苹果最新Mac处理器的早期基准测试结果已经曝光。测试显示,全新MacBook Neo能够为网页浏览、应用使用等日常任务提供出色体验。同时,M5 Max MacBook Pro凭借业界最高的单核和多核分数,成为目前最快的消费级PC处理器。
理解单核与多核任务的区别
要了解这两款设备的计算能力,需要理解单核和多核任务的差异。单核任务包括网页浏览、打开应用程序、写邮件或文档等日常基础操作。多核任务则涉及视频编辑、游戏、3D建模和AI模型创建等需要大量计算能力的高端任务。
高多核分数的设备更适合专业用户,而日常使用更看重高单核分数。显然,专用的M系列Mac能够在两方面都提供更好的平衡。即使MacBook Neo使用的是iPhone 16的A18 Pro芯片,仍然是一款在日常任务中表现出色的平价系统。
性能基准测试数据
以下是早期测试分数,虽然随着新Mac的发布和测试可能会有所波动,但基本会在同一水平:
M5 Max MacBook Pro
单核分数:4,268
多核分数:29,233
MacBook Neo
单核分数:3,461
多核分数:8,668
作为对比,M1 MacBook Air的表现如下:
单核分数:2,346
多核分数:8,342
去年的M4 MacBook Air表现为:
单核分数:3,696
多核分数:14,731
14英寸M5 MacBook Pro则能提供:
单核分数:4,228
多核分数:17,460
性能分析与行业对比
这些数据表明,对于日常使用,上述任何一款Mac都能满足需求。MacBook Neo在日常任务上的速度明显快于M1 MacBook Air,与更新款Mac的差距也很小。
在运行高级专业任务时,最新的M5 Max Mac几乎可以完胜所有竞争对手,同时还能保留充足的计算能力用于其他任务。即使是拥有12,016多核性能的Ryzen 5950X芯片也相形见绌。高端Mac的速度快了2.4倍,这意味着Mac现在已经领先整个PC行业。
AI时代的性能优势
当然,性能不仅仅体现在运行Keynote演示或在Final Cut Pro中制作首个视频博客上,还体现在那些不太常见的应用场景中。
在当今时代,这意味着系统运行人工智能的能力。我们知道这些Mac都将运行Apple Intelligence,这是苹果基于平台的AI方法,因此可以推断它们也能够处理第三方的大语言模型。
即使是Neo也能做到这一点,因为它的能力与使用相同芯片的iPhone 16相当,尽管内存会限制性能。如果你在寻找AI PC,苹果会推荐其他具有更高多核性能的更强大Mac。
引领AI PC未来
如果AI代表未来,那么苹果的新Mac就是为运行这个未来而构建的。随着能源、政治、安全和组件危机的快速加剧,凸显了AI服务最好在边缘运行、需要尊重主权数据隐私边界,并可被视为需要平台支撑的商品,这一点将变得更加重要。
苹果是世界领先的AI PC,甚至在某种程度上包括MacBook Neo。
数据不会撒谎。从高端到入门级通用设备,苹果现在为每个人都准备了一款Mac,为其他所有人准备了iPad或iPhone。这些都不是偶然的,而是精心设计的结果。在很大程度上,这些产品部署的成功反映了公司在芯片设计方面取得的巨大成就。这将体现在今年Mac市场份额的增长上,即使整个PC行业仍在持续下滑。
Q&A
Q1:苹果M5 Max MacBook Pro的性能表现如何?
A:M5 Max MacBook Pro拥有业界最高的单核和多核分数,单核分数达到4,268,多核分数高达29,233,是目前最快的消费级PC处理器,比Ryzen 5950X芯片快2.4倍,在高端专业任务处理上领先整个PC行业。
Q2:MacBook Neo适合什么用户使用?
A:MacBook Neo是一款平价系统,非常适合日常任务使用,如网页浏览、使用应用程序、写邮件或文档等基础操作。它的单核分数为3,461,多核分数为8,668,在日常任务上的速度明显快于M1 MacBook Air,性价比很高。
Q3:苹果的新Mac在AI应用方面有什么优势?
A:所有新Mac都将运行Apple Intelligence,苹果基于平台的AI方法,同时也能处理第三方大语言模型。苹果的新Mac为运行AI未来而构建,能在边缘运行AI服务,尊重数据隐私边界,被认为是世界领先的AI PC。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。