M4 / M5 Apple Silicon passe d'une puce performance à plateforme IA

Le Apple Silicon devient un nœud IA planifiable. L'enjeu M4/M5 est comment les charges s'empilent — Ollama, Claude Code et Runner partagent la mémoire unifiée.

Sur M4 : le swap fait passer Ollama ~37→34 tok/s ; xcodebuild test de 12 à 19 min. Trois questions + formule de pression pour M4, M5 ou Cloud Mac.

Lire selon votre question

Cet article explique comment choisir. Sautez si le goulot est clair :

Ce que change le M4 : un nœud pour l'IA continue

Le M4 n'est pas « CPU un peu plus rapide » — c'est le premier Mac mini qui tient l'inférence locale au quotidien. (16 Go vs 24 Go)

memory_pressure, courbe swap, footprint Ollama : CI + LLM résident ensemble ?

Questions pratiques : tok/s, swap ou non, drift CI.

Trois questions (pas seulement les benchmarks)

Voir M1→M5 comme échelle de benchmarks achète la mauvaise machine. Chaque question sur la chaîne causale : swap déjà là ?

L'écart générationnel = quand le swap apparaît — tok/s ok mais swap fréquent = machine lente.

Estimer la pression de mise à niveau

Entrez vos mesures (échelle 1–5 ok) :

Pression upgrade ≈

  ( fréquence swap × impact CI )
+ ( modèles résidents × mémoire )
− ( marge restante )

Bas de la chaîne : mémoire unifiée sous swap = tout ralentit.

Lire le résultat :

• Bien > 0 — 24 Go, stop Ollama avant CI, Cloud Mac.
• ≈ 0 — maintenir, noter, remesurer.
• < 0, tok/s bas — limite compute ; ne pas attendre M5 avec swap actif.

16GB: 1,1GB Swap, Runner 12→19 Min. → Druck > 0. Noch ein M4 16GB reicht nicht.

Mac local vs Cloud Mac

Cloud Mac n'est pas un bureau à distance — nœud macOS 24/7 pour builds et inférence.

Dev IA : Cloud Mac vs M5 · Ollama sur Cloud Mac

Auto-contrôle 30 secondes

Exécuter sur la machine à évaluer et noter :

# Chip and unified memory
sysctl -n machdep.cpu.brand_string
system_profiler SPHardwareDataType | grep "Memory:"

# Swap and Ollama footprint
ollama ps
memory_pressure
vm_stat | grep "Pageouts"

# Runner latency (CI log or local timer)
# xcodebuild test wall time: 12 min before swap → 19 min after (same repo)

Optional tok/s (gleiches Skript wie 16GB vs 24GB):

python3 -m mlx_lm.generate \
  --model mlx-community/Meta-Llama-3.1-8B-Instruct-4bit \
  --prompt "Summarize Apple Silicon unified memory in 3 bullets." \
  --max-tokens 128
# Record: tok/s, Memory Used, Swap Used

Pageouts steigen bei residentem Ollama + Runner-Drift >30% → zuerst Scheduling und RAM.

Attendre le M5 ?

M5 noch nicht Mainstream. Branche Richtung größerer Unified Memory — nach Release gleiche Befehle.

Bis M5-Daten: M4 tok/s/Swap/Runner. 2026–2027 M4 für AI-Dev bleibt pragmatisch (M4 vs GPU-Cloud).

Piège : assez rapide, mauvais scheduling

Nach M2 16GB Upgrade auf M4 16GB — nächtliches Ollama-Embedding: xcodebuild test 12→19 Min.

24GB oder Maschinen/Zeit-Split (Parallel-Scheduling).

FAQ

M4 oder M5? Zuerst Swap und Runner.

Mac mini für AI? 7B–14B, Core ML, Agent+CI. 70B → GPU-Cloud.

Cloud Mac vs Kauf? Alltag lokal, 24/7 Runner in der Cloud.

• M4 Ollama 7B/14B
• 16GB vs 24GB
• Ollama + Runner parallel
• Cloud Mac vs M5