Trzy konfiguracje obok siebie. Pod każdą krótko piszę, do czego sam bym jej używał.
🥇 Wymarzony
M5 Max · topowa konfiguracja
Ze 128 GB unified memory model 70B mieści się w całości na laptopie. Jadę do klienta i jego dane nie wychodzą z mojej maszyny — żadnej chmury, żadnego zewnętrznego serwera. RODO i NDA przestają być argumentem, który zamyka rozmowę zanim ją zacznę.
🥈 Średni
M5 Max · baza
Model 30B chodzi w tle, Claude Code pisze kod, Docker trzyma środowisko testowe, w przeglądarce kilkadziesiąt kart. Wszystko naraz, bez kombinowania co wyłączyć żeby coś uruchomić. Tyle, ile naprawdę potrzebuję na co dzień.
🥉 Minimalny
M5 Pro · baza
Strony Next.js, skrypty i modele do 13B chodzą bez problemu. Zaczyna brakować przy większych wdrożeniach — kiedy chcę postawić kilka kontenerów obok siebie i odpalić większy model. Wtedy 24 GB robi się ciasne i trzeba zamykać karty.
Cena nie pokazuje wszystkiego. Trzy różnice, przez które 16 cali ciągnie ciężką pracę dłużej niż 14.
Na 16 calach IDE, terminal i przeglądarka mieszczą się obok siebie. Każde okno widzę bez przełączania. Przy Claude Code model co chwilę edytuje pliki, odpala testy, sprawdza wyniki — wolę widzieć to na bieżąco niż klikać między kartami co minutę.
MacBook Air nie ma wentylatora i po kilkunastu minutach ciężkiej pracy zaczyna zwalniać. Pro ma aktywne chłodzenie, a w 16" jest go więcej niż w 14". Przy kilkugodzinnej sesji z modelem zegar procesora trzyma się tych samych wartości i nie ucieka.
14" z M5 Max ma 32 rdzenie GPU i 460 GB/s pasma. 16" startuje od 40 rdzeni i 614 GB/s. Modele językowe ogranicza głównie pasmo pamięci, więc te dodatkowe GB/s wprost przekładają się na tokeny na sekundę. To czuć w trakcie pracy, nie tylko na papierze.
Bez żargonu, na tyle prosto, żebyś sam ocenił czy ta cena ma sens.
Normalnie GPU ma swoją pamięć (VRAM), CPU osobny RAM, a model AI musi przerzucać dane między nimi. W M5 Max GPU i CPU mają wspólną pamięć fizyczną, więc model 70B leży tam w całości i nic się nie kopiuje. Windowsowe laptopy z 8–16 GB VRAM muszą taki model dzielić albo trzymać kawałek na dysku — wychodzi wolniej i mniej stabilnie.
16 rdzeni zrobionych specjalnie pod obliczenia tensorowe — czyli matematykę, na której stoi każdy model AI. Dodatkowo każdy rdzeń GPU ma własne neural acceleratory. To nie marketing, tylko konkretny krzem, który liczy szybciej. Na mnożeniu macierzy model językowy spędza większość czasu, więc to dokładnie ta operacja, którą warto przyspieszyć.
Llama 3.1 70B na M5 Max z 128 GB RAM daje około 10 tokenów na sekundę — tyle, żeby spokojnie czytać odpowiedź na bieżąco. GPT-4 w chmurze leci 30–50 tokenów/s, ale za każde zapytanie się płaci, a dane wychodzą poza firmę. Lokalnie wszystko zostaje na laptopie, więc mogę obsługiwać klientów, którzy na chmurę po prostu się nie zgodzą.
Modele LLM odpalam u siebie. Klient, który nie może puścić danych do chmury (RODO, NDA), dostaje wdrożenie, gdzie wszystko zostaje na moim laptopie.
Moje główne narzędzie do wdrożeń. Model planuje, pisze, odpala testy, poprawia kod w pętli — czasem przez kilka godzin pod rząd. Jeśli komputer zaczyna zwalniać, ja zaczynam czekać, a to znaczy stracony dzień.
Workflowy AI dla klientów: audyty SEO, generowanie treści podstron, czyszczenie i przetwarzanie danych. Składam to i testuję u siebie zanim cokolwiek dotknie ich produkcji.
Cała moc w plecaku. Rano mogę u klienta zrobić sesję 360°, po południu kodować jego stronę na tej samej maszynie. Bez kompa stacjonarnego, bez zdalnego pulpitu do biura.
Docker, Next.js, Python, kilka kontenerów naraz, przeglądarka z trzydziestoma kartami. U mnie tak wygląda zwykły dzień pracy nad systemami klientów.
Stable Diffusion, Flux i ComfyUI odpalam lokalnie. Robię grafiki na strony klientów, propozycje identyfikacji wizualnej (logo, paleta, banery), wektory pod konkretną sytuację. Pomysły nie wychodzą z mojej maszyny i nie muszę płacić Midjourney co miesiąc.
Robi to AI — konkretnie Claude od Anthropica. Z nim ogarniam systemy, na które wcześniej trzeba było wystawić sześcio- czy ośmioosobowy zespół. Ten sam zakres kosztuje 4–15 tys. zł zamiast 30–100 tys., a powstaje w 1–4 tygodnie zamiast pół roku.
Dawniej · 2020–2024
PM, analityk, dwóch programistów, tester, designer, account. Do tego spotkania, dokumentacja, kontrakty i przekazania między działami. Każda zmiana po wdrożeniu to osobna oferta.
Teraz · 2025+
Salon fryzjerski albo mały gabinet stomatologiczny dostaje dedykowany system za 4–6 tys. zł — taniej niż roczna licencja Booksy. Drobne zmiany po wdrożeniu robię zwykle tego samego dnia.