3 takeaways as Magic snap Celtics’ 6-game win streak https://www.rawchili.com/nba/886297/ #Basketball #BostonCeltics #Magic #NBA #Orlando #OrlandoMagic #OrlandoMagic
November 12, 2026. COVID Wastewater Map
Get vaccinated, 😷
Ex-NFL star Marcell Dareus appears battered, bruised in alarming mugshot https://www.rawchili.com/nfl/1056915/ #AthleteArrests #BuffaloBills #California #exclusive #Football #JacksonvilleJaguars #NFL #Sports
https://www.lovenba.com/1829845/ Mike Brown VS Doug Christie, Did Kings Make the Right Choice? James Ham Joins #49ers #DLoInTheAfternoon #DamienBarling #ESPN #Espn1320 #JesseTapia #KyleMadson #NBA #NFL #PacificDivision #Sacramento #SacramentoKings #SanFrancisco #SanFrancisco49ers #Sports #SportsTalk #SportsTalkRadio #TheJump #WesternConference
The AI industry keeps telling us its technology could destroy humanity, then demands more money, more data and fewer regulations to build it faster. Imagine a chemical company announcing a serious chance of mass extinction and calling that a compelling investment opportunity.
MacBook Pro 14” M6 (late 2026) z 32 GB RAM i 1 TB SSD – benchmarki w Final Cut Pro, Lightroom, MacWhisper, LLM i innych
MacBook Pro z podstawowym M6 czy starszy model Mx z dopiskiem Pro? Przy wyborze komputera do zdjęć, wideo i lokalnych modeli językowych sama nazwa procesora niewiele ułatwia. Do zestawienia dołącza więc 14-calowy MacBook Pro M6 z 32 GB RAM i SSD 1 TB. Sprawdźmy, w których zadaniach taka konfiguracja skraca czekanie, a w których nadal warto patrzeć na inne Maki.
Specyfikacja i cena
Testowana konfiguracja to MacBook Pro 14” z Apple M6, 32 GB zunifikowanej pamięci RAM oraz SSD 1 TB. Według specyfikacji Apple M6 ma 12-rdzeniowe CPU – dwa super rdzenie, cztery wydajnościowe i sześć energooszczędnych – oraz 12-rdzeniowe GPU. Dla wariantu z 32 GB RAM producent podaje przepustowość pamięci 170 GB/s. Ekran Liquid Retina XDR ma przekątną 14,2 cala i rozdzielczość 3024 × 1964 piksele. Komputer pracuje pod kontrolą macOS Golden Gate 27.2.1.
W polskim sklepie Apple konfiguracja z M6, 32 GB RAM, SSD 1 TB i standardowym wyświetlaczem kosztuje 12 499 zł brutto, bez zasilacza i płatnych aplikacji profesjonalnych.
SSD



| Blackmagic Disk Speed Test | Odczyt w MB/s | Zapis w MB/s |
|---|---|---|
| MacBook Air 13,3” (late 2020) Apple M1 8-core CPU (4+4) 8-core GPU 8 GB RAM | 256 GB | 2165 | 2716 |
| MacBook Pro 14,2” (late 2021) Apple M1 Pro 10-core CPU (8+2) 16-core GPU 32 GB RAM | 4 TB | 5591 | 7409 |
| MacBook Air 13,6” (mid 2022) Apple M2 8-core CPU (4+4) 8-core GPU 8 GB RAM | 256 GB | 1473 | 1714 |
| MacBook Pro 14,2” (early 2023) Apple M2 Pro 10-core CPU (6+4) 16-core GPU 16 GB RAM | 512 GB | 3456 *AmorphousDiskMark | 3648 *AmorphousDiskMark |
| Mac Mini (early 2023) Apple M2 Pro 12-core CPU (8+4) 19-core GPU 16 GB RAM | 1 TB | 4945 | 6215 |
| MacBook Air 15,3” (mid 2023) Apple M2 8-core CPU (4+4) 10-core GPU 16 GB RAM | 1 TB | 3015 | 2808 |
| Mac Studio (mid 2023) Apple M2 Max 12-core CPU (4+4) 38-core GPU 64 GB RAM | 2 TB | 6776 *AmorphousDiskMark | 7692 *AmorphousDiskMark |
| iMac (late 2023) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB | 2922 | 3293 |
| MacBook Pro 16,2” (late 2023) Apple M3 Max 16-core CPU (12+4) 40-core GPU 128 GB RAM | 8 TB | 5621 | 8244 |
| MacBook Air 15,3” (early 2024) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB | 2918 | 3400 |
| Mac Mini (late 2024) Apple M4 Pro 12-core CPU (8p+4e) 16-core GPU 24 GB RAM | 512 GB | 5080 | 4090 |
| MacBook Pro (late 2024) Apple M4 Pro 14-core CPU (10p+4e) 20-core GPU 48 GB RAM | 2 TB | 5419 | 6760 |
| iMac (late 2024) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB | 3000 | 3341 |
| MacBook Air 13″ (early 2025) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB | 2915 (AmorphousDiskMark: 3228) | 3293 (AmorphousDiskMark: 3362) |
| MacBook Air 13″ (early 2025) Apple M4 10-core CPU (4p+6e) 8-core GPU 16 GB RAM | 256 GB | 2925 (AmorphousDiskMark: 2969) | 2045 (AmorphousDiskMark: 2076) |
| Mac Studio (early 2025) Apple M4 Max 16-core CPU (12p+4e) 40-core GPU 128 GB RAM | 1 TB | 5052 (AmorphousDiskMark: 5799) | 6361 (AmorphousDiskMark: 7098) |
| MacBook Pro 14” (late 2025) Apple M5 10-core CPU (4p+6e) 10-core GPU 16 GB RAM | 1 TB | 6738 | 6540 |
| MacBook Neo (early 2026) Apple A18 Pro 6-core CPU (2p+4e) 5-core GPU 8 GB RAM | 256 GB | 1551 | 1308 |
| MacBook Pro 16” (early 2026) Apple M5 Pro 18-core CPU (6s+12p) 20-core GPU 64 GB RAM | 4 TB | 13102 | 12854 |
| MacBook Pro 16” (early 2026) Apple M5 Max 18-core CPU (6s+12p) 40-core GPU 128 GB RAM | 4 TB | 13157 | 12880 |
| Mac mini (late 2026) Apple M6 12-core CPU (2s+4p+6e) 12-core GPU 24 GB RAM | 512 GB | 6029,9 | 6105,7 |
| MacBook Pro 16” PROLED XDR (late 2026) Apple M5 Max 18-core CPU (6s+12p) 32-core GPU 36 GB RAM | 2 TB | 12329,0 | 12288,1 |
| MacBook Pro 14” (late 2026) Apple M6 12-core CPU (2s+4p+6e) 12-core GPU 32 GB RAM | 1 TB | 5812,2 | 6506,5 |
Analiza
Zapis osiąga 6506,5 MB/s, a odczyt 5812,2 MB/s. W powtórzeniach odczyt wahał się od 5215,0 do 5911,6 MB/s, a zapis od 5848,7 do 6581,1 MB/s. To spory rozrzut, który warto mieć na uwadze przy niewielkich różnicach między komputerami.
W porównaniu z Maciem mini M6 z 24 GB RAM i SSD 512 GB odczyt jest niższy o około 3,6%, a zapis wyższy o około 6,6%. Tak mała różnica nie daje mocnego argumentu za wyborem jednego z tych komputerów. Ciekawsze okazuje się zachowanie w Lightroomie: laptop, mimo niższego odczytu w Blackmagicu, kończy import zdjęć wcześniej.
MacWhisper
Jeśli chcecie wykonać własne testy w MacWhisper, to najpierw pobierzcie pliki audio dla Nadgryzieni nr 300 (bezpośredni link 8,9 MB) i dla nr 447 (bezpośredni link 83,7 MB), potem wykonajcie test stosując modele:
- Large (V2) (ggml-model-whisper-large) 3 GB
- Openai Whisper-Large-V3-V20240930 Turbo (openai_whisper-large-v3-v20240930_turbo) 1,6 GB
- Openai Whisper-Large-V3 Turbo (openai_whisper-large-v3_turbo) 3,1 GB
… a potem podeślijcie mi takie informacje, jakie znajdziecie w tabelce, w tym pełna specyfikacja komputera. Niepełne zgłoszenia będą odrzucane. Podpowiem jeszcze, że MacWhisper wyświetla ile zajęło mu wykonanie transkrypcji po jej zakończeniu.
*Niestandardowy config MacWhisper oznacza wejście w jego ustawienia → Zaawansowane → Parakeet / WhisperKit i ustawienie Text Decoder na GPU, włączenie Enable Voice Activity Detection (VAD) oraz przesunięcie Concurrent Workers na 64.
| Nadgryzieni 300 Large V2 (GGML) | Nadgryzieni 447 Large V2 (GGML) | Nadgryzieni 447 Large V3 Turbo (1,6 GB) | Nadgryzieni 447 Large V3 Turbo (3,1 GB) | |
|---|---|---|---|---|
| MacBook Pro 14,2” (late 2021) Apple M1 Pro 10-core CPU (8+2) 16-core GPU 32 GB RAM | 4 TB | 01:33 v6.8 (680) | 14:56 v6.8 (680) | 11:40 / 13:05* v12.18.3 (1293) *niestandardowy config MacWhisper | — |
| MacBook Pro 16,2” (late 2023) Apple M3 Max 16-core CPU (12+4) 40-core GPU 128 GB RAM | 8 TB | 00:53 v6.8 (680) | 09:03 v6.8 (680) | — | — |
| MacBook Air 15,3” (early 2024) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB | 01:59 v7.7 (735) | 20:18 v7.7 (735) | — | — |
| Mac Mini (late 2024) Apple M4 Pro 12-core CPU (8p+4e) 16-core GPU 24 GB RAM | 512 GB | 1:07 v10.8.1 (1045) | 11:01 v10.8.1 (1045) | — | — |
| MacBook Pro (late 2024) Apple M4 Pro 14-core CPU (10p+4e) 20-core GPU 48 GB RAM | 2 TB | 1:04 v10.8.1 (1045) | 10:29 v10.8.1 (1045) | — | — |
| iMac (late 2024) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB | 01:51 v11.2.1 (1128) | 17:52 v11.2.1 (1128) | — | — |
| MacBook Air 13″ (early 2025) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB | 01:51 v12.1.1 (1219) | 19:47 v12.1.1 (1219) | — | — |
| MacBook Air 13″ (early 2025) Apple M4 10-core GPU (4p+6e) 8-core GPU 16 GB RAM | 256 GB | 01:59 v12.5 (1235) | 21:06 v12.5 (1235) | — | — |
| Mac Studio (early 2025) Apple M4 Max 16-core CPU (12p+4e) 40-core GPU 128 GB RAM | 1 TB | 00:40 v12.5 (1235) | 06:34 v12.5 (1235) | — | — |
| MacBook Pro 14” (late 2025) Apple M5 10-core CPU (4p+6e) 10-core GPU 16 GB RAM | 1 TB | 01:23 v12.18.3 (1293) | 13:25 v12.18.3 (1293) | 06:28 v12.18.3 (1293) | — |
| MacBook Neo (early 2026) Apple A18 Pro 6-core CPU (2p+4e) 5-core GPU 8 GB RAM | 256 GB | 4:27 v13.17 (1402) | 42:46 v13.17 (1402) | 10:47 v13.17 (1402) | — |
| MacBook Pro 16” (early 2026) Apple M5 Pro 18-core CPU (6s+12p) 20-core GPU 64 GB RAM | 4 TB | 0:51 v13.17 (1402) 00:54 v13.18 (1403) | 8:08 v13.17 (1402) 08:09 v13.18 (1403) | 7:18 v13.17 (1402) 7:08 v13.18 (1403) 2:19* v13.18 (1403) | — |
| MacBook Pro 16” (early 2026) Apple M5 Max 18-core CPU (6s+12p) 40-core GPU 128 GB RAM | 4 TB | 0:33 v13.17 (1402) 0:33 v13.18 (1403) | 5:25 v13.17 (1402) 05:28 v13.18 (1403) | 7:18 v13.17 (1402) 7:16 v13.18 (1403) 2:12* v13.18 (1403) | — |
| Mac mini (late 2026) Apple M6 12-core CPU (2s+4p+6e) 12-core GPU 24 GB RAM | 512 GB | 1:19 v15.1.1 (1513) | 11:08 v15.1.1 (1513) | 4:42 v15.1.1 (1513) | 13:25 v15.10 (1590) |
| MacBook Pro 16” PROLED XDR (late 2026) Apple M5 Max 18-core CPU (6s+12p) 32-core GPU 36 GB RAM | 2 TB | 0:44 v15.10 (1591) | 5:21 v15.10 (1591) | 3:58 v15.10 (1591) | 18:20 v15.10 (1591) |
| MacBook Pro 14” (late 2026) Apple M6 12-core CPU (2s+4p+6e) 12-core GPU 32 GB RAM | 1 TB | 1:06 v15.10 (1591) | 09:47 v15.10 (1591) | 3:07 v15.10 (1591) | 14:00 v15.10 (1591) |
Analiza
Nadgryzieni 300 w Large V2 zajęło 1:06. MacBook Pro M5 z 16 GB RAM i SSD 1 TB potrzebował 1:23, więc M6 skraca czas o około 20,5%. Względem Maca mini M6 z 24 GB RAM i SSD 512 GB, który uzyskał 1:19, oszczędność wynosi około 16,5%. Przy pojedynczym krótkim nagraniu nie jest to wielki zysk, ale przy regularnym transkrybowaniu różnica zaczyna się sumować.
Więcej zyskają właściciele MacBooka Air 15,3” z M3, 16 GB RAM i SSD 512 GB: jego 1:59 oznacza skrócenie czasu na M6 o około 44,5%. Z kolei MacBook Pro z M3 Max, 128 GB RAM i SSD 8 TB uzyskał 0:53, a M4 Pro z 48 GB RAM i SSD 2 TB – 1:04. Dla posiadaczy tych dwóch maszyn ten test nie daje argumentu za wymianą na podstawowy M6.
Dłuższe nagranie 447 zajęło na nowym MacBooku 09:47 w Large V2, 3:07 w V3 Turbo 1,6 GB i 14:00 w V3 Turbo 3,1 GB. Ostatni wariant potrzebował około 4,5 raza tyle czasu co wersja 1,6 GB – dodatkowe 10 min 53 s przy jednym nagraniu. To duża różnica, szczególnie gdy transkrypcje są stałą częścią pracy.
iMag Final Cut Pro Benchmark
Specyfikacja
Final Cut Pro jest oczywiście zoptymalizowany pod macOS-a i Maki oraz nie wątpię, że Apple dołożyło wszelkich starań, aby wzorowo pracował na wszystkich odmianach Apple M1 i M2. To oczywiście działa przede wszystkim na korzyść klientów, którzy już dzisiaj zdecydują się przesiąść na nową generację Maków, opartych o ARM.
Pliki
- Klip 4K 60 fps HDR w 10-bitowym HEVC (H.265) z iPhone’a 12 Pro Max – 31,15 s.
- Klip 4K 30 fps SDR w 8-bitowym AVC z DSLR Canona – 2:14,15 s.
- Klip 1080p 30 fps HDR w 10-bitowym HEVC (H.265) z iPhone’a 12 Pro Max – 3:42,21 s.
Szczegóły projektów
- Biblioteka w FCP ustawiona na Wide Gamut HDR.
- Projekty ustawione na 4K (3840×2160) 30 fps HDR przy Rec. 2020 PQ.
- iMag FCP Benchmark Easy – na timeline wrzucone 3 powyższe pliki, w kolejności jak powyżej, w każdym klipie podbita saturacja o 5% (co powinno wymusić przerenderowanie każdej klatki) oraz HDR Tools (PQ Tone Output Map i 1000 nit pod YouTube’a).
- iMag FCP Benchmark Hardcore – j.w. ale dodatkowo filtr Sharpen (+2,5) na każdym klipie, przejścia między klipami (cross disolve) oraz animujący się przez 60 sekund 3D Title nad środkowym klipem, z przeźroczystym tłem.
- Timeline trwa 6:27,16 s w Easy i 6:28,16 s w Hardcore (dodatkowe przejścia).
- iMag FCP Benchmark Easy – export do Master File → ProRes 422.
- iMag FCP Benchmark Easy – export do Master File → H.264.
- iMag FCP Benchmark Hardcore – export do Master File → ProRes 4444.
- iMag FCP Benchmark Hardcore – export do Master File → H.265 (Social Platforms, 10-bit HEVC).
- Komputery były podłączone do prądu, poza MacBookiem Pro 16” (late 2021) i późniejszymi opartymi o Apple Silicon, które pracowały na baterii.
Uwaga! Wszystkie benchmarki MacBooków z Apple Silicon robione były na baterii, z odłączonym zasilaniem!
Wyniki
| Easy ProRes 422 | Easy H.264 | Hardcore ProRes 4444 | Hardcore H.265 | |
|---|---|---|---|---|
| NLEstation 2020 Core i9-9900K 3,6 GHz (8-core, 16-thread) AMD 5700 XT 64 GB RAM | 131,30 s | 295,25 s | 192,49 s | — |
| MacBook Pro 13″ (late 2016) Core i5 2,0 GHz (2-core, 4-thread) HD Graphics 530 16 GB | 256 GB | 682,99 s | 553,43 s | 1440,18 s | — |
| MacBook Air 13″ (late 2020) Apple M1 8-core CPU (6+2) 7-core GPU 8 GB RAM | 256 GB | 141,61 s | 401,23 s | 287,44 s | — |
| MacBook Pro 16,2” (late 2021) Apple M1 Pro 10-core CPU (8+2) 16-core GPU 16 GB RAM | 512 GB | 50,21 s | 235,91 s | 119,40 s | — |
| MacBook Pro 14,2” (late 2021) Apple M1 Pro 10-core CPU (8+2) 16-core GPU 32 GB RAM | 4 TB | 49,03 s | 235,40 s | 119,34 s | — |
| MacBook Air 13,6” (mid 2022) Apple M2 8-core CPU (4+4) 8-core GPU 8 GB RAM | 256 GB | 192,29 s | 260,21 s | DNF | — |
| MacBook Pro 14,2” (early 2023) Apple M2 Pro 10-core CPU (6+4) 16-core GPU 16 GB RAM | 512 GB | 56,55 s | 244,61 s | 112,40 s | — |
| Mac Mini (early 2023) Apple M2 Pro 12-core CPU (8+4) 19-core GPU 16 GB RAM | 1 TB | 47,88 s | 241,43 s | 107,51 s | — |
| MacBook Air 15,3” (mid 2023) Apple M2 8-core CPU (4+4) 10-core GPU 16 GB RAM | 1 TB | 90,77 s | 259,90 s | 133,41 s | — |
| Mac Studio (mid 2023) Apple M2 Max 12-core CPU (4+4) 38-core GPU 64 GB RAM | 2 TB | 24,30 s | 129,30 s | 48,38 s | — |
| iMac (late 2023) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB | 61,97 s | 250,84 s | 131,50 s | — |
| MacBook Pro 16,2” (late 2023) Apple M3 Max 16-core CPU (12+4) 40-core GPU 128 GB RAM | 8 TB | 27,93 s | 126,97 s | 52,42 s | — |
| MacBook Air 15,3” (early 2024) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB | 88,68 s | 257,68 s | 139,95 s | — |
| Mac Mini (late 2024) Apple M4 Pro 12-core CPU (8p+4e) 16-core GPU 24 GB RAM | 512 GB | 47,30 s | 188,06 s | 95,22 s | — |
| MacBook Pro (late 2024) Apple M4 Pro 14-core CPU (10p+4e) 20-core GPU 48 GB RAM | 2 TB | 32,30 s | 188,17 s | 53,40 s | — |
| iMac (late 2024) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB | 109,71 s | 195,28 s | 129,12 s | — |
| MacBook Air 13″ (early 2025) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB | 109,72 s | 196,49 s | 129,11 s | — |
| MacBook Air 13″ (early 2025) Apple M4 10-core GPU (4p+6e) 8-core GPU 16 GB RAM | 256 GB | 117,68 s | 195,33 s | 128,17 s | 216,85 s |
| Mac Studio (early 2025) Apple M4 Max 16-core CPU (12p+4e) 40-core GPU 128 GB RAM | 1 TB | 19,50 s | 111,78 s | 30,97 s | 100,94 s |
| MacBook Pro 14,2” (late 2025) Apple M5 10-core CPU (4p+6e) 10-core GPU 16 GB RAM | 1 TB | 42,59 s | 169,31 s | 89,54 s | 175,54 s |
| MacBook Neo (early 2026) Apple A18 Pro 6-core CPU (2p+4e) 5-core GPU 8 GB RAM | 256 GB | 110,58 s | 248,02 s | 210,84 s | 312,07 s |
| MacBook Pro 16” (early 2026) Apple M5 Pro 18-core CPU (6s+12p) 20-core GPU 64 GB RAM | 4 TB | 26,72 s | 162,46 s | 42,77 s | 179,99 s |
| MacBook Pro 16” (early 2026) Apple M5 Max 18-core CPU (6s+12p) 40-core GPU 128 GB RAM | 4 TB | 23,17 s | 96,98 s | 35,60 s | 92,96 s |
| Mac mini (late 2026) Apple M6 12-core CPU (2s+4p+6e) 12-core GPU 24 GB RAM | 512 GB | — | 125,42 s | — | 151,36 s |
| MacBook Pro 16” PROLED XDR (late 2026) Apple M5 Max 18-core CPU (6s+12p) 32-core GPU 36 GB RAM | 2 TB | — | 96,72 s | — | 90,34 s |
| MacBook Pro 14” (late 2026) Apple M6 12-core CPU (2s+4p+6e) 12-core GPU 32 GB RAM | 1 TB | — | 122,71 s | — | 123,90 s |
Analiza
Easy H.264 zajął 122,71 s, a Hardcore H.265 – 123,90 s. Względem MacBooka Pro M5 z 16 GB RAM i SSD 1 TB czasy są krótsze o około 27,5% i 29,4%. To odpowiednio 46,60 s oraz 51,64 s mniej czekania na każdy z tych eksportów. Jeśli wykonujecie je często, taki zysk ma już praktyczne znaczenie.
Jeszcze większą zmianę zobaczą użytkownicy starszych Airów. W Easy H.264 MacBook Air 13,6” z M2, 8 GB RAM i SSD 256 GB uzyskał 260,21 s, a Air 15,3” z M3, 16 GB RAM i SSD 512 GB – 257,68 s. Nowy MacBook Pro skraca te czasy o około 52,8% oraz 52,4%. W tym eksporcie przesiadka z obu konfiguracji oznacza więc ponad dwukrotnie krótsze czekanie.
M6 kończy też wcześniej niż 16-calowy MacBook Pro z M5 Pro, 64 GB RAM i SSD 4 TB: o około 24,5% w H.264 i 31,2% w H.265. PROLED XDR z M5 Max, 32-rdzeniowym GPU, 36 GB RAM i SSD 2 TB nadal jest jednak szybszy, z wynikami 96,72 s oraz 90,34 s. Względem niego M6 potrzebuje około 26,9% i 37,1% więcej czasu. Przy częstym eksporcie wideo przewaga Maxa pozostaje wyraźna.
Lightroom Classic
- Zdjęć miałem 271, były w formacie RAW i zajmowały ok. 24 GB na karcie SanDisk Extreme Pro 256 GB, która według producenta zapewnia odczyt i zapis w rejonie 95 MBps.
- LR Import v1: Test importu polegał na kopiowaniu zdjęć z karty SD na SSD (lub HDD) i jednoczesnym tworzeniu podglądu RAW-ów w 1:1.
LR Import v2: Test importu polegał na dodaniu zdjęć z SSD komputera do biblioteki Lightroom z opcją Kopiuj z jednoczesnym tworzeniu podglądu RAW-ów w 1:1. - Test eksportu polegał na eksporcie zdjęć z SSD na SSD, w sRGB, z wyostrzaniem „standard”, w oryginalnej rozdzielczości.
LR Import v1 i v2 – wyniki
| LR Import | Czas |
|---|---|
| NLEstation 2014 (import na HDD) | 16:22 |
| NLEstation 2014 (import na SSD) | 14:56 |
| NLEstation 2020 (import na SSD) | 6:12 |
| MacBook Pro 16,2” (import na SSD) Core i7 2,6 / 4,5 GHz (late 2019) | 10:28 |
| MacBook Air (import na SSD) Core i3 1,1 / 3,2 GHz (early 2020) | 31:03 |
| MacBook Pro 14,2” (late 2021) Apple M1 Pro 10-core CPU (8+2) 16-core GPU 32 GB RAM | 4 TB | 5:06,31 (bez pełnej akceleracji) 5:04,13 (z pełną akceleracją) |
| MacBook Air 13,6” (mid 2022) Apple M2 8-core CPU (4+4) 8-core GPU 8 GB RAM | 256 GB | 9:26 |
| MacBook Pro 14,2” (early 2023) Apple M2 Pro 10-core CPU (6+4) 16-core GPU 16 GB RAM | 512 GB | 5:01,25 |
| Mac Mini (early 2023) Apple M2 Pro 12-core CPU (8+4) 19-core GPU 16 GB RAM | 1 TB | 4:23,19 |
| MacBook Air 15,3” (mid 2023) Apple M2 8-core CPU (4+4) 10-core GPU 16 GB RAM | 1 TB | 8:02,96 |
| Mac Studio (mid 2023) Apple M2 Max 12-core CPU (4+4) 38-core GPU 64 GB RAM | 2 TB | 4:35,38 |
| Poniższej wyniki LR Import v2 ⬇️ nie porównywać z v1 powyżej! | |
| LR Import v2 | Czas |
| iMac (late 2023) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB | 6:28,11 |
| MacBook Pro 16,2” (late 2023) Apple M3 Max 16-core CPU (12+4) 40-core GPU 128 GB RAM | 8 TB | 2:18,56 |
| MacBook Air 15,3” (early 2024) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB | 6:53,86 |
| Mac Mini (late 2024) Apple M4 Pro 12-core CPU (8p+4e) 16-core GPU 24 GB RAM | 512 GB | 3:28,12 |
| MacBook Pro (late 2024) Apple M4 Pro 14-core CPU (10p+4e) 20-core GPU 48 GB RAM | 2 TB | 2:13,15 |
| iMac (late 2024) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB | 5:43,28 |
| MacBook Air 13″ (early 2025) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB | 6:06,40 |
| MacBook Air 13″ (early 2025) Apple M4 10-core GPU (4p+6e) 8-core GPU 16 GB RAM | 256 GB | 6:13,44 |
| Mac Studio (early 2025) Apple M4 Max 16-core CPU (12p+4e) 40-core GPU 128 GB RAM | 1 TB | 2:14,48 |
| MacBook Pro 14” (late 2025) Apple M5 10-core CPU (4p+6e) 10-core GPU 16 GB RAM | 1 TB | Pomiar 1: 1:38,01 Pomiar 2: 1:20,73 Pomiar 3: 1:28,35 Pomiar 4: 1:40,55 Średnia: 1:31,91 |
| MacBook Neo (early 2026) Apple A18 Pro 6-core CPU (2p+4e) 5-core GPU 8 GB RAM | 256 GB | 12:48,71 |
| MacBook Pro 16” (early 2026) Apple M5 Pro 18-core CPU (6s+12p) 20-core GPU 64 GB RAM | 4 TB | 44,44 |
| MacBook Pro 16” (early 2026) Apple M5 Max 18-core CPU (6s+12p) 40-core GPU 128 GB RAM | 4 TB | 46,65 |
| Mac mini (late 2026) Apple M6 12-core CPU (2s+4p+6e) 12-core GPU 24 GB RAM | 512 GB LR Import v2 | 1:59,97 |
| MacBook Pro 16” PROLED XDR (late 2026) Apple M5 Max 18-core CPU (6s+12p) 32-core GPU 36 GB RAM | 2 TB LR Import v2 | 1:02,68 |
| MacBook Pro 14” (late 2026) Apple M6 12-core CPU (2s+4p+6e) 12-core GPU 32 GB RAM | 1 TB LR Import v2 | 1:23,34 |
Analiza
Import z podglądami 1:1 zajął 1:23,34. To około 9,3% mniej czasu niż średnia 1:31,91 MacBooka Pro M5 16 GB / 1 TB. Zysk jest jednak niewielki: wynik M6 mieści się w zakresie czterech prób M5, którego najlepszy czas wyniósł 1:20,73. Sama ta operacja nie uzasadnia wymiany poprzednika.
Na tle Maca mini M6 24 GB / 512 GB, z czasem 1:59,97, oszczędność wynosi około 30,5%. MacBook Pro M4 Pro 48 GB / 2 TB potrzebował 2:13,15, czyli M6 skrócił czas o około 37,4%. Jeszcze większy skok daje przejście z Aira 15,3” M3 16 GB / 512 GB: z 6:53,86 do 1:23,34, a więc o około 79,9% mniej czasu. Dla fotografa pracującego na takim Airze to znacznie mocniejszy argument niż drobna przewaga nad M5.
Wśród mocniejszych konfiguracji nadal wyróżnia się M5 Pro 64 GB / 4 TB z czasem 44,44 s. Nowemu M6 import zajmuje około 87,5% więcej czasu.
LR Export – wyniki
| LR Export | Czas |
|---|---|
| NLEstation 2014 (import z HDD na SSD) Core i7-4770K | 26:48 |
| NLEstation 2020 (import z SSD na SSD) Core i9-9900K | 8:45 |
| MacBook Pro 16,2” (late 2019) (import z SSD na SSD) Core i7 2,6 / 4,5 GHz | 21:13 |
| MacBook Air (early 2020) (import z karty SD na SSD) Core i3 1,1 / 3,2 GHz | 28:29 |
| MacBook Pro 14,2” (late 2021) Apple M1 Pro 10-core CPU (8+2) 16-core GPU 32 GB RAM | 4 TB | 2:11,70 |
| MacBook Air 13,6” (mid 2022) Apple M2 8-core CPU (4+4) 8-core GPU 8 GB RAM | 256 GB | 12:05 |
| MacBook Pro 14,2” (early 2023) Apple M2 Pro 10-core CPU (6+4) 16-core GPU 16 GB RAM | 512 GB | 2:54,33 |
| Mac Mini (early 2023) Apple M2 Pro 12-core CPU (8+4) 19-core GPU 16 GB RAM | 1 TB | 2:57,17 |
| MacBook Air 15,3” (mid 2023) Apple M2 8-core CPU (4+4) 10-core GPU 16 GB RAM | 1 TB | 4:11,43 |
| Mac Studio (mid 2023) Apple M2 Max 12-core CPU (4+4) 38-core GPU 64 GB RAM | 2 TB | 59,67 |
| iMac (late 2023) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB | 3:45,69 |
| MacBook Pro 16,2” (late 2023) Apple M3 Max 16-core CPU (12+4) 40-core GPU 128 GB RAM | 8 TB | 2:15,74 |
| MacBook Air 15,3” (early 2024) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB | 5:19,08 |
| Mac Mini (late 2024) Apple M4 Pro 12-core CPU (8p+4e) 16-core GPU 24 GB RAM | 512 GB | 58,91 |
| MacBook Pro (late 2024) Apple M4 Pro 14-core CPU (10p+4e) 20-core GPU 48 GB RAM | 2 TB | 55,30 |
| iMac (late 2024) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB | 2:06,78 |
| MacBook Air 13″ (early 2025) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB | 2:33,95 |
| MacBook Air 13″ (early 2025) Apple M4 10-core GPU (4p+6e) 8-core GPU 16 GB RAM | 256 GB | 2:50,96 |
| Mac Studio (early 2025) Apple M4 Max 16-core CPU (12p+4e) 40-core GPU 128 GB RAM | 1 TB | 31,56 |
| MacBook Pro 14” (late 2025) Apple M5 10-core CPU (4p+6e) 10-core GPU 16 GB RAM | 1 TB | Pomiar 1: 1:28,75 Pomiar 2: 1:46,26 Pomiar 3: 2:06,70 Pomiar 4: 1:46,98 Średnia: 1:47,17 |
| MacBook Neo (early 2026) Apple A18 Pro 6-core CPU (2p+4e) 5-core GPU 8 GB RAM | 256 GB | 10:16,69 |
| MacBook Pro 16” (early 2026) Apple M5 Pro 18-core CPU (6s+12p) 20-core GPU 64 GB RAM | 4 TB | 1:19,78 |
| MacBook Pro 16” (early 2026) Apple M5 Max 18-core CPU (6s+12p) 40-core GPU 128 GB RAM | 4 TB | 1:20,66 |
| Mac mini (late 2026) Apple M6 12-core CPU (2s+4p+6e) 12-core GPU 24 GB RAM | 512 GB | 1:39,23 |
| MacBook Pro 16” PROLED XDR (late 2026) Apple M5 Max 18-core CPU (6s+12p) 32-core GPU 36 GB RAM | 2 TB | 1:36,65 |
| MacBook Pro 14” (late 2026) Apple M6 12-core CPU (2s+4p+6e) 12-core GPU 32 GB RAM | 1 TB | 1:54,62 |
Analiza
W eksporcie kolejność się odwraca. M6 potrzebuje 1:54,62, czyli około 7,0% więcej czasu niż średnia 1:47,17 MacBooka Pro M5 oraz około 15,5% więcej niż Mac mini M6 z wynikiem 1:39,23. Właściciel M5 nie zyskuje tu na przesiadce; przewaga M6 przy imporcie nie powtarza się przy oddawaniu gotowych zdjęć.
Dla użytkownika MacBooka Pro 14,2” z M2 Pro, 16 GB RAM i SSD 512 GB zmiana jest korzystniejsza: zamiast 2:54,33 eksport trwa 1:54,62, czyli około 34,3% krócej. Nie dotyczy to jednak każdej starszej konfiguracji. MacBook Pro M4 Pro 48 GB / 2 TB kończy w 55,30 s. M6 potrzebuje około 2,1 raza tyle czasu, a więc o około 107,3% więcej. Przy regularnym eksporcie większych partii zdjęć M4 Pro pozostaje bardzo mocnym wyborem.
LR Adaptive Color – wyniki
| LR Adaptive Color | Czas |
|---|---|
| MacBook Pro 14,2” (late 2021) Apple M1 Pro 10-core CPU (8+2) 16-core GPU 32 GB RAM | 4 TB | 7:09,53 |
| MacBook Pro 16” (early 2026) Apple M5 Pro 18-core CPU (6s+12p) 20-core GPU 64 GB RAM | 4 TB | 1:07,26 |
| MacBook Pro 16” (early 2026) Apple M5 Max 18-core CPU (6s+12p) 40-core GPU 128 GB RAM | 4 TB | 1:08,62 |
| Mac mini (late 2026) Apple M6 12-core CPU (2s+4p+6e) 12-core GPU 24 GB RAM | 512 GB | 1:47,83 |
| MacBook Pro 16” PROLED XDR (late 2026) Apple M5 Max 18-core CPU (6s+12p) 32-core GPU 36 GB RAM | 2 TB | 1:27,84 |
| MacBook Pro 14” (late 2026) Apple M6 12-core CPU (2s+4p+6e) 12-core GPU 32 GB RAM | 1 TB | 1:29,95 |
Analiza
Zastosowanie Koloru adaptacyjnego do 271 zdjęć zajęło 1:29,95. MacBook Pro M1 Pro 32 GB / 4 TB potrzebował 7:09,53, więc czas skrócił się o około 79,1% – o ponad pięć minut na tej partii. Właśnie w takim seryjnym zadaniu przesiadka ze starszego Maca może być mocno odczuwalna. Względem Maca mini M6 24 GB / 512 GB z czasem 1:47,83 zysk wynosi około 16,6%.
PROLED XDR z M5 Max 36 GB / 2 TB uzyskał 1:27,84. M6 potrzebował około 2,4% więcej czasu, ale w praktyce to zaledwie 2,11 s na 271 zdjęciach. Dla samego Koloru adaptacyjnego dopłata do mocniejszego komputera nie znajduje w tych wynikach przekonującego uzasadnienia.
iMag LLM Benchmark
Do całości dodałem nowy benchmark oparty o Llamę, który ma kilka wariantów zależnie od dostępnej pojemności RAM.
Przepis
- Instalujemy Brew (jeśli nie mamy) za pomocą komendy w Terminalu:
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
- Teraz czas na install llamy:
brew install llama.cpp
- Tworzymy strukturę katalogów na ~/Desktop (~/Biurko):
mkdir -p ~/Desktop/LLM_Benchmark/modelscd ~/Desktop/LLM_Benchmark
- Pobieramy wybrany z następujących modeli z Hugging Face odpowiednio dla progów RAM – 8, 32, 64 i 128 GB:
- 8 GB RAM: Meta Llama 3.1 (8B) | bartowski/Meta-Llama-3.1-8B-Instruct-GGUF | Meta-Llama-3.1-8B-Instruct-Q4_K_M.gguf
- 32 GB RAM: Google Gemma 2 (27B) | bartowski/gemma-2-27b-it-GGUF | gemma-2-27b-it-Q4_K_M.gguf
- 64 GB RAM: Meta Llama 3.1 (70B) | bartowski/Meta-Llama-3.1-70B-Instruct-GGUF | Meta-Llama-3.1-70B-Instruct-Q4_K_M.gguf
- 128 GB RAM: Mistral Large 2 (123B) | bartowski/Mistral-Large-Instruct-2407-GGUF | Mistral-Large-Instruct-2407-Q4_K_M.gguf
- Wszystko co pobraliśmy przenosimy do:
~/Desktop/LLM_Benchmark/models
- Ponieważ Mistral Large 2 (123B) jest do pobrania w dwóch plikach, to upewniamy się, że oba pliki są w tym samym folderze i wykonujemy poniższą komendę (to wykonujemy tylko jeśli pobraliśmy ten konkretny model)…
llama-gguf-split --merge Mistral-Large-Instruct-2407-Q4_K_M-00001-of-00002.gguf model_128B_q4.gguf
- Pobieramy mój skrypt z mojego Google Drive do benchmarkowania i zapisujemy go w folderze
~/Desktop/LLM_Benchmark/ - Teraz musimy mu nadać uprawnienia:
chmod +x ~/Desktop/LLM_Benchmark/benchmark.sh
- Skrypt uruchamiamy z parametrem x, gdzie x = 8, 32, 64 lub 128:
./benchmark.sh x np. ./benchmark.sh 8
- Podczas wykonywania się benchmarka pilnujemy w Monitorze aktywności (Activity Monitor), żeby system nie wykorzystywał swap.
- Całość może trwać kilkanaście minut, więc cierpliwości.
- Pozamykajcie też wszystkie aplikacje poza Terminalem i Monitorem aktywności, żeby zwolnić maksymalnie dużo RAM-u.
Na MacBooku Pro M6 z 32 GB RAM testowany jest wariant Gemma 2 27B Q4_K_M z profilu 32 GB. Model zajmuje 15,50 GiB.
Wyniki
| MacBook Pro 14,2” (late 2021) | M1 Pro | 10c CPU (8p+2e) | 16c GPU | 32 GB RAM | 4 TB | ||||||
|---|---|---|---|---|---|---|
| Test 1 | Prefill (przetwarzanie kontekstu) | ||||||
| model | size | params | backend | threads | test | t/s |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 8 | pp1024 | 52.40 ± 0.36 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 8 | pp4096 | 49.52 ± 1.57 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 8 | pp8192 | 47.57 ± 0.08 |
| Test 2 | Decode (generowanie tekstu) | ||||||
| model | size | params | backend | threads | test | t/s |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 8 | pp16 | 27.86 ± 0.02 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 8 | tg512 | 7.01 ± 0.00 |
| MacBook Neo (early 2026) | A18 Pro | 6c CPU (4p+2e) | 5c GPU | 8 GB RAM | 256 GB | ||||||
|---|---|---|---|---|---|---|
| Test 1 | Prefill (przetwarzanie kontekstu) | ||||||
| model | size | params | backend | threads | test | t/s |
| llama 3B Q4_K – Medium | 1.87 GiB | 3.21 B | BLAS,MTL | 2 | pp1024 | 201.79 ± 8.94 |
| llama 3B Q4_K – Medium | 1.87 GiB | 3.21 B | BLAS,MTL | 2 | pp4096 | 161.59 ± 1.80 |
| llama 3B Q4_K – Medium | 1.87 GiB | 3.21 B | BLAS,MTL | 2 | pp8192 | 137.77 ± 1.14 |
| Test 2 | Decode (generowanie tekstu) | ||||||
| model | size | params | backend | threads | test | t/s |
| llama 3B Q4_K – Medium | 1.87 GiB | 3.21 B | BLAS,MTL | 2 | pp16 | 92.32 ± 3.88 |
| llama 3B Q4_K – Medium | 1.87 GiB | 3.21 B | BLAS,MTL | 2 | tg512 | 19.85 ± 0.11 |
| MacBook Pro 16” (early 2026) | M5 Pro | 18c CPU (6s+12p) | 20c GPU | 64 GB RAM | 4 TB | ||||||
|---|---|---|---|---|---|---|
| Test 1 | Prefill (przetwarzanie kontekstu) | ||||||
| model | size | params | backend | threads | test | t/s |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | pp1024 | 107.72 ± 0.88 |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | pp4096 | 100.90 ± 0.67 |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | pp8192 | 90.26 ± 1.31 |
| Test 2 | Decode (generowanie tekstu) | ||||||
| model | size | params | backend | threads | test | t/s |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | pp16 | 47.82 ± 0.04 |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | tg512 | 6.46 ± 0.01 |
| MacBook Pro 16” (early 2026) | M5 Max | 18c CPU (6s+12p) | 40c GPU | 128 GB RAM | 4 TB | ||||||
|---|---|---|---|---|---|---|
| Test 1 | Prefill (przetwarzanie kontekstu) | ||||||
| model | size | params | backend | threads | test | t/s |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | pp1024 | 186.11 ± 6.16 |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | pp4096 | 160.52 ± 2.53 |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | pp8192 | 133.85 ± 4.05 |
| llama ?B Q4_K – Medium | 68.19 GiB | 122.61 B | BLAS,MTL | 6 | pp1024 | 98.27 ± 2.55 |
| llama ?B Q4_K – Medium | 68.19 GiB | 122.61 B | BLAS,MTL | 6 | pp4096 | 81.64 ± 1.00 |
| llama ?B Q4_K – Medium | 68.19 GiB | 122.61 B | BLAS,MTL | 6 | pp8192 | 74.11 ± 0.25 |
| Test 2 | Decode (generowanie tekstu) | ||||||
| model | size | params | backend | threads | test | t/s |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | pp16 | 77.82 ± 2.54 |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | tg512 | 9.97 ± 0.40 |
| llama ?B Q4_K – Medium | 68.19 GiB | 122.61 B | BLAS,MTL | 6 | pp16 | 46.13 ± 0.48 |
| llama ?B Q4_K – Medium | 68.19 GiB | 122.61 B | BLAS,MTL | 6 | tg512 | 6.02 ± 0.14 |
| Mac mini M6, fizycznie 24 GB RAM / 512 GB SSD; profil doboru modelu 8 GB; llama.cpp 7fe450e19 (11146); t/s, więcej = lepiej | ||||||
|---|---|---|---|---|---|---|
| model | size | params | backend | threads | test | t/s |
| llama 8B Q4_K – Medium | 4.58 GiB | 8.03 B | BLAS,MTL | 2 | pp1024 | 807.13 ± 8.34 |
| llama 8B Q4_K – Medium | 4.58 GiB | 8.03 B | BLAS,MTL | 2 | pp4096 | 681.86 ± 6.08 |
| llama 8B Q4_K – Medium | 4.58 GiB | 8.03 B | BLAS,MTL | 2 | pp8192 | 560.55 ± 4.52 |
| llama 8B Q4_K – Medium | 4.58 GiB | 8.03 B | BLAS,MTL | 2 | pp16 | 125.66 ± 3.67 |
| llama 8B Q4_K – Medium | 4.58 GiB | 8.03 B | BLAS,MTL | 2 | tg512 | 27.58 ± 1.30 |
| MacBook Pro 16” PROLED XDR (late 2026) | M5 Max | 18c CPU (6s+12p) | 32c GPU | fizycznie 36 GB RAM | 2 TB SSD | profil doboru modelu 32 GB | llama.cpp cd959bae9 (12110) | ||||||
|---|---|---|---|---|---|---|
| model | size | params | backend | threads | test | t/s |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 6 | pp1024 | 614.99 ± 0.35 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 6 | pp4096 | 568.88 ± 12.38 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 6 | pp8192 | 545.58 ± 5.21 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 6 | pp16 | 173.77 ± 0.45 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 6 | tg512 | 22.86 ± 0.44 |
| MacBook Pro 14” M6 (late 2026) | 12c CPU (2s+4p+6e) | 12c GPU | fizycznie 32 GB RAM | 1 TB SSD | profil doboru modelu 32 GB | llama.cpp b1b770d90 (12359) | ||||||
|---|---|---|---|---|---|---|
| model | size | params | backend | threads | test | t/s |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 2 | pp1024 | 225.85 ± 0.58 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 2 | pp4096 | 218.39 ± 0.47 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 2 | pp8192 | 209.31 ± 0.56 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 2 | pp16 | 70.21 ± 0.16 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 2 | tg512 | 8.65 ± 0.05 |
Analiza
M6 osiąga 225,85 t/s przy przetwarzaniu promptu pp1024 i 209,31 t/s dla pp8192. Wydłużenie kontekstu obniża więc przepustowość o około 7,3%. Znacznie wolniej przebiega generowanie tekstu: w tg512 jest to 8,65 ± 0,05 t/s. Po przeliczeniu tej przepustowości na 512 tokenów otrzymujemy około 59,2 s samego generowania.
W porównaniu z MacBookiem Pro M1 Pro z 32 GB RAM największy zysk widać przy wczytywaniu kontekstu Gemmy 2 27B: przepustowość pp1024 jest większa o około 331,0%, a pp8192 o około 340,0%. Generowanie tekstu poprawia się znacznie mniej – z 7,01 do 8,65 t/s, czyli o około 23,4%. M1 Pro pracował z ośmioma wątkami, a M6 z dwoma. W tych konfiguracjach przesiadka znacznie skraca przetwarzanie dłuższego wejścia, ale nie daje podobnie dużego skoku tempa odpowiedzi.
PROLED XDR z M5 Max, 36 GB RAM i sześcioma wątkami uzyskuje w tym samym wariancie Gemmy 614,99 t/s w pp1024 oraz 22,86 t/s w tg512. Wyniki M6 są niższe odpowiednio o około 63,3% i 62,2%. Przy regularnej pracy z Gemmą 27B warto więc rozważyć mocniejszą konfigurację: różnicę widać zarówno podczas przygotowywania kontekstu, jak i późniejszego generowania.
Podsumowanie
Najwięcej argumentów za zmianą dostają tutaj właściciele Airów z M2 i M3 oraz użytkownicy M1 Pro. W pierwszych dwóch konfiguracjach sprawdzony eksport H.264 trwa ponad dwa razy dłużej, a Air M3 wyraźnie odstaje też w imporcie zdjęć. Przy M1 Pro duży zysk daje Kolor adaptacyjny i przetwarzanie kontekstu Gemmy. To konkretne operacje, na których można odzyskać czas, jeśli często je wykonujecie.
Wymiana MacBooka Pro M5 jest mniej oczywista. M6 skraca oba sprawdzone eksporty w Final Cut Pro, lecz w Lightroomie daje niewielką poprawę importu i dłuższy eksport. Posiadacz M4 Pro ma jeszcze mniej powodów do zmiany pod kątem zdjęć, skoro jego komputer eksportuje tę partię znacznie szybciej. Natomiast do regularnej pracy z Gemmą 27B mocniejszy Max pozostaje znacznie lepszą propozycją niż podstawowy M6. Wybierałbym więc według tego, na zakończenie której pracy czekacie najczęściej.
#hardware #iMagMark #Mac #MacBookPro #pierwszeWrażenia #recenzja #Sprzęt #TestyA bunch of Project Hail Mary userboxes I made a while back w/ sweetyamz's userbox maker!
#userbox #userboxes #graphics # project hail mary # web decor # web decorations # flowers makes
I don’t believe this. I think most of people who say that don’t think about what they’re saying at all. They just say what they thought they heard that one time they learned it and that’s it.
That is what I believe.
Keväällä päivitämme palveluverkkosuunnitelmaa, eli sitä, mitä palveluita kunnassa on ja missä. Se on oikea paikka arvioida palvelujen määrää ja laatua huolella.
Valtuusto hyväksyi kuitenkin Saara Huhmarniemen evästyksen, jonka mukaan henkilöstöä koskevat ratkaisut suunnitellaan ennakoivasti ja pitkäjänteisesti, kun kunnan taloutta sopeutetaan. Lisäksi Kirkkonummen maineesta hyvänä työnantajana pidetään huolta.
폐업 소상공인 10명 가운데 3명은 폐업을 결심하고도 당초 계획보다 실제 폐업이 늦어지는 ‘폐업 지연’을 경험한 것으로 나타났습니다. 인수자를 찾지 못하거나 대출금 상환 부담 등이 주요 원인이었습니다.
“문 닫고 싶어도 못 닫아”…소상공인 10명 중 3명 ...
Eilisessä valtuustossa käsittelimme Kirkkonummen talousarviota, ja pidin Vihreiden ryhmäpuheenvuoron.
Ennen kuin leikataan lasten arjesta, pitää tietää, mitä leikkaus lapsille tekee.
#Kirkkonummi #Kyrkslätt
@puniko@mk.absturztau.be moinsen
@fabos@der.cyberterror.ist tach
Talousarviossa leikataan alkuperäisen arvion mukaan 500 000 euroa suomenkielisestä varhaiskasvatuksesta ja 200 000 euroa ruotsinkielisestä. Lapsivaikutuksia ei arvioitu.
Siksi me Vihreässä valtuustoryhmässä emme kannattaneet talousarvioesitystä.

