Zum Inhalt

Arc Pro B50 vs M5 für lokale KI

Arc Pro B50 führt 23 von 74 offenen Modellen gut aus, M5 schafft 18. Hier ist jedes Modell auf beiden, mit Note und Tempo.

Führt mehr Modelle gut aus (Note B oder besser)

Arc Pro B50

Arc Pro B50: 23 · M5: 18

Schneller bei Modellen, die beide ausführen

Arc Pro B50 · ×1,3

Medianes Tempoverhältnis über 18 Modelle, die beide vollständig im Speicher laden.

Die wichtigen Daten

Arc Pro B50 M5
Verglichener Speicher16 GB16 GB (Basiskonfiguration)
Speicherbandbreite224 GB/s153 GB/s
SpeichertypEigener VRAMUnified (mit dem System geteilt)
BackendVulkanMetal
Erschienen20252025

Jedes Modell auf beiden

Note und Ausgabetempo bei Q4_K_M mit 8K Kontext; Grün markiert das bessere der beiden.

ModellECIArc Pro B50M5
moonshotKimi K3157F—F—
deepseekDeepSeek V4 Pro 0813155F—F—
deepseekDeepSeek V4.1 Flash155F—F—
deepseekDeepSeek V4 Flash 0731154F—F—
zaiGLM 5.3 Flash152F—F—
zaiGLM 5.2152F—F—
moonshotKimi K2.6151F—F—
tInkling Small150F—F—
moonshotKimi K2.7 Code150F—F—
zaiGLM 5.1150F—F—
qwenQwen3.8 27B149C~8 t/sF—
deepseekDeepSeek V4 Pro149F—F—
tInkling149F—F—
moonshotKimi K2.5148F—F—
minimaxMiniMax M3147F—F—
minimaxMiniMax M2.5147F—F—
qwenQwen3.5 397B A17B147F—F—
qwenQwen3.6 27B147C~9 t/sF—
deepseekDeepSeek V3.2146F—F—
nvidiaNemotron 3 Ultra 550B A55B146F—F—
deepseekDeepSeek V4 Flash146F—F—
moonshotKimi K2 Thinking146F—F—
minimaxMiniMax M2.7146F—F—
zaiGLM 5146F—F—
deepseekDeepSeek V3.2 Exp145F—F—
qwenQwen3.6 35B A3B144C~50 t/sF—
qwenQwen3 235B A22B Thinking 2507144F—F—
zaiGLM 4.7144F—F—
googleGemma 4 31B143C~7 t/sF—
qwenQwen3.5 35B A3B143C~51 t/sF—
googleGemma 4 26B A4B142C~47 t/sF—
mistralMistral Medium 3.5 128B141F—F—
moonshotKimi K2140F—F—
openaigpt-oss 120b140F—F—
deepseekDeepSeek V3.1140F—F—
qwenQwen3 30B A3B Thinking 2507140C~48 t/sF—
qwenQwen3.5 9B139A~29 t/sA~22 t/s
qwenQwen3 235B A22B 2507139F—F—
openaigpt-oss 20b138S~67 t/sF—
qwenQwen3 30B A3B 2507137C~48 t/sF—
mistralMagistral Small 2506133B~12 t/sF—
mistralMistral Small 3.2 24B132B~12 t/sF—
mistralMagistral Small 2509131B~12 t/sF—
microsoftPhi-4 14B130B~18 t/sB~14 t/s
metaLlama 4 Scout 17B 16E130F—F—
metaLlama 3.3 70B127F—F—
metaLlama 3.1 8B117A~31 t/sA~23 t/s
cohereCommand A+—F—F—
qwenQwen3.8 Flash Next—F—F—
qwenQwen3.5 122B A10B—F—F—
mistralMistral Small 4 119B—F—F—
qwenQwen3 Coder Next—F—F—
moonshotKimi Linear 48B A3B—C~44 t/sF—
ai2Olmo 3.1 32B Think—C~6 t/sF—
nvidiaNemotron 3.5 Lightning 30B A3B—C~38 t/sF—
zaiGLM 4.7 Flash—C~57 t/sF—
cohereNorth Mini Code 1.0—C~50 t/sF—
ibmGranite 4.2 30B—C~7 t/sF—
mistralDevstral Small 2 24B—B~12 t/sF—
mistralMinistral 3 14B—B~20 t/sB~15 t/s
googleGemma 4 12B—A~23 t/sB~17 t/s
mistralMinistral 3 8B—A~29 t/sA~22 t/s
ibmGranite 4.2 8B—A~27 t/sA~20 t/s
googleGemma 4 E4B—A~33 t/sA~24 t/s
ai2Olmo 3 7B—A~26 t/sB~19 t/s
googleGemma 4 E2B—S~49 t/sA~36 t/s
qwenQwen3.5 4B—S~53 t/sA~39 t/s
mistralMinistral 3 3B—S~57 t/sS~43 t/s
ibmGranite 4.2 3B—S~56 t/sS~42 t/s
metaLlama 3.2 3B—S~59 t/sS~44 t/s
huggingfaceSmolLM3 3B—S~64 t/sS~48 t/s
liquidLFM2.5 2.6B—S~76 t/sS~57 t/s
qwenQwen3.5 2B—S~91 t/sS~68 t/s
qwenQwen3.5 0.8B—S~142 t/sS~106 t/s

Schätzungen aus veröffentlichten Daten und Messungen, je Backend kalibriert. Treiber, Einstellungen und Software ändern die echten Werte.

Speicher, Kontext oder Quantisierung ändernDiesen Vergleich im interaktiven Werkzeug öffnen.