英伟达（NVIDIA）笔记本平台上的RTX 5090显卡拥有充足的VRAM，足以在要求最严苛的3A大作中拉满各项画质设置，但一旦运行AI工作负载，这款GPU的24GB显存就完全是另一番考验了。不过，一系列测试显示，它依然能与苹果（Apple）的M5 Max一较高下——在多轮大语言模型（LLM）测试中全面胜出，直到跑分环节启动一个重量级AI模型并联手加长上下文长度（Context Length）为止。
上下文长度增加后，M5 Max统一内存架构显著反超RTX 5090
全新雷蛇灵刃18（Razer Blade 18）与苹果最新最强的16英寸MacBook Pro正面交锋，亚历克斯·齐斯金德（Alex Ziskind）对两者进行了各类基准测试，其中就包括AI工作负载。首先登场的是以4比特量化、上下文长度262,144运行的Qwen3 4B，显然RTX 5090的原始图形算力在这里派不上太大用场，因为它几乎用尽了全部24GB显存，最终生成速度仅为每秒25.28个token。作为对比，M5 Max取得了每秒181.40个token的成绩。
不过，当上下文长度缩短至68,014时，大量VRAM从RTX 5090中释放出来，让这块GPU达成了每秒160.36个token的成绩。至于显卡芯片为何仍比M5 Max慢，原因很可能在于两者使用的程序不同——在Windows上运行的是LM Studio，而苹果芯片则使用了MLX。
幸运的是，RTX 5090还没有就此出局，因为这位YouTuber使用llama.cpp跑了一大批大语言模型，例如Gemma 4 12B、Qwen3.5 27B以及Qwen3.6 35B A3B。无论在提示处理还是token生成环节，RTX 5090相比M5 Max都笑到了最后。不过话说回来，别忘了英伟达最快的笔记本GPU，只要还没塞满那24GB显存，它就永远是性能王座上的霸主。
上下文长度一增加，M5 Max就占据明显领先优势
遗憾的是，如果要运行像Qwen3.5 122B这样复杂度极高的模型，RTX 5090绝无可能毫发无损地通过这项测试。反观拥有128GB统一内存的M5 Max，其提示处理速度达到每秒139个token，token生成速度为每秒47.4，同时消耗了94GB内存。如果你想知道英伟达为何急于推出RTX Spark，运行更重的AI模型绝对是一个重要原因。
