8 月 25 日发布，9 月 22 日发售，RMB 6,999 起。苹果这次把 M6 Mac mini 的宣传重心压在了本地 AI 上：2nm 制程、双 16 核神经网络引擎、GPU 里第一次内置神经网络加速器、AI 性能比 M4 最高提升 4 倍。

先给结论。如果你买它主要是为了本地跑大模型，芯片参数基本可以忽略，真正决定体验的只有两个数字：统一内存容量，和内存带宽。而这两个数字，苹果在宣传稿里都没讲全。

一、四款机型，一张表看明白

苹果中国官网的技术规格页列了四个机型，我按本地 AI 相关的项做了整理：

机型

起售价

芯片

统一内存

内存带宽

起始存储

雷电口

1

¥6,999

M6

16GB（可选 24/32GB）

153GB/s

256GB

3×TB4

2

¥8,499

M6

16GB（可选 24/32GB）

153GB/s

512GB

3×TB4

3

¥9,999

M6

24GB（可选 32GB）

170GB/s

512GB

3×TB4

4

¥12,999

M5 Pro

24GB（可选 48/64GB）

307GB/s

512GB

3×TB5

M6 芯片本身是 12 核 CPU（2 个超级核心 + 4 个性能核心 + 6 个能效核心）、12 核 GPU、双 16 核神经网络引擎，支持硬件加速光线追踪和 AV1 解码。M5 Pro 则是 15 核 CPU、16 核 GPU、16 核神经网络引擎，可加钱升到 18 核 CPU 和 20 核 GPU。

补齐各档位的实际售价：16GB/256GB 是 ¥6,999，16GB/512GB 是 ¥8,499，24GB/512GB 是 ¥9,999，32GB/512GB 是 ¥11,499，M5 Pro 24GB/512GB 是 ¥12,999。

其他值得一提的：Apple N1 无线芯片，Wi-Fi 7、蓝牙 6，还首次支持 Thread；2.5Gb 以太网，可选配 10Gb；机身 12.70×12.70×4.97 厘米，M6 版重 0.67 千克；最大持续功率 155 瓦，闲置噪音 5 dBA。

二、三个数字，苹果没大声说

第一个：16GB 版的带宽是 153GB/s，不是 170GB/s。

宣传稿里那句「最高可达 170GB/s」，那个「最高」是有条件的。翻到官网技术规格页才写得清楚：配 16GB 统一内存时带宽是 153GB/s，只有升到 24GB 或 32GB 才是 170GB/s。差 11%。

为什么这事重要？因为跑本地大模型时，决定「吐字快不快」的瓶颈通常不是算力，而是内存带宽。模型每生成一个 token，权重就要被完整读一遍。买 16GB 基础款的人，是同时输掉了容量和带宽两样东西。

第二个：内存最高 32GB，而且出厂焊死。

M6 版的天花板就是 32GB。SSD 不够可以外接，机器慢了可以忍，内存不够是整个工作流当场停摆，而且后期没法补。

第三个：M6 版是 Thunderbolt 4，不是 Thunderbolt 5。

这一点最容易被忽略，但它直接决定了一整条路线的生死。M6 机型背面是三个雷雳 4 口（40Gb/s），只有 M5 Pro 机型才是三个雷雳 5 口（120Gb/s）。

后面会讲到，多台 Mac 组集群跑大模型，最关键的 RDMA over Thunderbolt 5 需要 TB5 才能开。M6 版走 TB4，只能回落到 TCP/IP，跨机通信慢一个数量级。想玩集群，M6 这台机器从硬件上就被挡住了。

三、为什么带宽比算力重要

本地推理有个反直觉的地方：它基本是个「搬运」活儿，不是「计算」活儿。

生成一个 token 的过程，本质上把模型权重从内存搬到计算单元过一遍。所以吞吐量的上限约等于「内存带宽 ÷ 模型权重大小」。这也是为什么一台 12 核 GPU 的 Mac mini，在某些场景下能追平看起来规格高得多的显卡。

三条可以直接用的经验法则：

  • Q4 量化下，每 10 亿参数约占 0.5 到 0.6GB
  • macOS 默认不会把全部统一内存交给 GPU，实际能给模型的大约是 70% 到 75%
  • 别把模型权重顶到内存上限，要给系统、推理软件和 KV Cache 留 25% 到 30% 的余量

按这个算，三档内存的实际可用空间大概是：16GB 约 11 到 12GB，24GB 约 18GB，32GB 约 24GB。

四、三档内存，各能跑什么

档位

能流畅跑

勉强能跑

跑不动

适合谁

16GB

7B 到 9B 级（Qwen3 8B、Qwen3.5 9B）、Whisper large

12B 到 14B Q4，需关掉所有后台，长上下文容易爆

27B 及以上

以办公为主，偶尔体验本地 AI

24GB

7B、14B 全系列，Gemma 4 12B 多模态

Qwen3.8-27B Q4，上下文不能拉太长

32B 原生

绝大多数人的最优解

32GB

7B/14B 常驻，27B 量化稳定，可同时挂 1 到 2 个 Agent

部分 32B 量化，速度一般

无压缩 32B

长期挂本地服务的深度玩家

具体到模型和估计速度（Q4 量化、中等上下文）：

16GB 档：Qwen3 8B（约 6.5GB，估 28 tok/s）、Qwen3.5 9B（约 7GB，估 25 tok/s）、Gemma 4 12B 4bit（7 到 8GB，约 20 tok/s）、gpt-oss-20b MXFP4（约 12GB，MoE 架构省算力）、Whisper large（3 到 4GB，转录比实时快）。

32GB 档：Qwen3.8-27B 4bit（约 18GB，8 到 12 tok/s）、GLM-4.7-Flash 4bit（约 19GB，MoE 只有 3.6B 激活参数）、Qwen3-Coder-30B-A3B 4bit（约 19GB，256K 上下文，在 MLX 上很快）。

跑不动的那栏要单独说清楚。GLM-5.3-Flash 有 3200 亿参数，DeepSeek V4 Flash 光权重就 167GB，这些需要 170GB 以上的内存。一台 M6 Mac mini 连边都摸不到，就算压到极限量化也不行。想要真正对标付费服务的模型能力，这台机器的定位就够不着。

五、四个真实案例

案例一：Jeff Geerling 的 Mac Studio 集群。

苹果直接提供了一组 Mac Studio 给他测 RDMA over Thunderbolt 5。4 台 M3 Ultra、合计 1.5TB 统一内存，跑 Qwen3 235B 达到 32 tok/s。

最有意思的是对照组。同样的硬件，用 llama.cpp 做分布式，从单机的 20.4 tok/s 掉到 4 机的 15.2 tok/s，加机器反而更慢。换成 exo 加 RDMA，是单机的 19.5 tok/s 涨到 4 机的 31.9 tok/s，方向完全相反。差别就在互联：RDMA 把跨机内存访问延迟从约 300 微秒压到 50 微秒以下。

代价是这套集群总成本接近 4 万美元。

案例二：exo 官方基准测试。

LLaMA 3.2 3B 跨 M4 Pro 机器：1 台 49.3 tok/s；2 台单请求 44.4、多请求 95.7；3 台单请求 39.7、多请求 108.8。

看明白了吗？单请求延迟是随着加机器变差的，每一次跨机跳转都在加网络开销。但总吞吐能到 3 台 2.2 倍。官方 README 给的张量并行加速是 2 设备 1.8 倍、4 设备 3.2 倍。所以集群的价值在多并发，不在单条对话更快。

案例三：Alex Cheema 的 8 台 Mac mini。

exo 的联合创始人演示过用 8 台 M4 Pro Mac mini（每台 64GB，合计 512GB）跑 DeepSeek V3 671B。最初约 5 tok/s，优化后 2 节点 27.8 tok/s、4 节点 32.5 tok/s。

注意这里用的是 M4 Pro，因为要 TB5。换成 M6 版 Mac mini，这条路走不通。

案例四：长上下文会崩。

独立测评者 Ivan Fioravanti 用 2 台 M3 Ultra 512GB Mac Studio 跑完整 8bit 的 DeepSeek R1 671B：442 token 上下文时 18.6 tok/s，1074 token 时降到 15.4，13140 token 时只剩 6.4，到 16K 直接内存耗尽。

这是官方基准很少强调的一条：短提示很好看，长对话会断崖式掉速。买机器之前，先想清楚你的场景是短问答还是长文档。

还有一个更接地气的参照。有人用 M4 16GB 的 Mac mini 日常跑 Qwen3.6-35B-A3B，llama.cpp 和 Ollama 约 17 tok/s、活跃内存仅 3GB、零 swap；换成 LM Studio 的 MLX 版本能到 25 到 35 tok/s，但驻留内存涨到 10 到 12GB。17 tok/s 已经够用了，算是「对话级」而不是「阅读级」。

六、怎么部署：四个工具选一个

Ollama，最省心。装完一行命令就能跑，ollama run qwen3:8b 自动下载并启动，同时在 localhost:11434 提供 OpenAI 兼容 API，可以接各种前端和应用。2026 年的版本已经全面接入 MLX 后端，预填充和解码速度比旧版提升近一倍。新手建议从这里开始。

LM Studio，图形界面最友好。不想碰终端就选它，鼠标点几下就能搜模型、下载、切换，也自带 OpenAI 兼容的本地服务。

MLX，Apple 官方框架，速度最快。苹果为 Apple Silicon 专门写的，在统一内存上效率最高。想压榨速度、或者做 LoRA 微调，用这个。命令是 pip install mlx-lm，然后 python -m mlx_lm.generate --model mlx-community/xxx --prompt "..."。注意一点：mlx-lm 目前还不支持 tool calling，所以要做能读写文件的编码 Agent，得用 llama.cpp、Ollama 或 LM Studio。

llama.cpp，控制力最强。从源码编译带 Metal 支持，可以精细调线程数、batch size、上下文长度。典型命令是 ./llama-cli -m model-q8_0.gguf -c 8192 -ngl 99，-ngl 99 是把所有层都卸载到 GPU。

一个实战里总结出来的小技巧：用 Ollama 让模型常驻后台，别随便杀进程。冷启动第一次请求要等 5 到 10 秒，热的页面留在缓存里，后续请求会快很多。

七、我的购买建议

只是办公，偶尔玩一下：16GB 够用，硬盘按需。但如果你买这台机器的主要目的就是本地大模型，别买 16GB，它是同时输掉容量和带宽的一档。

想认真跑本地模型：直接上 24GB，硬盘 512GB 起步。这是真正的甜点档，一次性同时买到更大的容量和完整的 170GB/s 带宽，也是绝大多数人的最优解。

长期挂本地服务、多模型切换：32GB。M6 的天花板，能常驻 27B 量化模型。

要跑原生 32B，或者想组集群：M6 满足不了。要么上 M5 Pro 版 Mac mini（最高 64GB、307GB/s、TB5），要么上 Mac Studio（M5 Max 基础 36GB、最高 128GB、460GB/s 带宽、四个 TB5 口）。

最后提醒一句：内存一定要在下单时选对，后期没法加。硬盘反而可以先抠一点，模型文件放外接 SSD 就行。

M6 Mac mini 值不值得买，取决于你怎么定义它。

它不是「穷人的 H100」，甚至不是一台 AI 工作站。散热比笔记本好、功耗 155 瓦封顶、闲置 5 dBA 几乎听不见，这些加起来的真正定位是：一台可以 7×24 小时开机、放在办公桌角落的个人私有推理节点。

在这个定位上，24GB 那档 ¥9,999 的机器，能给你一个完全离线、数据不出门、随时可调用的 14B 级模型。这个能力在三年前还得靠几万块的设备。

而如果你要的是替代云端的前沿模型能力，那答案很直接：这台机器做不到，加钱也做不到。真正的分界线在 32GB 到 128GB 之间，不在 M6 这一代 Mac mini 上。