Mac Studio M5 Ultra: la IA local que cuesta 16.329 euros

16.329 euros cuesta la configuración del Mac Studio M5 Ultra que Xataka tuvo un mes entero sobre la mesa: 36 núcleos de CPU, 80 de GPU, 256 GB de memoria unificada y 8 TB de SSD. No es la más cara del catálogo —la de 512 GB llega a los 33.379 euros—, pero sí la que responde a una pregunta concreta: qué se puede hacer con IA local en la máquina más potente que vende Apple hoy.

La respuesta corta, según el propio análisis, es que existe por primera vez un equipo de sobremesa capaz de ejecutar modelos que no caben en la memoria de vídeo de una Nvidia GeForce RTX 5090 (32 GB). La larga es más incómoda: no todo lo que cabe se ejecuta bien, y el cuello de botella no es la potencia de cálculo.

Por qué 256 GB de memoria unificada cambian lo que puedes ejecutar

En un PC con tarjeta gráfica, la GPU tiene su propia memoria separada del sistema. Si el modelo cabe ahí, vuela; si no, hay que repartirlo entre ambas y el rendimiento se desploma. La RTX 5090 tiene 32 GB de VRAM, así que un modelo de 90 GB no entra de serie. Los chips de Apple funcionan al revés: CPU y GPU comparten la misma memoria unificada, y en un Mac Studio de 256 GB la GPU puede usar la mayor parte de ese espacio.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Ahí está la clave del equipo. No es la memoria más rápida del mercado, pero es enorme, y eso permite cargar modelos que en un PC de consumo simplemente no caben.

Para que un modelo entre, se cuantiza: en lugar de guardar cada parámetro con 16 bits, se guarda con cuatro. Un Qwen3.8-27B pasa de ocupar unos 54 GB a unos 17-18 GB, con una pérdida de precisión pequeña pero real.

La métrica que de verdad manda es el ancho de banda de memoria: 1,2 TB/s en el M5 Ultra, un 50% más que los 819 GB/s del M3 Ultra. La cuenta que hace el análisis es simple: si el modelo ocupa 16,8 GB y hay que leerlo entero para cada token, el techo teórico son unos 71 tokens por segundo. En las pruebas, el equipo escribió a 52 tokens por segundo con llama.cpp y a 55 con MLX, entre el 73% y el 77% del máximo teórico.

¿Qué diferencia hay entre un modelo denso y uno MoE al ejecutarlo en local?

El análisis separa los modelos en dos familias y la distinción explica casi todas sus cifras.

  • Modelos densos: usan todos sus parámetros para cada token. Dan más calidad por parámetro, pero exigen más memoria. Son Qwen3.8-27B y Gemma 4 31B.
  • Modelos MoE (Mixture-of-Experts): activan solo una parte de sus expertos en cada token. Un Qwen3.6 35B-A3B tiene 35.000 millones de parámetros pero usa unos 3.000 millones por token, así que escribe mucho más rápido.

La trampa está en el segundo grupo. El Qwen3.8 Flash-Next, con 88 GB, escribe a 64 tokens por segundo pese a su tamaño. Pero al programar con agentes su comportamiento fue, en palabras del análisis, desastroso: mediana de 30 minutos, una ejecución que no terminó y ninguna pasada completa de las pruebas. Escribir rápido no sirve si el modelo se equivoca y tiene que volver atrás a corregir.

La prueba que de verdad importa: un agente programando un proyecto real

Las cifras de tokens por segundo son vistosas, pero el test central del análisis fue otro: darle a OpenCode, un agente de programación, un proyecto real en Python (una API de tareas con base de datos) y pedirle que implementara lo que faltaba, escribiera sus propias pruebas y se corrigiera solo. Al terminar, un evaluador oculto con 13 pruebas que el agente no controlaba medía el resultado.

Con la temperatura fijada en 0,6 para todos los motores, los resultados fueron estos:

  • Qwen3.8-27B con llama.cpp: mediana de 16 minutos y 33 segundos, con 12 de 13 pruebas superadas.
  • Qwen3.8-27B con MLX (mlx_lm): mediana de 8 minutos y 12 segundos, con 13 de 13 en las tres ejecuciones. La única configuración con pleno perfecto.
  • Qwen3.5 122B-A10B con llama.cpp: mediana de 5 minutos y 55 segundos, pero con 11, 12 y 13 pruebas superadas. Más rápido y menos fiable.

Con decodificación especulativa los tiempos bajaron todavía más: la configuración Splash + DFlash2 completó el proyecto en una mediana de 4 minutos y 51 segundos con 12 o 13 aciertos. La otra, MTPLX + MTP, fue caótica: en dos de las tres ejecuciones el agente cambió la forma de llamar a una función y no pasó ninguna prueba.

La lección que el test destapó y que deberías copiar en tu stack

La primera tanda de pruebas salió mal y la causa no era la velocidad. Con oMLX, el mismo modelo tardaba una mediana de 41 minutos y una ejecución se fue a 70 minutos. Al revisar los registros apareció el motivo: el agente no fijaba la temperatura del modelo, y cada motor aplicaba la suya por defecto. En el servidor de llama.cpp era 1,0, un valor demasiado alto.

El resultado fue un bucle: entre 111 y 395 pasos frente a los 23-81 de llama.cpp, y una ejecución en la que el agente leyó los archivos 243 veces y ejecutó las pruebas 105 veces, 85 de ellas con fallos.

La conclusión del análisis es la que importa para cualquiera que monte agentes: el comportamiento de un agente de IA depende de parámetros que las herramientas pueden estar escondiéndote. Fijar temperatura y el resto de parámetros explícitamente, y verificarlos en el servidor, cambió por completo los resultados.

¿Cuándo compensa comprar la máquina en lugar de pagar la nube?

La cuenta depende de tu volumen. TechTimes estima que la inferencia en la nube de un modelo de clase GPT-4 ronda los 10 dólares por millón de tokens de salida; un desarrollador que genere 50 millones de tokens al mes estaría gastando unos 500 dólares mensuales, o 6.000 dólares al año solo en API. Con esa factura, el punto de equilibrio de un Mac Studio M5 Ultra se sitúa, según ese mismo medio, entre 10 y 14 meses.

Hay dos comparativas que ayudan a calibrar el salto:

  • MacStories comparó una unidad con 256 GB contra un Mac Studio M3 Ultra de 512 GB y contra un equipo con RTX 5090. En pruebas con agentes locales, el M5 Ultra generó respuestas alrededor de un 70% más rápido que el M3 Ultra. La RTX 5090 mantuvo la ventaja en velocidad bruta, pero sufría mucho más cuando tenía que tirar de memoria del sistema.
  • Tom’s Hardware encontró algo parecido desde otra metodología: casi 4 veces el rendimiento en tokens por segundo frente a la DGX Spark de Nvidia con Qwen 3.8-27B. La propia DGX Spark parte de 128 GB de memoria LPDDR5X a 273 GB/s, según Geeky Gadgets, en configuraciones comparables de unos 9.500 dólares.

El contrapeso lo puso Engadget: el M5 Ultra rinde entre un 20% y un 30% más que el M5 Max en varias pruebas de CPU y GPU, y apenas un 10% más en pruebas sintéticas de IA. Como el M5 Max arranca en 3.029 euros en España frente a los 6.659 euros de la entrada del M5 Ultra, según Applesfera y Xataka, para la mayoría de perfiles el Max sigue siendo la compra racional.

Qué significa esto para tu startup

La lectura útil de este análisis no es «cómprate el Mac más caro». Es entender dónde está la frontera entre lo que puedes ejecutar en tu escritorio y lo que sigues necesitando alquilar.

  • Haz la cuenta de tus tokens antes de mirar hardware. Si tu equipo gasta menos de 400-500 dólares al mes en APIs, la inversión no se amortiza por coste. El argumento real es otro: privacidad, datos que no pueden salir de tu infraestructura o dependencia de un proveedor que puede cambiar sus condiciones.
  • Elige el modelo por arquitectura, no por tamaño. El análisis muestra que un MoE que escribe a 160 tokens por segundo puede tardar 30 minutos en una tarea de agente, mientras un denso más lento la resuelve en 8. Si tu caso de uso es programar con agentes, prioriza precisión sobre velocidad.
  • Fija y verifica los parámetros de inferencia de tus agentes. Temperatura, top-p y el resto. Un valor por defecto de 1,0 convirtió una tarea de 13 minutos en una de 70 con 105 ejecuciones de pruebas. Es gratis de arreglar y es el mayor ahorro de la lista.
  • Prueba la decodificación especulativa antes de descartarla. Con Splash la misma tarea bajó a 4 minutos y 51 segundos. Pero mide siempre: la otra implementación probada falló las 13 pruebas en dos de tres intentos.
  • Si el modelo no cabe, no lo fuerces. Repartir un modelo entre VRAM y memoria del sistema es justo el escenario donde el rendimiento se derrumba, tanto en PC como en Mac.

Conclusión

El Mac Studio M5 Ultra de 256 GB no es una compra de impulso ni una máquina para «tener lo mejor». Es una herramienta que define su valor por lo que permite hacer que antes no cabía en un escritorio: modelos grandes residentes, varios agentes coordinados, un servidor de IA silencioso encima de una mesa.

Para un founder, la decisión se reduce a una pregunta: ¿cuánto de tu trabajo con IA es suficientemente intensivo y suficientemente sensible como para justificar 16.329 euros? Si la respuesta es «poco», el M5 Max o la nube siguen siendo mejores negocios. Si la respuesta es «mucho y con datos que no pueden salir», el análisis deja claro que hay pocas alternativas comparables en ese tamaño.

Fuentes

¿te gustó o sirvió lo que leíste?, Por favor, comparte.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Daily Shot: Tu ventaja táctica

Lo que pasó en las últimas 24 horas, resumido para que tú no tengas que filtrarlo.

Suscríbete para recibir cada mañana la curaduría definitiva del ecosistema startup e inversionista. Sin ruido ni rodeos, solo la información estratégica que necesitas para avanzar:

  • Venture Capital & Inversiones: Rondas, fondos y movimientos de capital.
  • IA & Tecnología: Tendencias, Web3 y herramientas de automatización.
  • Modelos de Negocio: Actualidad en SaaS, Fintech y Cripto.
  • Propósito: Erradicar el estancamiento informativo dándote claridad desde tu primer café.

📡 El Daily Shot Startupero

Noticias del ecosistema startup en 2 minutos. Gratis, todos los días.

Share to...