DGX Spark 128GB vs M5 Max 40-core 128GB 로컬 LLM 비교
메모리는 가장 큰 구성인 128GB로 잡고, 8k 컨텍스트와 f16 KV 캐시를 기준으로 계산했습니다.
고르기 전에 알아 둘 점
이 페이지는 128GB 구성 한 대끼리 비교합니다. DGX Spark는 NVIDIA나 협력 제조사 제품이고, M5 Max는 2026년 맥 스튜디오나 MacBook Pro의 40코어 GPU 칩입니다. 같은 128GB라도 GPU 몫이 다릅니다. CanRun은 맥에서 약 70%인 89.6GB를 보고, DGX Spark에서는 공개된 부팅 기록을 바탕으로 Linux와 데스크톱이 쓰고 남은 116.9GB를 봅니다. 이 차이는 큰 2비트 파일에서 갈립니다. Solar Open 2 250B의 Q2_K 파일은 DGX Spark GPU에 들어가 원활하게 돌아갑니다. M5 Max에서는 CPU 전용으로 계산해 CPU 전용 상한인 ‘겨우 가능’ 배지가 붙습니다. 추정 속도는 오히려 더 높습니다(이론 추정). macOS 기본 한도는 CanRun의 값보다 높으니 맥에서는 ollama ps로 확인해 보세요.
그 밖에는 대역폭이 큰 M5 Max가 앞섭니다. 차이는 dense 모델에서 가장 큽니다. Gemma 4 31B는 M5 Max에서 원활하게 돌아가고, DGX Spark에서는 겨우 돌아갑니다. DGX Spark 쪽 속도는 공개 벤치마크에서 잰 값입니다. 긴 프롬프트를 읽는 속도는 CanRun이 M5 Max GPU의 뉴럴 가속기까지 넣어 대략 추정합니다(±40%). gpt-oss-120b 같은 MoE 모델은 두 기기가 비슷하고, Gemma 4 31B 같은 dense 모델은 DGX Spark가 두 배 가까이 빠릅니다.
DGX Spark의 64GB 구성과 여러 대 연결은 NVIDIA DGX Spark 페이지와 DGX Spark 가이드에서 볼 수 있습니다.
속도 비교
글 생성 속도는 M5 Max 40-core 128GB 쪽이 DGX Spark 128GB보다 약 2.2배 빠릅니다. Q4_K_M(없으면 가장 가까운 양자화) 기준으로 둘 다 메모리에 전부 올라가는 모델 56개의 추정치로 중앙값을 냈습니다.
Ling-3.0 Flash에서는 두 추정 범위가 겹칩니다. 실제 차이는 이보다 작을 수 있습니다.
- 기준 모델
- Ling-3.0 Flash Q4_K_M(Q4_K_M 또는 가장 가까운 양자화로 둘 다 메모리에 전부 올라가는 가장 큰 모델)
- DGX Spark 128GB
- 추정 52.8 tok/s (36.9–68.6, 이론 추정 ±30%)
- M5 Max 40-core 128GB
- 추정 96.3 tok/s (67.4–125.2, 이론 추정 ±30%)
- Ling-3.0 Flash 프롬프트 처리
- DGX Spark 128GB: 약 1,129 tok/s (678–1,581, 대략적 추정 ±40%) · M5 Max 40-core 128GB: 약 1,032 tok/s (619–1,445, 대략적 추정 ±40%)
사양 비교
| 항목 | DGX Spark 128GB | M5 Max 40-core 128GB | 차이 |
|---|---|---|---|
| 메모리 | 통합 메모리 128GB | 통합 메모리 128GB | 같음 |
| 메모리 대역폭 | 273.0 GB/s | 614.0 GB/s | M5 Max 40-core 128GB 쪽 2.25배 |
| FP16 연산 | 62.5 TFLOPS | 16.6 TFLOPS | DGX Spark 128GB 쪽 3.77배 |
| 출시 연도 | 2025 | 2026 | — |
| 가격 | 128GB 구성 출시가 US$3,999(약 530만 원) | — | — |
| 공개 벤치마크 결과 | 14건 | 5건 | — |
원화 금액은 미국 달러 가격을 2026-10-21 환율(1달러 1,326원)로 단순 환산한 참고값이라 국내 판매가와 다를 수 있습니다.
판정 요약
모델 59개를 Q4_K_M(없으면 가장 가까운 양자화)·8k 컨텍스트로 판정했습니다.
- DGX Spark 128GB쾌적34개원활12개겨우 가능10개불가3개
- M5 Max 40-core 128GB쾌적44개원활12개겨우 가능0개불가3개
판정 읽는 법
- 쾌적
- GPU에 전부 올라가고 20 tok/s 이상
- 원활
- GPU에 전부 올라가고 8~20 tok/s, MoE 전문가를 시스템 RAM에 두고 20 tok/s 이상, 또는 GPU에 90% 이상 올라가고 8 tok/s 이상
- 겨우 가능
- 2~8 tok/s, CPU 전용, GPU에 90% 미만, 또는 MoE 전문가를 RAM에 두고 20 tok/s 미만
- 불가
- 메모리에 안 들어가거나 2 tok/s 미만
판정이 갈리는 모델
두 기기에서 판정이 다르게 나오는 모델 20개를 모았습니다.
옆으로 밀면 모든 열을 볼 수 있습니다.
| 모델 | DGX Spark 128GB 판정 | DGX Spark 128GB 속도 | M5 Max 40-core 128GB 판정 | M5 Max 40-core 128GB 속도 |
|---|---|---|---|---|
| Qwen3.5 122B-A10BQ4_K_M | 원활 | 29.0 tok/s8k 추정 24.0 tok/s (19.2–28.8, 보정된 추정 ±20%)실측 1건 (4k 컨텍스트) | 쾌적 | 추정 47.4 tok/s37.9–56.8보정된 추정 ±20% |
| Laguna S 2.1Q4_K_M | 원활 | 추정 28.4 tok/s22.7–34.1보정된 추정 ±20% | 쾌적 | 추정 53.6 tok/s42.9–64.3보정된 추정 ±20% |
| Solar Open 100BQ4_K_M | 원활 | 추정 22.8 tok/s18.3–27.4보정된 추정 ±20% | 쾌적 | 추정 45.3 tok/s36.2–54.3보정된 추정 ±20% |
| Gemma 3 27BQ4_K_M | 원활 | 추정 12.4 tok/s9.9–14.8보정된 추정 ±20% | 쾌적 | 추정 27.1 tok/s21.7–32.5보정된 추정 ±20% |
| Mistral Small 3.2 24BQ4_K_M | 원활 | 추정 13.6 tok/s10.9–16.3보정된 추정 ±20% | 쾌적 | 추정 29.8 tok/s23.8–35.7보정된 추정 ±20% |
| Qwen3 14BQ4_K_M | 원활 | 추정 20.6 tok/s16.5–24.7보정된 추정 ±20% | 쾌적 | 추정 45.1 tok/s36.1–54.1보정된 추정 ±20% |
| DeepSeek R1 Distill Qwen 14BQ4_K_M | 원활 | 추정 20.1 tok/s16.1–24.1보정된 추정 ±20% | 쾌적 | 추정 44.0 tok/s35.2–52.8보정된 추정 ±20% |
| HyperCLOVA X SEED Think 14BQ4_K_M | 원활 | 추정 20.9 tok/s14.6–27.2이론 추정 ±30% | 쾌적 | 추정 45.8 tok/s32.0–59.5이론 추정 ±30% |
| Phi-4Q4_K_M | 원활 | 추정 19.8 tok/s15.9–23.8보정된 추정 ±20% | 쾌적 | 추정 43.5 tok/s34.8–52.2보정된 추정 ±20% |
| Gemma 4 12BQ4_K_M | 원활 | 추정 29.4 tok/s23.5–35.2보정된 추정 ±20% | 쾌적 | 추정 64.3 tok/s51.5–77.2보정된 추정 ±20% |
| Llama 3.3 70BQ4_K_M | 겨우 가능 | 4.7 tok/s8k 추정 4.7 tok/s (3.8–5.7, 보정된 추정 ±20%)실측 2건 (512 컨텍스트) | 원활 | 추정 10.3 tok/s8.3–12.4보정된 추정 ±20% |
| EXAONE 4.5 33BQ4_K_M | 겨우 가능 | 추정 10.3 tok/s8.3–12.4보정된 추정 ±20% | 원활 | 추정 22.7 tok/s18.1–27.2보정된 추정 ±20% |
| Nanbeige4.3 33BQ4_K_M | 겨우 가능 | 추정 9.4 tok/s7.6–11.3보정된 추정 ±20% | 원활 | 추정 20.7 tok/s16.6–24.8보정된 추정 ±20% |
| DeepSeek R1 Distill Qwen 32BQ4_K_M | 겨우 가능 | 추정 9.7 tok/s7.7–11.6보정된 추정 ±20% | 원활 | 추정 21.2 tok/s17.0–25.5보정된 추정 ±20% |
| Qwen3 32BQ4_K_M | 겨우 가능 | 10.7 tok/s8k 추정 9.7 tok/s (7.8–11.7, 보정된 추정 ±20%)실측 2건 (512 컨텍스트) | 원활 | 추정 21.3 tok/s17.0–25.6보정된 추정 ±20% |
| EXAONE 4.0 32BQ4_K_M | 겨우 가능 | 추정 10.7 tok/s8.6–12.9보정된 추정 ±20% | 원활 | 추정 23.5 tok/s18.8–28.2보정된 추정 ±20% |
| Gemma 4 31BQ4_K_M | 겨우 가능 | 10.1 tok/s8k 추정 11.2 tok/s (9.0–13.5, 보정된 추정 ±20%)실측 1건 (512 컨텍스트) | 원활 | 추정 24.6 tok/s19.7–29.5보정된 추정 ±20% |
| Granite 4.2 30BQ4_K_M | 겨우 가능 | 추정 10.7 tok/s8.6–12.9보정된 추정 ±20% | 원활 | 추정 23.5 tok/s18.8–28.2보정된 추정 ±20% |
| Qwen3.5 27BQ4_K_M | 겨우 가능 | 11.3 tok/s8k 추정 12.1 tok/s (9.7–14.5, 보정된 추정 ±20%)실측 1건 (4k 컨텍스트) | 원활 | 29.2 tok/s8k 추정 26.4 tok/s (21.2–31.7, 보정된 추정 ±20%)실측 1건 (512 컨텍스트) |
| Qwen3.8 27BQ4_K_M | 겨우 가능 | 추정 11.8 tok/s9.5–14.2보정된 추정 ±20% | 원활 | 추정 26.0 tok/s20.8–31.1보정된 추정 ±20% |
전체 모델 판정 비교
옆으로 밀면 모든 열을 볼 수 있습니다.
| 모델 | DGX Spark 128GB 판정 | DGX Spark 128GB 속도 | M5 Max 40-core 128GB 판정 | M5 Max 40-core 128GB 속도 |
|---|---|---|---|---|
| Ling-3.0 FlashQ4_K_M | 쾌적 | 추정 52.8 tok/s36.9–68.6이론 추정 ±30% | 쾌적 | 추정 96.3 tok/s67.4–125.2이론 추정 ±30% |
| Qwen3.5 122B-A10BQ4_K_M | 원활 | 29.0 tok/s8k 추정 24.0 tok/s (19.2–28.8, 보정된 추정 ±20%)실측 1건 (4k 컨텍스트) | 쾌적 | 추정 47.4 tok/s37.9–56.8보정된 추정 ±20% |
| Laguna S 2.1Q4_K_M | 원활 | 추정 28.4 tok/s22.7–34.1보정된 추정 ±20% | 쾌적 | 추정 53.6 tok/s42.9–64.3보정된 추정 ±20% |
| gpt-oss-120bMXFP4 | 쾌적 | 58.7 tok/s8k 추정 50.8 tok/s (40.6–60.9, 보정된 추정 ±20%)실측 1건 (2k 컨텍스트) | 쾌적 | 추정 102.4 tok/s81.9–122.8보정된 추정 ±20% |
| Solar Open 100BQ4_K_M | 원활 | 추정 22.8 tok/s18.3–27.4보정된 추정 ±20% | 쾌적 | 추정 45.3 tok/s36.2–54.3보정된 추정 ±20% |
| Kolibri 1Q4_K_M | 쾌적 | 추정 52.2 tok/s41.7–62.6보정된 추정 ±20% | 쾌적 | 추정 96.4 tok/s77.1–115.7보정된 추정 ±20% |
| K2-Horizon MoVA 36B-A4BQ4_K_M | 쾌적 | 추정 37.7 tok/s26.4–49.1이론 추정 ±30% | 쾌적 | 추정 71.2 tok/s49.9–92.6이론 추정 ±30% |
| Qwen3.5 35B-A3BQ4_K_M | 쾌적 | 추정 61.9 tok/s49.5–74.2보정된 추정 ±20% | 쾌적 | 추정 109.8 tok/s87.8–131.7보정된 추정 ±20% |
| Qwen3.6 35B-A3BQ4_K_M | 쾌적 | 추정 70.5 tok/s56.4–84.6보정된 추정 ±20% | 쾌적 | 추정 121.8 tok/s97.5–146.2보정된 추정 ±20% |
| MiniCPM-V 4.7 35B-A3BQ4_K_M | 쾌적 | 추정 76.0 tok/s60.8–91.2보정된 추정 ±20% | 쾌적 | 추정 129.2 tok/s103.4–155.1보정된 추정 ±20% |
| Nemotron 3.5 Lightning 30B-A3BQ4_K_M | 쾌적 | 추정 69.8 tok/s48.8–90.7이론 추정 ±30% | 쾌적 | 추정 137.2 tok/s96.0–178.3이론 추정 ±30% |
| Qwen3 30B-A3B (2507)Q4_K_M | 쾌적 | 추정 60.7 tok/s48.6–72.9보정된 추정 ±20% | 쾌적 | 추정 104.2 tok/s83.4–125.0보정된 추정 ±20% |
| Gemma 3 27BQ4_K_M | 원활 | 추정 12.4 tok/s9.9–14.8보정된 추정 ±20% | 쾌적 | 추정 27.1 tok/s21.7–32.5보정된 추정 ±20% |
| Gemma 4 26B-A4BQ4_K_M | 쾌적 | 47.0 tok/s8k 추정 51.5 tok/s (41.2–61.8, 보정된 추정 ±20%)실측 1건 (32k 컨텍스트) | 쾌적 | 추정 98.4 tok/s78.7–118.1보정된 추정 ±20% |
| Mistral Small 3.2 24BQ4_K_M | 원활 | 추정 13.6 tok/s10.9–16.3보정된 추정 ±20% | 쾌적 | 추정 29.8 tok/s23.8–35.7보정된 추정 ±20% |
| gpt-oss-20bMXFP4 | 쾌적 | 추정 71.7 tok/s57.4–86.0보정된 추정 ±20% | 쾌적 | 추정 145.2 tok/s116.2–174.3보정된 추정 ±20% |
| Kanana 1.5 15.7B-A3BQ4_K_M | 쾌적 | 추정 62.2 tok/s49.7–74.6보정된 추정 ±20% | 쾌적 | 추정 114.6 tok/s91.7–137.5보정된 추정 ±20% |
| Qwen3 14BQ4_K_M | 원활 | 추정 20.6 tok/s16.5–24.7보정된 추정 ±20% | 쾌적 | 추정 45.1 tok/s36.1–54.1보정된 추정 ±20% |
| DeepSeek R1 Distill Qwen 14BQ4_K_M | 원활 | 추정 20.1 tok/s16.1–24.1보정된 추정 ±20% | 쾌적 | 추정 44.0 tok/s35.2–52.8보정된 추정 ±20% |
| HyperCLOVA X SEED Think 14BQ4_K_M | 원활 | 추정 20.9 tok/s14.6–27.2이론 추정 ±30% | 쾌적 | 추정 45.8 tok/s32.0–59.5이론 추정 ±30% |
| Phi-4Q4_K_M | 원활 | 추정 19.8 tok/s15.9–23.8보정된 추정 ±20% | 쾌적 | 추정 43.5 tok/s34.8–52.2보정된 추정 ±20% |
| Gemma 3 12BQ4_K_M | 쾌적 | 추정 27.2 tok/s21.7–32.6보정된 추정 ±20% | 쾌적 | 추정 59.5 tok/s47.6–71.5보정된 추정 ±20% |
| Mellum2.1 12B-A2.5B ThinkingQ4_K_M | 쾌적 | 추정 104.4 tok/s83.5–125.2보정된 추정 ±20% | 쾌적 | 추정 179.0 tok/s143.2–214.8보정된 추정 ±20% |
| Gemma 4 12BQ4_K_M | 원활 | 추정 29.4 tok/s23.5–35.2보정된 추정 ±20% | 쾌적 | 추정 64.3 tok/s51.5–77.2보정된 추정 ±20% |
| Qwen3.5 9BQ4_K_M | 쾌적 | 35.2 tok/s8k 추정 34.7 tok/s (27.8–41.6, 보정된 추정 ±20%)실측 1건 (4k 컨텍스트) | 쾌적 | 82.7 tok/s8k 추정 76.0 tok/s (60.8–91.2, 보정된 추정 ±20%)실측 2건 (512 컨텍스트) |
| K2-Horizon 7BQ4_K_M | 쾌적 | 추정 31.3 tok/s25.1–37.6보정된 추정 ±20% | 쾌적 | 추정 68.6 tok/s54.9–82.4보정된 추정 ±20% |
| Qwen3 8BQ4_K_M | 쾌적 | 43.9 tok/s8k 추정 34.1 tok/s (27.3–41.0, 보정된 추정 ±20%)실측 1건 (512 컨텍스트) | 쾌적 | 추정 74.8 tok/s59.8–89.8보정된 추정 ±20% |
| DeepSeek R1 0528 Qwen3 8BQ4_K_M | 쾌적 | 추정 34.1 tok/s27.3–41.0보정된 추정 ±20% | 쾌적 | 추정 74.8 tok/s59.8–89.8보정된 추정 ±20% |
| DeepSeek R1 Distill Llama 8BQ4_K_M | 쾌적 | 추정 35.5 tok/s28.4–42.6보정된 추정 ±20% | 쾌적 | 추정 77.9 tok/s62.3–93.4보정된 추정 ±20% |
| Kanana 1.5 8BQ4_K_M | 쾌적 | 추정 35.5 tok/s28.4–42.6보정된 추정 ±20% | 쾌적 | 추정 77.9 tok/s62.3–93.4보정된 추정 ±20% |
| Llama 3.1 8BQ4_K_M | 쾌적 | 추정 35.5 tok/s28.4–42.6보정된 추정 ±20% | 쾌적 | 추정 77.9 tok/s62.3–93.4보정된 추정 ±20% |
| Gemma 4 E4BQ4_K_M | 쾌적 | 추정 61.5 tok/s43.1–80.0이론 추정 ±30% | 쾌적 | 추정 116.9 tok/s81.8–152.0이론 추정 ±30% |
| Ling-3.0 TinyQ4_K_M | 쾌적 | 추정 179.8 tok/s125.8–233.7이론 추정 ±30% | 쾌적 | 추정 282.8 tok/s198.0–367.7이론 추정 ±30% |
| Gemma 4 E2BQ4_K_M | 쾌적 | 추정 115.9 tok/s81.1–150.6이론 추정 ±30% | 쾌적 | 추정 197.1 tok/s138.0–256.3이론 추정 ±30% |
| Qwen3.5 4BQ4_K_M | 쾌적 | 추정 68.7 tok/s55.0–82.5보정된 추정 ±20% | 쾌적 | 추정 150.6 tok/s120.5–180.7보정된 추정 ±20% |
| Nanbeige4.2 3BQ4_K_M | 쾌적 | 추정 34.8 tok/s24.3–45.2이론 추정 ±30% | 쾌적 | 추정 76.2 tok/s53.3–99.0이론 추정 ±30% |
| Spark-X2.5 4BQ4_K_M | 쾌적 | 추정 73.4 tok/s58.7–88.1보정된 추정 ±20% | 쾌적 | 추정 160.8 tok/s128.6–193.0보정된 추정 ±20% |
| Llama 3.2 3BQ4_K_M | 쾌적 | 추정 72.0 tok/s57.6–86.3보정된 추정 ±20% | 쾌적 | 추정 157.7 tok/s126.1–189.2보정된 추정 ±20% |
| LFM2.5 2.6BQ4_K_M | 쾌적 | 추정 118.0 tok/s82.6–153.4이론 추정 ±30% | 쾌적 | 추정 258.6 tok/s181.0–336.2이론 추정 ±30% |
| MiniCPM5 2BQ4_K_M | 쾌적 | 추정 111.4 tok/s89.1–133.6보정된 추정 ±20% | 쾌적 | 추정 244.0 tok/s195.2–292.8보정된 추정 ±20% |
| HyperCLOVA X SEED 1.5BQ4_K_M | 쾌적 | 추정 117.3 tok/s93.8–140.8보정된 추정 ±20% | 쾌적 | 추정 257.1 tok/s205.6–308.5보정된 추정 ±20% |
| EXAONE 4.0 1.2BQ4_K_M | 쾌적 | 추정 162.1 tok/s129.7–194.6보정된 추정 ±20% | 쾌적 | 추정 355.3 tok/s284.3–426.4보정된 추정 ±20% |
| Llama 3.2 1BQ4_K_M | 쾌적 | 추정 197.5 tok/s158.0–236.9보정된 추정 ±20% | 쾌적 | 추정 432.7 tok/s346.2–519.2보정된 추정 ±20% |
| MiniCPM5 1BQ4_K_M | 쾌적 | 추정 238.9 tok/s191.1–286.7보정된 추정 ±20% | 쾌적 | 추정 523.5 tok/s418.8–628.2보정된 추정 ±20% |
| Llama 3.3 70BQ4_K_M | 겨우 가능 | 4.7 tok/s8k 추정 4.7 tok/s (3.8–5.7, 보정된 추정 ±20%)실측 2건 (512 컨텍스트) | 원활 | 추정 10.3 tok/s8.3–12.4보정된 추정 ±20% |
| EXAONE 4.5 33BQ4_K_M | 겨우 가능 | 추정 10.3 tok/s8.3–12.4보정된 추정 ±20% | 원활 | 추정 22.7 tok/s18.1–27.2보정된 추정 ±20% |
| Nanbeige4.3 33BQ4_K_M | 겨우 가능 | 추정 9.4 tok/s7.6–11.3보정된 추정 ±20% | 원활 | 추정 20.7 tok/s16.6–24.8보정된 추정 ±20% |
| DeepSeek R1 Distill Qwen 32BQ4_K_M | 겨우 가능 | 추정 9.7 tok/s7.7–11.6보정된 추정 ±20% | 원활 | 추정 21.2 tok/s17.0–25.5보정된 추정 ±20% |
| Qwen3 32BQ4_K_M | 겨우 가능 | 10.7 tok/s8k 추정 9.7 tok/s (7.8–11.7, 보정된 추정 ±20%)실측 2건 (512 컨텍스트) | 원활 | 추정 21.3 tok/s17.0–25.6보정된 추정 ±20% |
| EXAONE 4.0 32BQ4_K_M | 겨우 가능 | 추정 10.7 tok/s8.6–12.9보정된 추정 ±20% | 원활 | 추정 23.5 tok/s18.8–28.2보정된 추정 ±20% |
| Gemma 4 31BQ4_K_M | 겨우 가능 | 10.1 tok/s8k 추정 11.2 tok/s (9.0–13.5, 보정된 추정 ±20%)실측 1건 (512 컨텍스트) | 원활 | 추정 24.6 tok/s19.7–29.5보정된 추정 ±20% |
| Muse Glimmer 30BQ4_K_M | 원활 | 추정 12.2 tok/s9.8–14.7보정된 추정 ±20% | 원활 | 추정 26.8 tok/s21.4–32.1보정된 추정 ±20% |
| Granite 4.2 30BQ4_K_M | 겨우 가능 | 추정 10.7 tok/s8.6–12.9보정된 추정 ±20% | 원활 | 추정 23.5 tok/s18.8–28.2보정된 추정 ±20% |
| Qwen3.5 27BQ4_K_M | 겨우 가능 | 11.3 tok/s8k 추정 12.1 tok/s (9.7–14.5, 보정된 추정 ±20%)실측 1건 (4k 컨텍스트) | 원활 | 29.2 tok/s8k 추정 26.4 tok/s (21.2–31.7, 보정된 추정 ±20%)실측 1건 (512 컨텍스트) |
| Qwen3.6 27BQ4_K_M | 원활 | 추정 12.3 tok/s9.8–14.7보정된 추정 ±20% | 원활 | 추정 26.9 tok/s21.5–32.3보정된 추정 ±20% |
| Qwen3.8 27BQ4_K_M | 겨우 가능 | 추정 11.8 tok/s9.5–14.2보정된 추정 ±20% | 원활 | 추정 26.0 tok/s20.8–31.1보정된 추정 ±20% |
| GLM-5.3 FlashQ4_K_M | 불가 | — | 불가 | — |
| DeepSeek V4 Flash 0731MXFP4 | 불가 | — | 불가Q2_K (품질 손실 큼): 겨우 가능 | 추정 42.7 tok/s29.9–55.5이론 추정 ±30% |
| Solar Open 2 250BIQ4_XS | 불가Q2_K (품질 손실 큼): 원활 | 추정 22.0 tok/s17.6–26.3보정된 추정 ±20% | 불가Q2_K (품질 손실 큼): 겨우 가능 | 추정 43.1 tok/s30.2–56.1이론 추정 ±30% |
생각 모드가 있는 모델은 생각하는 데 토큰을 더 쓰기 때문에 속도 기준을 1.5배 엄격하게 잡습니다(30 / 12 / 3 tok/s). 생각 모드를 끄고 쓰면 실제로는 한 단계 위일 수 있습니다.
공개 벤치마크
DGX Spark 128GB 벤치마크 결과
| 모델 | 양자화 | 백엔드 | 컨텍스트 | 프롬프트 (tok/s) | 생성 (tok/s) | 플래그 | 출처 | 측정일 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | MXFP4 | llama.cpp | 2k | 2,444.0 | 58.7 | CUDA, no mmap | github.com | 2026-02-05 |
| Gemma 4 31B | Q4_K_M | llama.cpp | 512 | 687.0 | 10.1 | CUDA | github.com | 2026-04-14 |
| Gemma 4 26B-A4B | Q4_K_M | llama.cpp | 32k | — | 47.0 | CUDA, depth 32768 | github.com | 2026-06-11 |
| Qwen3.5 35B-A3B | Q8_0 | llama.cpp | 2k | 2,572.0 | 49.2 | CUDA | github.com | 2026-03-12 |
| Qwen3.5 9B | Q4_K_M | llama.cpp | 4k | — | 35.2 | — | github.com | 2026-08-13 |
| Qwen3.5 27B | Q4_K_M | llama.cpp | 4k | — | 11.3 | — | github.com | 2026-08-13 |
| Qwen3.5 122B-A10B | Q4_K_M | llama.cpp | 4k | — | 29.0 | — | github.com | 2026-08-13 |
| Llama 3.3 70B | Q4_K_M | llama.cpp | 512 | 284.0 | 4.7 | CUDA, Vulkan | github.com | 2025-11-22 |
| Llama 3.3 70B | Q4_K_M | llama.cpp | 512 | — | 4.6 | CUDA | github.com | 2026-08-12 |
| Llama 3.3 70B | Q8_0 | llama.cpp | 512 | — | 2.9 | CUDA | github.com | 2026-08-12 |
| Llama 3.3 70B | Q2_K | llama.cpp | 512 | — | 7.2 | CUDA | github.com | 2026-08-12 |
| Qwen3 32B | Q4_K_M | llama.cpp | 512 | 630.0 | 10.5 | CUDA, Vulkan | github.com | 2025-11-22 |
| Qwen3 32B | Q4_K_M | llama.cpp | 512 | 762.0 | 10.8 | CUDA | github.com | 2025-12-05 |
| Qwen3 8B | Q4_K_M | llama.cpp | 512 | 3,168.0 | 43.9 | CUDA | github.com | 2025-12-05 |
M5 Max 40-core 128GB 벤치마크 결과
| 모델 | 양자화 | 백엔드 | 컨텍스트 | 프롬프트 (tok/s) | 생성 (tok/s) | 플래그 | 출처 | 측정일 |
|---|---|---|---|---|---|---|---|---|
| llama-2-7b | Q4_0 | llama.cpp | 512 | 3,220.0 | 119.9 | Metal, FA | github.com | 2026-08-25 |
| Gemma 4 26B-A4B | Q8_0 | llama.cpp | 512 | 3,582.0 | 95.4 | Metal | github.com | 2026-09-15 |
| Qwen3.5 27B | Q4_K_M | llama.cpp | 512 | 731.0 | 29.2 | — | github.com | 2026-09-27 |
| Qwen3.5 9B | Q4_K_M | llama.cpp | 512 | 2,369.0 | 86.5 | — | github.com | 2026-09-27 |
| Qwen3.5 9B | Q4_K_M | llama.cpp | 512 | 2,338.0 | 78.8 | — | localmaxxing.com | 2026-06-19 |
보정에 쓰는 공개 벤치마크입니다. 측정 조건(컨텍스트·백엔드·플래그)은 위 추정과 다를 수 있습니다.
자주 묻는 질문
로컬 LLM은 DGX Spark 128GB·M5 Max 40-core 128GB 중 어느 쪽이 더 빠른가요?
글 생성 속도는 M5 Max 40-core 128GB 쪽이 DGX Spark 128GB보다 약 2.2배 빠릅니다. Q4_K_M(없으면 가장 가까운 양자화) 기준으로 둘 다 메모리에 전부 올라가는 모델 56개의 추정치로 중앙값을 냈습니다. Ling-3.0 Flash Q4_K_M 기준 예상 속도는 DGX Spark 128GB 추정 52.8 tok/s (36.9–68.6, 이론 추정 ±30%), M5 Max 40-core 128GB 추정 96.3 tok/s (67.4–125.2, 이론 추정 ±30%)입니다.
두 기기에 각각 통째로 올라가는 가장 큰 모델은 무엇인가요?
DGX Spark 128GB에서는 Ling-3.0 Flash Q4_K_M(77.01GB 파일)까지 통합 메모리 128GB에 전부 올라가고, 속도는 추정 52.8 tok/s (36.9–68.6, 이론 추정 ±30%)입니다. M5 Max 40-core 128GB에서는 Ling-3.0 Flash Q4_K_M(77.01GB 파일)까지 통합 메모리 128GB에 전부 올라가고, 속도는 추정 96.3 tok/s (67.4–125.2, 이론 추정 ±30%)입니다.
두 기기에서 원활하게 돌아가는 로컬 LLM은 각각 몇 개인가요?
Q4_K_M·8k 컨텍스트 기준으로 등록된 모델 59개를 보면 DGX Spark 128GB: 쾌적 34개·원활 12개·겨우 가능 10개·불가 3개, M5 Max 40-core 128GB: 쾌적 44개·원활 12개·겨우 가능 0개·불가 3개입니다. 판정이 갈리는 모델은 20개입니다.
속도는 메모리 대역폭으로 계산한 추정치를 공개 벤치마크로 보정한 값입니다. 모든 수치에는 오차 범위와 신뢰 라벨을 함께 표시합니다. 실제 속도는 드라이버, 백엔드, 컨텍스트 길이, 발열에 따라 달라집니다.