Według rozmiaru pamięci
| Pamięć | Działa dobrze | Największy z dobrze działających | gpt-oss-20b |
|---|---|---|---|
| 16 GB153 GB/s | 20 | Gemma 4 12B Unified | 43–77 tok/s |
| 24 GB170 GB/s | 24 | Gemma 4 26B A4B | 40–72 tok/s |
| 32 GB170 GB/s | 29 | Qwen3.6 35B A3B | 40–72 tok/s |
Modele: Mac mini (M6 or M5 Pro). Nie każdy rozmiar pamięci jest dostępny w każdym modelu; specyfikacje techniczne Apple podają, z czym oferowany jest każdy z nich.
Pytania
- Czy Mac mini z układem M6 nadaje się do lokalnych LLM?
- Z 32 GB dobrze uruchamia 29 z 73 otwartych modeli, aż do Qwen3.6 35B A3B, i generuje około 40–72 tokenów na sekundę z gpt-oss-20b. M6 odczytuje pamięć z szybkością 170 GB/s, co wyznacza szybkość generowania.
- Mac mini z układem M6: ile pamięci potrzeba do AI?
- Otwarte modele działające dobrze: 20 przy 16 GB i 29 przy 32 GB, aż do Qwen3.6 35B A3B. Pamięć decyduje o tym, które modele się zmieszczą, i nie da się jej później rozszerzyć.
Inne Maki
Mac mini z innymi układami:
Bezpośrednio:
M6 do lokalnej AI · Najlepszy Mac do lokalnych LLM · Wszystkie Maki
Jak to liczymy
Pamięć: parametry modelu przy 8, 6, 4, 3 lub 2 bitach na wagę plus skale grup MLX (pół bita na wagę) albo jego natywny format, a do tego miejsce na kontekst. Domyślnie macOS pozwala GPU używać około 75% pamięci zunifikowanej. Szybkość: przepustowość pamięci podzielona przez liczbę bajtów odczytywanych na token to górna granica dla jednej rozmowy; w publicznych testach llama.cpp na Apple Silicon rzeczywiste uruchomienia osiągają od około 45% do 80% tej wartości i właśnie ten zakres pokazujemy. To szacunki, nie pomiary: zmierz swojego Maca w MLX Bench. Dane modeli pochodzą z oficjalnych kart modeli, dane układów ze specyfikacji technicznych Apple. Sprawdzono 2026-10-19. Te same dane co na mlx.app/compare.