RTX 5090移动版与M5 Max本地AI实测：中小模型碾压，超长上下文显存成瓶颈

【区角快讯】当顶级移动GPU遇上苹果自研芯片的巅峰之作，本地大模型推理的性能天平究竟向哪边倾斜？博主Alex Ziskind近期的一项对比测试给出了颇具戏剧性的答案。在搭载最新雷蛇灵刃18笔记本的平台上，英伟达RTX 5090移动版凭借24GB显存，在处理Gemma 4 12B、Qwen3.5 27B等主流规模模型时，展现出惊人的算力优势。

数据显示，在12B至35B参数规模的模型中，RTX 5090的表现堪称“降维打击”。以Gemma 4 12B为例，其提示词处理速度高达4110 tokens/sec，相比M5 Max的1762 tokens/sec，领先幅度达到133%。即便是面对Qwen3.5 27B，RTX 5090依然保持109%的巨大差距；即便升级到35B级别的Qwen3.6 35B A3B，其在提示词处理上仍保有32%的优势。对于追求高频短文本生成的发烧友而言，这无疑是极具吸引力的性能指标。

然而，战局在进入超大模型与超长上下文场景后发生了逆转。当测试转向Qwen3 4B模型的26万超长上下文时，RTX 5090的24GB显存迅速触及天花板，生成速度断崖式下跌至25.28 Token/秒。相比之下，拥有128GB统一内存的M5 Max则显得游刃有余，稳定输出181.40 Token/秒，领先优势接近7倍。

更直观的对比来自RTX 5090自身的数据波动：在68K上下文条件下，它还能维持160.36 tokens/sec的速度；一旦上下文扩展至262144，受限于显存容量，性能暴跌84.2%，吞吐量仅剩21-25 tokens/sec。这一结果清晰地表明，若应用场景涉及海量文档分析或超长对话，显存容量的权重或许已超越单纯算力，成为决定体验的关键变量。