抡锤者

每個機型都完整對標蘋果

m5 ultra沒有64g

暫時找不到落地場景

目前比較值得參考的幾組：
M5 Max / 128GB / h3.c 原生 Metal
512×512、22 frames、4-step：純 denoise 約 3.5 秒
同樣 512×512、22 frames，29-step reference：約 26.4 秒
512×512、完整 BF16 模型常駐記憶體：單次 50-block forward 約 1.35 秒
改成 SSD streaming：同樣 forward 約 2.49 秒
864×480：常駐約 2.14 秒、SSD streaming 約 2.68 秒
h3.c 作者目前就是直接針對 M3 Max / M5 Max 做 H3 的 Metal 優化，M5 還會使用 Metal 4 TensorOps。
來源： https://github.com/antirez/h3.c

不過影片一拉長，差距就非常明顯。
有人在 M5 Max 上用 h3.c 測：
512×512 / 22 frames：約 19.5 秒 denoise
1344×768 / 22 frames：約 223 秒
672×384 / 124 frames（約 5.17 秒）：約 373 秒 ≈ 6.2 分鐘
896×512 / 124 frames：約 1028 秒 ≈ 17.1 分鐘
1344×768 / 124 frames：約 2176 秒 ≈ 36.3 分鐘
這組測試很有意思，因為 profile 顯示高解析度、長 sequence 時大量時間是在等待 MPSGraph，而不是 GPU kernel 本身，所以目前看起來還有很大的軟體優化空間。
完整測試： https://github.com/antirez/h3.c/issues/13

另外也有比較傳統的 ComfyUI / PyTorch MPS 測試。
M5 Pro 48GB MiniMax H3 + Parasyte Turbo，8 steps：
352×608 / 124 frames / 5.17 秒影片：6分54秒
480×864 / 124 frames / 5.17 秒影片：12分52秒
這個時間包含模型載入、sampling、decode、音訊與存檔，所以比較接近一般使用者實際按下 Generate 後等待的時間。
來源： https://github.com/Bambushu/minimax-h3-mac

Reddit 上甚至有一位 M5 Max 128GB 使用者，直接用 ComfyUI + BF16 跑 720×960、約 5 秒影片，回報大約 200 秒/iteration，總共接近 1 小時。
不過這反而證明目前「用什麼 backend」非常重要，同一顆 Apple GPU，用 PyTorch MPS 跟針對 Apple Silicon 寫的 Metal implementation，差距可能非常大。
討論： https://www.reddit.com/r/StableDiffusion/comments/1vg6wdm/minimaxh3_on_m5_max_128gb/

Draw Things 在 2026/9/13 的版本已正式加入 MiniMax H3 系列，感覺蘋果家族跑視頻生成迎來曙光

MiniMax H3 是開源的 Omni-modal 影音生成模型，除了文生影片、圖生影片、首尾幀生成之外，也支援 Reference 模式，而且可以原生生成帶音訊的影片。現在 Draw Things 已經能在 Apple Silicon 上運行，讓 Mac 本地影片生成開始變得比較實際。

我比較好奇的是：如果換成 M4/M5 Max、Ultra 這類高記憶體頻寬＋大 Unified Memory 的 Mac，實際生成速度到底能到什麼程度？

尤其想知道 M5 Ultra 如果可以讓大部分模型常駐記憶體，生成 5 秒左右影片有沒有機會進入幾分鐘、甚至更短的範圍。

相關連結：

MiniMax H3
https://github.com/MiniMax-AI/MiniMax-H3

Draw Things
https://drawthings.ai/

MiniMax H3 相關開源專案
https://github.com/topics/minimax-h3

mac studio真的很舒適，當做在家裡一台安靜省電的小伺服器，在外面用手機或筆電就能輕鬆指派工作，蓋上筆電依然既幹活，完全不需要忍受機房那種吵的要命的聲音

@terry 老特的論壇也變成值得盜竊的目標了，算不算是一種大公司對你的認可？

有詳細的測試畫面跟配置嗎？

Mac studio等 512gb可以跑不錯的量化版本，radix完整支援mac以後mac studio 在地端Moe 就一桶漿糊了

銀行用魔改卡........這出事的時候沒人幫忙扛耶

中間變成妹子在刮鬍子了

@terry 就安靜小巧低功耗+mac生態+rtx 5000等級的地端ai體驗 主打一個舒適

別想太多，每件事情都計較下去沒完沒了，每一個人執著的事情本來就不一樣，

原則是不要影響到生活與親友關係就好，

20塊是一頓飯 2000塊也是一頓飯，AI同理，玩的開心不給人添麻煩就好，產生額外價值都是賺的

@kos-or 真的好用，這樣的使用辦法即使是一般人也能輕鬆使用，我跟朋友解釋半天AI agent還是雲裡霧裡，這種情境一看就懂而且馬上上手，只是Grok bot有點費錢

@kop-wang 一開始想像的情境是gork bot，沒想到hermes就可以辦成了，省了我每個月200美金

終於有哥兒們討論到這裡了，最近沉迷在bot的協作機制，基本上就是騰出一台空電腦，在hermes上把各任務腳色設定好，基本上就是一個24小時秘書團隊，行政文書 開發 測試 搜尋 生活整理，bot直接撿對應的工作去做。平常就直接用telegram調用對應的bot或是整個團隊，手機就可以幹活

你的需求直接1，mac你選的規格不用想了，至少到M5 Max

很難拉 會當到那個位子的人基本上已經跟他的專業基礎能力沒有太大的關係了，這個層級是願景 目標 決策 管理，專業基礎能力是讓他在該領域有對應的認知，不會被唬爛。這種職位重要的是大局觀，AI這種任務導向工具要平替的是固定產線上的所有人，當你發現你在某個SOP流程上且沒有任何發展時就代表你是被AI替代的備選名單

@KAKAHermes 帶寬有點吃緊就是 不跑文字以外的應該還可以八

哥兒們 玩ai永遠記住一個原則 非機械式的規範不可能限制ai ，prompt 下的再好，agent.md或skill寫得再強制 ，ai就是能夠繞過去 ，血的教訓。然後其實地端模型請教前沿模型的做法有點繞路，地端模型是拿來幹活，他不需要在過程中請教，他需要的是一開始有明確的規劃和事後有嚴格審查，所以你的老師傅的位置不應該在徒弟旁邊手把手，而是一開始說清楚叫他幹嘛然後他做完後嚴格的審核他