Mac mini 和 Mac Studio，跑 AI 选哪个。

1对 AI 重要的规格

每种配置都链接到能在其上流畅运行的模型。较早的机型同理：M4 或 M4 Pro 的 Mac mini，以及 M4 Max 或 M3 Ultra 的 Mac Studio（所有 Mac 排行）。

2各自生成有多快

生成文字时，每个 token 都要把模型的激活权重读一遍，所以内存带宽决定了速度上限。以 4-bit 的 32B 稠密模型（约 18 GB）为例：

混合专家模型每个 token 只读取一小部分权重，所以生成速度远快于其规模给人的印象：内存决定能否装下，速度仍由带宽决定。读取长提示词则取决于 GPU 算力而非带宽，在这方面 Max 和 Ultra 芯片更大的 GPU 优势更明显。

3哪一款适合哪些模型

• 中小模型（4-bit 下约 30B 以内）、聊天、编程助手、家用 AI 服务器：选 M5 Pro 的 Mac mini，配 48 或 64 GB。32 GB 的 M6 Mac mini 能运行同样大小的模型，速度约为一半。
• 70B 级模型、gpt-oss-120b、长上下文或同时运行多个模型：选 M5 Max 的 Mac Studio，配 128 GB。OpenAI 官方的 gpt-oss-120b 文件约 65 GB（OpenAI），超出任何 Mac mini 能分给 GPU 的内存。
• 最大的开放模型（数千亿参数）：选 M5 Ultra 的 Mac Studio，配 256 或 512 GB，或者把多台 Mac 连在一起（Mac AI 集群）。

想看某个具体模型，它的页面会给出能运行它的最低配置 Mac，以及在每种芯片上的速度：每个开放模型。

4全天候运行

两者都是安静、高效的常开机器。按上面 Apple 的数据，Mac mini 待机 4–6 W，Mac Studio 7–9 W；满载时 M5 Ultra 的 Mac Studio 最高可达 385 W。用 Mac mini 搭建本地 AI 服务器介绍如何保持唤醒并向其他设备提供模型，Mac 的耗电量介绍一天要花多少电费。

闲置时，MLX Node 可以为 MLX Network 运行 AI 任务，赚取 MLX 代币。与芯片匹配的专属席位挖得更快：M6 对应 Core，M5 Pro 和 M5 Max 对应 Pro，M5 Ultra 对应 Ultra。收益没有保证：请阅读风险说明。

5常见问题

跑 AI 的话，Mac Studio 比 Mac mini 值得吗？

如果你想运行约 85B 参数以上的模型、gpt-oss-120b 或长上下文，值得：只有 Mac Studio 的内存超过 64 GB。4-bit 下约 30B 以内的模型，M5 Pro 的 Mac mini 就能运行，带宽约为 M5 Max 的一半。

Mac mini 能跑 70B 模型吗？

只有 64 GB 的 M5 Pro 可以，需用 4-bit 和较短的上下文：约 39 GB 的权重放进 GPU 默认可用的 48 GB 中，每秒只有几个 token。128 GB 的 Mac Studio 运行它时还有余量留给上下文，速度约快一倍。

跑大模型选 Mac Studio M5 Max 还是 M5 Ultra？

M5 Ultra 的带宽约为两倍（1,200 对 614 GB/s），所以生成速度约快一倍，内存最高 512 GB。128 GB 的 M5 Max 可运行 4-bit 下约 170B 以内的模型。见 M5 Max 对比 M5 Ultra。

跑 AI 选 Mac mini M6 还是 M5 Pro？

选 M5 Pro：它读取内存比 24 或 32 GB 的 M6 快约 80%，内存最高 64 GB，而不是 32 GB。