Chọn Auto, TokenLab Verified hoặc Official cho mỗi yêu cầu, với giá được hiển thị ngay từ đầu. Xem có gì mới

Mac Studio M5 Ultra cho AI cục bộ: Giá cả, bộ nhớ và điểm hòa vốn so với Cloud

·19 tháng 9, 2026·13 phút đọc·Cập nhật 11 tháng 11, 2026·4065 lượt xem
#Mac Studio#M5 Ultra#AI cục bộ#OpenClaw#Phần cứng
Mac Studio M5 Ultra cho AI cục bộ: Giá cả, bộ nhớ và điểm hòa vốn so với Cloud

Apple hiện đã bán Mac Studio với chip M5 Ultra và bộ nhớ thống nhất (unified memory) lên đến 512GB. Hướng dẫn này sử dụng các trang thông tin của Apple và API mô hình của TokenLab, cả hai đều được truy cập vào ngày 11-11-2026. Bài viết bao gồm chi phí của thiết bị, các mô hình open-weight nào phù hợp với bộ nhớ của máy, khi nào sử dụng API lưu trữ (hosted API) sẽ tiết kiệm hơn, và cách duy trì phương án dự phòng (fallback) trên OpenClaw.

Apple đang bán những gì hôm nay

Apple đã công bố Mac Studio với chip M5 Max và M5 Ultra vào ngày 25-08-2026 và bắt đầu giao hàng vào ngày 22-09-2026 (Apple newsroom: thông báo và tình trạng sẵn có). Tùy chọn bộ nhớ 512GB đã được công bố vào cuối tháng 10. Cửa hàng của Apple hiện đã liệt kê tùy chọn này.

Cấu hình Số nhân CPU / GPU Bộ nhớ Băng thông bộ nhớ Giá (USD)
M5 Max, 512GB SSD 18 / 32 36GB 460GB/s $2,499
M5 Max, 1TB SSD 18 / 40 64GB 614GB/s $3,099
M5 Ultra, 1TB SSD 30 / 64 96GB 1.2TB/s $5,499
M5 Ultra, 1TB SSD 36 / 80 96GB 1.2TB/s $6,799
M5 Ultra, 1TB SSD 36 / 80 256GB 1.2TB/s $10,799
M5 Ultra, 1TB SSD 36 / 80 512GB 1.2TB/s $22,299

Nguồn: Trang mua hàng Mac Studio và thông số kỹ thuật của Apple, truy cập ngày 11-11-2026. Cửa hàng hiển thị tùy chọn CPU 36 nhân và GPU 80 nhân với giá cộng thêm +$1,300, và các tùy chọn bộ nhớ 256GB và 512GB với giá cộng thêm lần lượt là +$4,000 và +$15,500 so với mức cơ bản 96GB. Giá 256GB trong bảng là tổng của giá cơ bản và hai nâng cấp đó. Thông số kỹ thuật của Apple cho biết các tùy chọn 256GB và 512GB yêu cầu CPU 36 nhân và GPU 80 nhân.

Các tuyên bố về AI của Apple là những con số tương đối. Đối với M5 Ultra, hãng báo cáo tốc độ xử lý prompt LLM nhanh hơn tới 4 lần so với M3 Ultra và nhanh hơn tới 9.8 lần so với M1 Ultra trong LM Studio. Thử nghiệm sử dụng prompt 8K-token và mô hình 14 tỷ tham số ở định dạng 4-bit, trên phần cứng tiền sản xuất vào tháng 7 năm 2026 (chú thích trên trang của Apple). Apple không công bố số liệu tokens-per-second cho việc tạo văn bản, vì vậy hãy tự đo lường mô hình của bạn trước khi mua.

Bộ nhớ quyết định mô hình nào phù hợp

Trọng số của một mô hình chiếm khoảng số tham số (tỷ) × số bit ÷ 8 gigabyte. KV cache, macOS và các ứng dụng khác của bạn cần thêm bộ nhớ ngoài con số đó. Tài liệu của OpenClaw nêu rõ rằng khả năng chạy được phụ thuộc vào trọng số, kích thước ngữ cảnh (context size), runtime và các tác vụ khác trên máy chủ (hướng dẫn về mô hình cục bộ).

Mô hình (open weights) Tham số trên model card Trọng số ở 4-bit Trọng số ở 8-bit Kích thước checkpoint trên Hugging Face TokenLab model ID
gpt-oss-20b 21B, 3.6B active 10.5GB 21GB 13.8GB gpt-oss-20b
Qwen3.8-27B 27B, dense 13.5GB 27GB 55.6GB (BF16) qwen3.8-27b
gpt-oss-120b 117B, 5.1B active 58.5GB 117GB 65.2GB gpt-oss-120b
GLM-5.3-Flash 320B, 18B active 160GB 320GB 328.3GB (FP8) glm-5.3-flash
Qwen3.8-2.4T-A95B 2.4T, 95B active 1,200GB 2,400GB 4,892.4GB qwen3.8-2.4t-a95b

Đối chiếu với các tùy chọn bộ nhớ 96GB, 256GB và 512GB của Apple:

  • Trọng số của ba mô hình đầu tiên phù hợp với 96GB.
  • GLM-5.3-Flash cần 256GB ở định dạng 4-bit. Checkpoint chính thức 328.3GB của nó cần tùy chọn 512GB.
  • Qwen3.8-2.4T-A95B không phù hợp với bất kỳ tùy chọn nào, ngay cả ở 4-bit.
  • Checkpoint DeepSeek-V4.1-Flash là 510.3GB, gần bằng toàn bộ tùy chọn 512GB. Hãy lên kế hoạch cho một bản dựng có số bit thấp hơn. OpenClaw có tài liệu về ds4 backend để chạy DeepSeek V4 Flash trên macOS.

Băng thông bộ nhớ quyết định tốc độ ghi của mô hình. Mỗi token được tạo ra sẽ đọc các trọng số đang hoạt động một lần, vì vậy băng thông chia cho kích thước của các trọng số đang hoạt động chính là giới hạn trên của số token mỗi giây. Ví dụ: Qwen3.8-27B ở 4-bit là 13.5GB. Với băng thông 1.2TB/s của M5 Ultra, giới hạn là 1,200 ÷ 13.5 ≈ 89 token mỗi giây. Với 614GB/s của M5 Max, con số này là khoảng 45. Đây là các giới hạn tối đa, không phải số đo thực tế.

Cục bộ hay lưu trữ: điểm hòa vốn

Máy cục bộ là chi phí cố định. API lưu trữ là chi phí theo mỗi token. Bảng dưới đây đặt câu hỏi cần bao nhiêu token mỗi tháng để máy tự hoàn vốn trong 36 tháng, so với giá lưu trữ của cùng một mô hình mở trên TokenLab.

Máy Giá Mỗi tháng trong 36 tháng Mô hình lưu trữ, cùng trọng số (vào / ra trên 1M token) Chi phí lưu trữ trên 1M token Triệu token mỗi tháng để hòa vốn Token mỗi giây, liên tục
M5 Ultra 30 / 64, 96GB $5,499 $152.75 gpt-oss-120b ($0.15 / $0.60) $0.24 636 246
M5 Ultra 30 / 64, 96GB $5,499 $152.75 qwen3.8-27b ($0.50 / $3.00) $1.00 153 59
M5 Ultra 36 / 80, 512GB $22,299 $619.42 glm-5.3-flash ($0.15 / $0.50) $0.22 2,816 1,086

Giả định: 36 tháng sử dụng, không có giá trị bán lại, không tính tiền điện, không tính thời gian thiết lập, và hỗn hợp 80% token đầu vào và 20% token đầu ra (chi phí trên 1M token = 0.8 × giá đầu vào + 0.2 × giá đầu ra). Giá được đọc từ API giá của TokenLab vào ngày 11-11-2026. Các mô hình này không có Verified delivery, vì vậy TokenLab tính phí theo lộ trình Official. Cột cuối cùng chia số token hàng tháng cho 2,592,000 giây (30 ngày).

Nếu khối lượng thực tế của bạn thấp hơn mức này, API lưu trữ sẽ rẻ hơn. Hãy so sánh các khối lượng này với mức sử dụng token hàng tháng của riêng bạn trước khi mua phần cứng.

Điện năng là một chi phí nhỏ hơn. Apple liệt kê 480W là công suất tối đa liên tục và không đưa ra con số khi nghỉ hoặc trung bình. Ở mức tối đa đó, 24 giờ một ngày trong 30 ngày, máy sử dụng tối đa 0.48 kW × 720 h = 345.6 kWh. Với mức giá ví dụ $0.20 mỗi kWh, đó là $69.12 mỗi tháng. Hãy sử dụng mức giá của bạn. Mức sử dụng thực tế sẽ thấp hơn.

Chi phí không phải là lý do duy nhất để chạy cục bộ. Nếu dữ liệu không được phép rời khỏi máy của bạn, lý do đó không có so sánh về giá. Nếu bạn cần một mô hình không có sẵn dưới dạng open weights, hãy sử dụng API lưu trữ.

OpenClaw với phương án dự phòng lưu trữ

OpenClaw là một trợ lý mã nguồn mở (MIT) chạy trên thiết bị của riêng bạn và hoạt động thông qua các ứng dụng chat. Nó hoạt động với các nhà cung cấp mô hình lưu trữ và cục bộ (openclaw.ai). Bạn đăng ký một nhà cung cấp trong models.providers với URL cơ sở, loại API và danh sách mô hình. Một máy chủ cục bộ như LM Studio hoặc mlx_lm.server và một API tương thích OpenAI lưu trữ như TokenLab sử dụng cùng một định dạng (tham chiếu nhà cung cấp tùy chỉnh).

Cấu hình này, trong ~/.openclaw/openclaw.json, sử dụng mô hình cục bộ trước và claude-sonnet-5-5 thông qua TokenLab làm phương án dự phòng. Xuất TOKENLAB_API_KEY nơi OpenClaw Gateway chạy. Thay thế my-local-model bằng ID mà máy chủ cục bộ của bạn liệt kê tại /v1/models.

{
  agents: {
    defaults: {
      model: {
        primary: "local/my-local-model",
        fallbacks: ["tokenlab/claude-sonnet-5-5"],
      },
      models: {
        "local/my-local-model": { alias: "Local" },
        "tokenlab/claude-sonnet-5-5": { alias: "Sonnet" },
      },
    },
  },
  models: {
    mode: "merge",
    providers: {
      local: {
        baseUrl: "http://127.0.0.1:8000/v1",
        apiKey: "sk-local",
        api: "openai-completions",
        timeoutSeconds: 300,
        models: [
          {
            id: "my-local-model",
            name: "Local Model",
            reasoning: false,
            input: ["text"],
            contextWindow: 120000,
            maxTokens: 8192,
          },
        ],
      },
      tokenlab: {
        baseUrl: "https://api.tokenlab.sh/v1",
        apiKey: "${TOKENLAB_API_KEY}",
        api: "openai-completions",
        models: [
          {
            id: "claude-sonnet-5-5",
            name: "Claude Sonnet 5.5 (TokenLab)",
            reasoning: false,
            input: ["text"],
            contextWindow: 1000000,
            maxTokens: 128000,
          },
        ],
      },
    },
  },
}

URL cơ sở https://api.tokenlab.sh/v1 là URL trong hướng dẫn SDK của TokenLab. claude-sonnet-5-5 liệt kê openai_chat_completions là định dạng được chấp nhận. Các giới hạn ngữ cảnh và đầu ra trong mẫu là các giới hạn được liệt kê cho mô hình vào ngày 11-11-2026.

Hai hành vi cần lưu ý:

  • Phương án dự phòng xử lý lỗi. OpenClaw chuyển sang mô hình tiếp theo trong fallbacks khi mô hình hiện tại thất bại, ví dụ như do lỗi nhà cung cấp hoặc thiếu mô hình. Nó không đánh giá độ khó của tác vụ (chuyển đổi dự phòng mô hình).
  • Bạn chọn mô hình cho tác vụ khó. Chọn mô hình lưu trữ cho một phiên làm việc bằng lệnh /model hoặc trình chọn mô hình. Một mô hình bạn chọn theo cách này là bắt buộc: nếu nó thất bại, OpenClaw sẽ báo lỗi thay vì trả lời từ một phương án dự phòng không liên quan.

Phía lưu trữ vẫn giữ chi phí thấp nếu mô hình cục bộ thực hiện phần lớn công việc. Với 10 triệu token mỗi tháng trên claude-sonnet-5-5 với cùng hỗn hợp 80/20, Verified delivery với giá $0.70 vào / $3.50 ra trên 1M token tốn $12.60. Official delivery với giá $2 vào / $10 ra tốn $36.00. Giá được đọc ngày 11-11-2026. Hướng dẫn về các cấp độ phân phối giải thích sự khác biệt.

Nên mua cấu hình nào

  • 96GB ($5,499): các mô hình có kích thước lên đến gpt-oss-120b, và các mô hình dày đặc (dense) khoảng 27B. Hãy kiểm tra bảng hòa vốn trước.
  • 256GB ($10,799): một mô hình như GLM-5.3-Flash ở 4-bit, có không gian cho ngữ cảnh.
  • 512GB ($22,299): các checkpoint lớn hơn, chẳng hạn như GLM-5.3-Flash 328.3GB, và các ngữ cảnh dài. Nó cần một lý do rõ ràng: quyền riêng tư, khối lượng công việc nặng ổn định, hoặc cả hai.
  • Không mua máy cục bộ: nếu khối lượng công việc của bạn dưới mức hòa vốn và dữ liệu của bạn có thể gửi đến nhà cung cấp, hãy sử dụng API. Bạn có thể so sánh các mô hình mở ở trên với các mô hình tiên phong lưu trữ trên cùng một khóa trong danh mục mô hình.

Hãy kiểm tra mô hình bạn dự định chạy trên phần cứng bạn dự định mua. Kích thước bộ nhớ cho biết những gì có thể tải vào. Chỉ có thử nghiệm mới cho biết tốc độ chạy như thế nào và liệu câu trả lời có đủ tốt cho công việc của bạn hay không.

Xem giá của TokenLab và tạo khóa để chạy cùng khối lượng công việc trên một mô hình lưu trữ trước khi bạn quyết định.

Bài viết do các AI agent của TokenLab soạn. Dữ kiện được đối chiếu với các nguồn gốc có liên kết vào ngày ghi kèm.

Mô hình mới phát hành

Xây dựng với các mô hình trong hướng dẫn này

So sánh giá, thử route và biến nghiên cứu thành một lệnh gọi API chạy được.

Lệnh gọi API đầu tiên

Lấy khóa API
curl https://api.tokenlab.sh/v1/chat/completions \
  -H "Authorization: Bearer $TOKENLAB_API_KEY" -H "Content-Type: application/json" \
  -d '{"model":"gemini-3.8-flash","messages":[{"role":"user","content":"Hello!"}]}'