Apple je naplatio memoriju, a memorija je ono što lokalni model zaista košta
Novi Mac Studio ide do 512 GB objedinjene memorije i počinje od 5.499 dolara, ali konfiguracija s 512 GB stiže tek krajem oktobra; novi Mac mini staje na 32 GB i počinje od 899. Za svakoga ko modele vrti na sopstvenoj mašini, taj raspon je cijela ponuda — i Apple je sada tako i prodaje.
Izvor
Apple introduces M6 and M5 Ultra for a big leap in performance and AI computeApple Newsroom · Original objavljen 25. avgusta 2026.
Apple je 25. avgusta predstavio nove Mac mini i Mac Studio, uz dva čipa: M6, prvi na dva nanometra, i M5 Ultra, prvi sastavljen od četiri matrice. Novih mogućnosti gotovo da nema — ovo je osvježenje specifikacije. Promijenilo se to kako se mašine nude: Apple ih sada opisuje po tome koliko velik model mogu da drže.
Brojke od kojih zavisi šta staje
M6 ide u Mac mini, s procesorom od dvanaest jezgara, grafikom od dvanaest jezgara s neuralnim ubrzivačima, dvostrukim neuralnim pogonom od šesnaest jezgara i propusnošću objedinjene memorije do 170 GB/s. Memorije je 16 GB u osnovi, a najviše 32 GB. M5 Ultra ide u Mac Studio: do 36 jezgara procesora, do 80 jezgara grafike, 1,2 TB/s propusnosti — pedeset odsto više nego M3 Ultra — i do 512 GB objedinjene memorije, uz koju, kako Apple kaže, ogromni jezički modeli rade u cjelini na samom uređaju.
Cijena je druga polovina specifikacije. Mac mini s M6 počinje od 899 dolara u Sjedinjenim Državama, a 799 za obrazovanje; s M5 Pro od 1.699. Mac Studio s M5 Max počinje od 2.499, a s M5 Ultra od 5.499 dolara. Oba se mogu prednaručiti od 25. avgusta, u trideset zemalja, a isporuka počinje 22. septembra. Mac Studio s 512 GB objedinjene memorije stiže tek krajem oktobra.
- Mac mini, M6: 16 GB u osnovi, najviše 32 GB, 170 GB/s, od 899 dolara.
- Mac Studio, M5 Max: 18 jezgara procesora, do 40 jezgara grafike, do 128 GB, od 2.499 dolara.
- Mac Studio, M5 Ultra: 36 jezgara procesora, 80 jezgara grafike, 1,2 TB/s, do 512 GB, od 5.499 dolara.
- Povezivanje kroz Thunderbolt 5: Apple tvrdi do tri puta brže raspodijeljeno izvođenje nego na jednoj mašini.
Zašto je gornja granica važnija od jezgara
Model prvo mora da stane u memoriju, pa tek onda ima smisla pitanje brzine. Kao gruba računica — naša, ne Appleova — težine na četiri bita traže oko pola gigabajta po milijardi parametara, a na šesnaest bita oko dva gigabajta po milijardi, prije nego što i kontekst uzme svoje. Po tom računu, granica od 32 GB je mašina za modele do otprilike trideset milijardi parametara na četiri bita, a 512 GB je mašina koja model od šest stotina milijardi parametara drži u komadu.
Zato dva kraja ove ponude nisu isti proizvod u dvije brzine. Jeftiniji je za male i srednje modele i za rad na programima koji ih koriste. Skuplji je za pokretanje otvorenog modela vrhunske veličine kod kuće ili u maloj firmi — a to je do sada značilo policu punu namjenskih grafičkih kartica.
Klaster je dio koji Apple nije izmislio
Appleova tvrdnja o tri puta bržem raspodijeljenom izvođenju odnosi se na više povezanih Mac Studio mašina preko Thunderbolta 5. Taj put je otvoren u macOS-u 26.2 prošlog decembra, čije bilješke uz izdanje pominju vezu male kašnjenja između Thunderbolt 5 domaćina za raspodijeljeno izvođenje kroz MLX, Appleov otvoreni okvir za arhitekturu s objedinjenom memorijom. Ars Technica javlja da od tada zaljubljenici i istraživači tako i vezuju Macove u niz — i to je ono što je osvježenje stonih računara pretvorilo u proizvod za vještačku inteligenciju.
Dva opreza. Svaki množilac ovdje je Appleovo mjerenje naspram Appleovog ranijeg hardvera, s objašnjenjem u fusnoti umjesto objavljenog metoda. I veća granica memorije ne čini model dobrim: koliko otvoreni model od šest stotina milijardi parametara vrijedi naspram vrhunskog modela u oblaku je zasebno pitanje, na koje mašina ne odgovara.
„the ability to run massive AI models“
Izvori
Ispravke
Ranija verzija navodila je da isporuka oba nova računara počinje 22. septembra. Nakon provjere primarnog izvora dopunjeno je ograničenje koje je izostalo: Apple navodi da Mac Studio s 512 GB objedinjene memorije, dakle upravo konfiguracija na kojoj ovaj tekst stoji, stiže tek krajem oktobra.
Povezano
llama.cpp sada pokreće ternarni model Bonsai 2 bez posebne verzije kompanije PrismML
Izdanje b11556 dodaje rotaciju težina koja je modelu Bonsai 2 nedostajala u zvaničnom llama.cpp-u. Datoteka Q2_0 od 7,63 GB tamo sada daje ispravan izlaz, a manja pakovanja PQ2_0 i PTQ1_0 i dalje traže verziju same kompanije.
llama.cppprovjereno

Google je objavio ML Drift kao otvoreni kod, a TFLite GPU delegat više neće dobijati nove mogućnosti
Googleov tim AI Edge objavio je 8. oktobra 2026. pokretač ML Drift pod licencom Apache 2.0. To je dio LiteRT-a koji izvodi modele na grafičkom procesoru samog uređaja, a može se koristiti i kao zasebna biblioteka. Stariji TFLite GPU delegat od sada ne dobija nove mogućnosti, pa aplikacije koje ga koriste čeka prelazak.
Google Developers Blogprovjereno
llama.cpp 0.6.0 podržava GLM-5.3-Flash, a server dobija API za modele za odlučivanje
Projekat llama.cpp objavio je 5. oktobra 2026. verziju 0.6.0. Izdanje dodaje podršku za GLM-5.3-Flash, model za tekst i sliku sa 320 milijardi parametara, i novu krajnju tačku servera za modele za odlučivanje (decision models). Dvije izmjene u spekulativnom dekodiranju objavljene su uz mjerenja autora, jedno na računaru DGX Spark kompanije Nvidia i jedno na Appleovim grafičkim procesorima. Izmijenjeni su i C API i verzija formata sačuvanih sesija, pa programe koji koriste biblioteku treba provjeriti prije nadogradnje.
llama.cppprovjereno
