الذكاء الاصطناعي المبنية على Linux، تُعد AMD قابلة للاستخدام. أما للضبط الدقيق وتوافق الأطر الواسع: فلا تزال NVIDIA مهيمنة. راجع أفضل كروت رسوميات AMD لنماذج LLM المحلية لإرشادات خاصة بـ AMD.