சுருக்கமாக
- தற்போதைய Mac mini, M6 (16 முதல் 32 GB) அல்லது M5 Pro (24 முதல் 64 GB) உடன் வருகிறது (Apple). பெரிய மாடலை மெமரி தீர்மானிக்கிறது; இயல்பாக அதில் சுமார் 75% GPU-க்குப் பயன்படும்.
- System Settings › Energy-இல் "Prevent automatic sleeping when the display is off", "Start up automatically after a power failure" ஆகியவற்றை இயக்குங்கள் (Apple).
- mlx-lm, Ollama, LM Studio அனைத்தும் OpenAI-இணக்கமான API-ஐ வழங்குகின்றன. இயல்பாக அவை Mac-இல் மட்டுமே கேட்கின்றன; உங்கள் நெட்வொர்க்குக்குத் திட்டமிட்டே திறங்கள், இணையத்துக்கு நேரடியாக ஒருபோதும் வேண்டாம்.
- மின்சாரம்: M6 Mac mini ஐடிலில் சுமார் 4 W, அதிகபட்சம் 70 W வரை எடுக்கிறது; M5 Pro 6 W முதல் 145 W வரை (Apple).
1ஏன் Mac mini
லாங்குவேஜ் மாடல் மூலம் உரை எழுதும் வேகம், மெமரியிலிருந்து வெயிட்களை எவ்வளவு வேகமாகப் படிக்க முடியும் என்பதால் வரம்புக்குட்படுகிறது. Mac-இல் GPU யூனிஃபைடு மெமரியை நேரடியாகப் படிக்கிறது; எனவே 64 GB கொண்ட Mac mini, நுகர்வோர் கிராஃபிக்ஸ் கார்டில் பொருந்தாத மாடல்களை, ஐடிலில் சில வாட்களிலேயே கொள்ள முடியும். இது குறைந்த இடம் எடுக்கிறது, macOS-இல் இயங்குகிறது, எனவே MacBook-இல் உள்ள அதே கருவிகள் வேலை செய்கின்றன.
அதன் வரம்புகள் மெமரியும் பேண்ட்வித்தும். மிகப் பெரிய Mac mini-இல் 307 GB/s வேகத்தில் 64 GB உள்ளது; அதிக பிரிசிஷனில் 70B வகை மாடல்களுக்கோ மிகப் பெரிய ஓப்பன் மாடல்களுக்கோ, 512 GB வரை கொண்ட Mac Studio அடுத்த படி (Apple). லோக்கல் LLM-களுக்கான சிறந்த Mac பாருங்கள்.
2எந்த மாடல்களுக்கு எந்த Mac mini
| Mac mini | மெமரி பேண்ட்வித் | GPU-க்கு (சுமார் 75%) | 4-பிட்டில் பெரிய மாடல் |
|---|---|---|---|
| M6, 16 GB | 153 GB/s | 12 GB | சுமார் 21B |
| M6, 24 GB | 170 GB/s | 18 GB | சுமார் 32B |
| M6, 32 GB | 170 GB/s | 24 GB | சுமார் 42B |
| M5 Pro, 24 GB | 307 GB/s | 18 GB | சுமார் 32B |
| M5 Pro, 48 GB | 307 GB/s | 36 GB | சுமார் 64B |
| M5 Pro, 64 GB | 307 GB/s | 48 GB | சுமார் 85B |
வேகத்தை பேண்ட்வித் நிர்ணயிக்கிறது: 24 அல்லது 32 GB கொண்ட M6-ஐ விட M5 Pro சுமார் 80% வேகமாக மெமரியைப் படிக்கிறது; எனவே அதே மாடல் அதில் சுமார் 80% வரை வேகமாக எழுதலாம். ஒவ்வொரு வரிசையும் அந்த Mac-இல் நன்றாக இயங்கும் ஒவ்வொரு மாடலுக்கும் வேகத்துடன் இணைப்பு தருகிறது. M4, M4 Pro கொண்ட முந்தைய Mac mini-களும் அதே முறையில் வேலை செய்கின்றன: Mac mini M4 Pro.
ஏஜென்ட்களுக்கும் நீண்ட ஆவணங்களுக்கும் மாடலுக்கு மேல் கான்டெக்ஸ்ட் மெமரி தேவை. AI ஏஜென்ட்தான் முக்கிய வேலை என்றால், வேகமான சிப்பை விட அதிக மெமரியைத் தேர்ந்தெடுங்கள்.
3விழிப்பாகவும் அணுகக்கூடியதாகவும் வையுங்கள்
Mac mini-இல் System Settings › Energy-ஐத் திறங்கள் (Apple):
- Prevent automatic sleeping when the display is off: இயக்குங்கள்; அப்போது திரை இணைக்கப்படாவிட்டாலும் சர்வர் பதில் தந்துகொண்டே இருக்கும்.
- Start up automatically after a power failure: இயக்குங்கள்; அப்போது அது தானாகவே மீண்டும் வரும்.
- Wake for network access: அதைத் தூங்க விட்டால், இயக்குங்கள்.
- Low Power Mode: சர்வர்கள் போல எப்போதும் இயங்கும் கணினிகளுக்கு, மின் பயன்பாட்டையும் ஃபேன் சத்தத்தையும் குறைக்க Apple இதைப் பரிந்துரைக்கிறது.
திரை இல்லாமல் நிர்வகிக்க, System Settings › General › Sharing-இல் Remote Login (SSH) அல்லது Screen Sharing-ஐ இயக்குங்கள் (Apple). சர்வர் ஆப் லாகினில் திறக்கும்படி அமைத்தால், ரீஸ்டார்ட்டுக்குப் பிறகு எல்லாம் மீண்டும் இயங்கும்.
4உங்கள் மற்ற சாதனங்களுக்கு மாடலை வழங்குங்கள்
இவை ஒவ்வொன்றும் Mac mini-இல் ஒரு மாடலை இயக்கி, உங்கள் மற்ற ஆப்களுக்கு OpenAI-இன் API வடிவத்தில் ஒரு API தருகின்றன; பெரும்பாலான சாட் ஆப்கள், கோடிங் கருவிகள், ஏஜென்ட்கள் அதை ஏற்கின்றன:
| கருவி | இயல்பான முகவரி | உங்கள் நெட்வொர்க்குக்கு எப்படித் திறப்பது |
|---|---|---|
| mlx-lm | http://127.0.0.1:8080 | mlx_lm.server --model <model> --host 0.0.0.0 |
| Ollama | http://127.0.0.1:11434 | launchctl setenv OLLAMA_HOST "0.0.0.0:11434", பிறகு Ollama-ஐ ரீஸ்டார்ட் செய்யுங்கள் |
| LM Studio | Developer டேப் › Start server | அதன் சர்வர் அமைப்புகளில் "Serve on Local Network" |
உதாரணமாக mlx-lm உடன்:
pip install mlx-lm
mlx_lm.server --model mlx-community/Qwen3-8B-4bit --host 0.0.0.0 --port 8080
# from another computer on the same network
curl http://<mac-mini-name>.local:8080/v1/chat/completions \
-H "Content-Type: application/json" \
-d '{"messages": [{"role": "user", "content": "Hello"}]}'Ollama இயல்பாக 5 நிமிடங்கள் கோரிக்கை இல்லாவிட்டால் மாடலை அன்லோட் செய்கிறது; சர்வரில் அதை மெமரியில் வைத்திருக்க OLLAMA_KEEP_ALIVE-ஐ அமையுங்கள் (Ollama). Mac-இல் LLM இயக்க சிறந்த ஆப்கள் இந்தக் கருவிகளை விரிவாக ஒப்பிடுகிறது.
இந்தக் கருவிகளும் மாடல்களை லோக்கலாக இயக்கும் மற்ற ஆப்களும் AI App Store-இல் உள்ளன; ஒவ்வொன்றுக்கும் தயாரிப்பாளரின் அதிகாரப்பூர்வ பதிவிறக்கம், உரிமம், உங்கள் தரவு எங்கே போகிறது என்பவை உண்டு.
5அதில் AI ஏஜென்ட்களை இயக்குதல்
சாட் ஆப்கள், கோப்புகள், வெப் வழியாக இரவுபகலாக வேலை செய்யும் AI ஏஜென்ட்களைப் பல Mac mini-கள் இப்போது இயக்குகின்றன. உதாரணமாக OpenClaw உங்கள் சொந்தக் கணினியில் இயங்கும் ஓப்பன்-சோர்ஸ் உதவியாளர்; அதில் லோக்கல் மாடல்கள் உட்பட மாடல்கள் மாற்றக்கூடிய பிளகின்கள் (OpenClaw). அத்தகைய ஏஜென்ட்டை லோக்கல் சர்வரின் முகவரிக்குச் சுட்டினால், அது கிளவுட் API-க்குப் பதிலாக உங்கள் Mac mini-இல் உள்ள மாடலைப் பயன்படுத்தும்.
சாட்டை விட ஏஜென்ட்களுக்கு இரண்டு விஷயங்கள் அதிக முக்கியம். கான்டெக்ஸ்ட்: ஏஜென்ட்கள் கருவி விவரங்களும் வரலாறும் கொண்ட நீண்ட ப்ராம்ப்ட்களை அனுப்புகின்றன; அது மாடலுக்கு மேல் மெமரி எடுக்கிறது (ஏன் என்று பாருங்கள்). மாடலின் தரம்: உங்கள் Mac mini-இல் நன்றாக இயங்கும் மிகப் பெரிய மாடல், சிறிய மாடலை விட அறிவுறுத்தல்களை நம்பகமாகப் பின்பற்றும், கருவிகளை நம்பகமாக அழைக்கும்.
6தனிப்பட்டதாக வையுங்கள்
- நீங்கள் மாற்றும் வரை இந்தச் சர்வர்கள் Mac-இல் மட்டுமே கேட்கின்றன. அவற்றை உங்கள் வீடு அல்லது அலுவலக நெட்வொர்க்குக்கு மட்டுமே திறங்கள், அதிலுள்ள சாதனங்களை நம்பினால் மட்டுமே.
- அடிப்படைப் பாதுகாப்புச் சோதனைகளை மட்டுமே செயல்படுத்துவதால், அதன் சர்வர் புரொடக்ஷனுக்குப் பரிந்துரைக்கப்படவில்லை என்று mlx-lm-இன் சொந்த ஆவணங்கள் கூறுகின்றன (mlx-lm).
- இணையத்துக்குப் போர்ட்டை ஃபார்வர்டு செய்யாதீர்கள். வெளியிலிருந்து Mac mini-ஐ அணுக, VPN போன்ற தனிப்பட்ட நெட்வொர்க்கைப் பயன்படுத்துங்கள்.
- கட்டளைகளை இயக்கவோ செய்திகளை அனுப்பவோ முடிந்த ஏஜென்ட் உங்கள் கணக்குகளுடன் செயல்படுகிறது: அதற்குத் தேவையான அணுகலை மட்டுமே கொடுங்கள்.
7அதன் செலவும், அதன் ஐடில் நேரமும்
| Mac mini | ஐடில் | அதிகபட்சம் | அதிகபட்சத்தில் 24 மணிநேரம் |
|---|---|---|---|
| M6 (2026) | 4 W | 70 W | 1.68 kWh |
| M5 Pro (2026) | 6 W | 145 W | 3.48 kWh |
வீட்டுச் சர்வர் தன் நாளின் பெரும்பகுதியைக் காத்திருப்பதிலேயே கழிக்கிறது. MLX Node அந்த நேரத்தைப் பயன்படுத்த முடியும்: ஒரு பணி எவ்வளவு மெமரி எடுக்கலாம் என்பது உட்பட, நீங்கள் அமைக்கும் வரம்புகளுக்குள் MLX Network-க்கான AI பணிகளை இயக்கி, இலவச இருக்கையில் நாளுக்கு 1 MLX வரை MLX டோக்கன்களை ஈட்டுகிறது. Mac mini முழு வேகத்தில் தேவைப்படும்போது அதை இடைநிறுத்துங்கள், அல்லது Mac ஐடிலாக இருந்த பிறகு மட்டுமே தொடங்கும்படி விடுங்கள். வருமானம் நெட்வொர்க்கைப் பொறுத்தது, உத்தரவாதம் இல்லை: அபாயங்களைப் படியுங்கள்.
8கேள்விகள்
- AI-க்கு Mac mini நல்லதா?
- மாடல்களை லோக்கலாக இயக்க, ஆம்: அதன் GPU யூனிஃபைடு மெமரியை நேரடியாகப் படிக்கிறது; எனவே 64 GB கொண்ட M5 Pro, 4-பிட்டில் சுமார் 85B பாராமீட்டர்கள் வரையிலான மாடல்களை, ஐடிலில் சில வாட்களிலேயே கொள்கிறது. பயிற்சிக்கோ மிகப் பெரிய மாடல்களுக்கோ, Mac Studio அல்லது GPU சர்வர் சிறந்த கருவி.
- லோக்கல் LLM சர்வருக்கு எந்த Mac mini வாங்கலாம்?
- முடிந்த அளவு அதிக மெமரி: எந்த மாடல்கள் பொருந்தும் என்பதை மெமரி தீர்மானிக்கிறது, பிறகு அதை அப்கிரேடு செய்ய முடியாது. 24 அல்லது 32 GB கொண்ட M6-ஐ விட M5 Pro சுமார் 80% வேகமாக மெமரியைப் படிக்கிறது, எனவே வேகமாக எழுதுகிறது. ஒவ்வொரு கான்ஃபிகரேஷனையும் Mac mini M5 Pro, Mac mini M6 இல் ஒப்பிடுங்கள்.
- Mac mini 70B மாடலை இயக்குமா?
- 64 GB கொண்ட M5 Pro மட்டுமே, 4-பிட்டில், குறுகிய கான்டெக்ஸ்ட்டுடன்: GPU இயல்பாகப் பயன்படுத்தக்கூடிய 48 GB-இல் வெயிட்கள் சுமார் 39 GB எடுக்கின்றன. அது மெதுவாக எழுதுகிறது, வினாடிக்குச் சில டோக்கன்கள். Mac-இல் Llama 3.3 70B பாருங்கள்.
- என் லேப்டாப் அல்லது போனிலிருந்து Mac mini-இன் மாடலை எப்படிப் பயன்படுத்துவது?
- சர்வர் உங்கள் நெட்வொர்க்கில் கேட்கும்படி தொடங்குங்கள் (உதாரணமாக
mlx_lm.server --host 0.0.0.0), பிறகு மற்ற சாதனத்தில் உள்ள ஆப்பை OpenAI-இணக்கமான எண்ட்பாயின்ட்டாக http://<mac-mini-name>.local:8080/v1 க்குச் சுட்டுங்கள். - Mac mini AI சர்வர் எவ்வளவு மின்சாரம் பயன்படுத்துகிறது?
- M6 Mac mini ஐடிலில் சுமார் 4 W, அதிகபட்சம் 70 W வரை எடுக்கிறது; M5 Pro 6 W முதல் 145 W வரை. ஒரு நாள் முழுவதும் முழு வேகத்தில், அது அதிகபட்சம் 1.68 அல்லது 3.48 kWh (Apple).
ஆதாரங்கள்
- Applesupport.apple.com
- Applesupport.apple.com
- Applesupport.apple.com
- Applesupport.apple.com
- Applesupport.apple.com
- mlx-lm சர்வர்github.com
- Ollama FAQdocs.ollama.com
- LM Studiolmstudio.ai
- OpenClawgithub.com