Quel LLM sur Mac Studio (M2 / M3 / M4 Ultra, 64–512 Go) ?

#Mac Studio en 2026

Mac Studio M2 Ultra (2023)

24 cœurs CPU + 60 ou 76 cœurs GPU, 800 Go/s, RAM 64/128/192 Go. Toujours disponible d'occasion à partir de 2800 €.

Mac Studio M4 Max (2025)

16 cœurs CPU + 40 cœurs GPU, 546 Go/s, RAM 36-128 Go. Remplace le M2 Max. À partir de 2299 €.

Mac Studio M3 Ultra (2025)

28 cœurs CPU + 60 ou 80 cœurs GPU, 800 Go/s, RAM 96/256/512 Go. Le monstre. De 4499 € (96 Go) à 11 299 € (512 Go).

Consommation

15 W idle, 70-130 W en inférence selon config. Le M3 Ultra 512 Go pic à ~150 W en 405B.

#1. M2 Ultra vs M3 Ultra vs M4 Max

M4 Max

Entry-level du Mac Studio. 546 Go/s, 128 Go max. Mieux qu'un MBP M4 Max : pas de throttle, moins cher (boîtier desktop).

M2 Ultra

Première génération Ultra. 800 Go/s, jusqu'à 192 Go. Occasion entre 2800-4500 €. Toujours compétitif pour 70B-123B.

M3 Ultra

Dernier Ultra (2025). 800 Go/s identique à M2 Ultra, mais architecture M3 (+20 % en pratique). 96 à 512 Go RAM. Pour qui veut pousser au-delà de 200B.

#2. Jusqu'où pousser la RAM ?

96 Go (M3 Ultra base)

4499 €. Fait tourner 70B Q5 à 18 tok/s, 123B Q4 à 10 tok/s. Sweet spot si vous visez jusqu'au 123B.

256 Go (M3 Ultra + 256)

7299 €. Ouvre Llama 3.1 405B Q4 à 4 tok/s, DeepSeek V3 Q3 (~200 Go). Pour qui veut du 400B+.

512 Go (M3 Ultra max)

11 299 €. DeepSeek-V3 671B Q4 passe, Llama 405B Q6, contexte 128k sur 70B. Territoire recherche/R&D.

192 Go (M2 Ultra max)

Équivalent fonctionnel du 256 Go M3 Ultra pour un peu moins cher d'occasion. Bon compromis.

#3. Modèles exclusifs Ultra

#4. Benchmarks 70B, 123B, 405B

#5. Setup workstation LLM

# Ollama + optimisations max
brew install --cask ollama

launchctl setenv OLLAMA_FLASH_ATTENTION 1
launchctl setenv OLLAMA_KV_CACHE_TYPE q8_0
launchctl setenv OLLAMA_NUM_PARALLEL 4
launchctl setenv OLLAMA_HOST "0.0.0.0:11434"

# Relever mémoire GPU à 480 Go (sur 512 Go)
sudo sysctl iogpu.wired_limit_mb=491520
echo "iogpu.wired_limit_mb=491520" | sudo tee -a /etc/sysctl.conf

brew services start ollama

# Pour Llama 405B : passer par llama.cpp maison
git clone https://github.com/ggerganov/llama.cpp && cd llama.cpp
make GGML_METAL=1 LLAMA_METAL_EMBED_LIBRARY=1

# Lancement
./build/bin/llama-server \
  -m ./models/Meta-Llama-3.1-405B-Instruct-Q4_K_M.gguf \
  -ngl 99 -fa -c 8192 \
  -ctk q8_0 -ctv q8_0 \
  --host 0.0.0.0 --port 8080

#6. Llama 3.1 405B sur M3 Ultra 512 Go

C'est le cas d'usage flagship du Mac Studio 512 Go. Le modèle fait 230 Go en Q4_K_M, tient en RAM, contexte 8k à 5 tok/s. Qualité quasi-GPT-4o sur la plupart des tâches.

Téléchargement

Environ 230 Go via Hugging Face ou Ollama library. Prévoyez 2-4 heures selon la connexion.

Temps de chargement

~45 secondes la première fois (SSD → RAM). Instantané ensuite tant que le modèle reste en mémoire.

Consommation en inférence

~150 W. Chauffe à 70-75 °C. Ventilateur audible mais pas bruyant (bien inférieur à un PC équivalent).

Quand ça vaut le coup

R&D, équipes qui veulent du GPT-4-like 100 % offline, benchmark interne, datasets sensibles. Pour de la production, l'API cloud est plus économique.

#Mac Studio vs PC 2× RTX 5090

Prix 2026

Mac Studio M3 Ultra 512 Go : ~11 300 €. PC 2× RTX 5090 + plateforme : ~8500 €.

Mémoire utile pour LLM

Mac : 512 Go unifiée. PC : 2 × 32 Go VRAM = 64 Go. Pour du 405B, le PC ne peut tout simplement pas charger le modèle.

Vitesse sur 70B

PC 5090 duo : ~45 tok/s (CUDA, batch propre). Mac M3 Ultra : 22 tok/s. Avantage PC sur ce qui rentre.

Vitesse sur 405B

Mac : 5 tok/s. PC : impossible sans offload CPU (0,5 tok/s max).

Consommation

Mac Studio : 150 W en pic. PC 2× 5090 : 900 W max. Compter 3× la facture électrique côté PC.

Bruit

Mac : audible léger. PC 2× 5090 : très bruyant (ventilos GPU à fond).

Verdict

Le Mac Studio gagne sur capacité (modèles 200B+) et efficience. Le PC gagne sur vitesse pure sur modèles ≤70B. Choisissez selon votre profil de modèles cible.

#Questions fréquentes