Mac mini με M4 για τοπικό AI.

Με 32 GB τρέχει καλά 33 από 82 ανοιχτά μοντέλα, έως και το Qwen3.6 35B A3B, και γράφει περίπου 28–51 tokens ανά δευτερόλεπτο με το gpt-oss-20b. Το M4 διαβάζει τη μνήμη με 120 GB/s, κάτι που καθορίζει πόσο γρήγορα γράφει.

Ενημέρωση

16 GB22 μοντέλα τρέχουν καλάQwen3.5 9B · 11–19 tok/s24 GB26 μοντέλα τρέχουν καλάRaon-1 mini Preview · 23–40 tok/s32 GB33 μοντέλα τρέχουν καλάQwen3.6 35B A3B · 32–56 tok/s

Ανά μέγεθος μνήμης

ΜνήμηΤρέχουν καλάΤο μεγαλύτερο που τρέχει καλάgpt-oss-20b
16 GB120 GB/s22Qwen3.5 9B34–60 tok/s
24 GB120 GB/s26Raon-1 mini Preview28–51 tok/s
32 GB120 GB/s33Qwen3.6 35B A3B28–51 tok/s

Μοντέλα: Mac mini (2024). Δεν διατίθεται κάθε μέγεθος μνήμης με κάθε μοντέλο· τα Τεχνικά χαρακτηριστικά της Apple αναφέρουν τι προσφέρει το καθένα.

Οι καλύτερες εφαρμογές AI για ένα Mac σαν αυτό στο AI App Store: τιμή, άδεια και πού πηγαίνουν τα δεδομένα σας.

Ερωτήσεις

Είναι ο Mac mini με M4 καλός για τοπικά LLM;
Με 32 GB τρέχει καλά 33 από 82 ανοιχτά μοντέλα, έως και το Qwen3.6 35B A3B, και γράφει περίπου 28–51 tokens ανά δευτερόλεπτο με το gpt-oss-20b. Το M4 διαβάζει τη μνήμη με 120 GB/s, κάτι που καθορίζει πόσο γρήγορα γράφει.
Πόση μνήμη πρέπει να έχει ένας Mac mini με M4 για AI;
Με 16 GB τρέχει καλά 22 ανοιχτά μοντέλα· με 32 GB, 33, έως και το Qwen3.6 35B A3B. Η μνήμη καθορίζει ποια μοντέλα χωρούν και δεν αναβαθμίζεται αργότερα.

Άλλοι Mac

Ο Mac mini με άλλα τσιπ:

Άλλοι Mac με M4:

Κατά μέτωπο:

Το M4 για τοπικό AI · Mac mini ως server για AI · Mac mini ή Mac Studio για AI · Ο καλύτερος Mac για τοπικά LLM · Πόση RAM χρειάζεται ένα LLM · Όλοι οι Mac

Πώς υπολογίζεται

Μνήμη: οι παράμετροι του μοντέλου σε 8, 6, 4, 3 ή 2 bit ανά βάρος συν τις κλίμακες ομάδων του MLX (μισό bit ανά βάρος), ή στην εγγενή του μορφή, με χώρο για τα συμφραζόμενα από πάνω. Από προεπιλογή το macOS αφήνει την GPU να χρησιμοποιεί περίπου το 75% της ενοποιημένης μνήμης. Ταχύτητα: το εύρος ζώνης μνήμης διαιρεμένο με τα bytes που διαβάζονται ανά token είναι το ανώτατο όριο για μία συνομιλία· στα δημόσια benchmarks Apple Silicon του llama.cpp οι πραγματικές εκτελέσεις φτάνουν περίπου το 45% έως 80% του ορίου, και αυτό το εύρος δείχνουμε. Είναι εκτιμήσεις, όχι μετρήσεις: μετρήστε τον δικό σας Mac στο MLX Bench. Στοιχεία μοντέλων από την επίσημη κάρτα κάθε μοντέλου, στοιχεία τσιπ από τα Τεχνικά χαρακτηριστικά της Apple. Ελέγχθηκε 2026-10-19. Ίδια δεδομένα με το mlx.app/compare.

Ανοιχτά δεδομένα: mlx.app/data (JSON, CSV)