M6 Mac mini 评测:预填充快 3.5 倍、解码只快 49%——899 美元的本地 AI 主机,瓶颈其实写死在两处
9 月 22 日第一批 M6 Mac mini 到货，评测和实测数据也跟着出来了。官网 8 月 25 日开预售、9 月 22 日起陆续送达，国行四档配置 ¥6999 / ¥8499 / ¥9999 / ¥12999（前两档 M6 + 16GB，第三档 M6 + 24GB，第四档 M5 Pro + 24GB）。
这篇不重复发布会通稿，只回答两个问题：这批机器跑本地模型到底快了多少，以及这些提升对 AI 应用意味着什么、不意味着什么。本站 9 月 17 日写过一篇开卖前的《M6 Mac mini 开卖前夜》（/posts/a420/），那篇算的是「值不值」；这篇补上到货后的实测数据和硬件层面的解释。
先把硬数字摆出来，再解释为什么其中一个是 3.5 倍、另一个只有 1.5 倍。
一、实测数据：三组独立来源
1.1 本地模型（Ziskind，Qwen3.5-9B 4bit）
YouTuber Alex Ziskind 在到货当天放出的对比测试，被 eTeknix 和 wccftech 在 9 月 22 日同步转述，是目前可见的唯一一份公开的 M6 vs M4 本地推理逐项对比：
| 项目 |
M6 Mac mini |
M4 Mac mini |
变化 |
| 预填充（prompt processing） |
742 tok/s |
210 tok/s |
+253.3% |
| 解码（token generation） |
26.9 tok/s |
18.0 tok/s |
+49.4% |
| llama-benchy 首 token 延迟 |
0.72 s |
2.50 s |
−71% |
| FLUX.1 单图生成 |
36 s |
94 s |
−61.7% |
| 整机功耗（实测） |
38 W |
44 W |
−14% |
测试模型是 4bit 量化的 Qwen3.5-9B，不是最重的模型，但足够把两代芯片的差异摊开。注意最后一行：更快的同时功耗更低，这一条比性能数字更有说服力——它不是靠拉高频率换来的。
1.2 CPU / GPU（Ars Technica，9 月 21 日的 M6 版评测）
Ars 的测试机是 24GB 版本，结论可以概括成三句：
• 单核性能比 M5 系列快约 8%–10%，图形性能也快约 10%；
• 多核比 M5 快约 20%，比 M4 快 50%–80%（部分项目更高）；
• Blender 项目上接近 M4 Pro、比 M5 快约 40%——Ars 直接点名，这一项受益于 GPU 核心内置的神经加速器。
同一篇里还有一条反向结论值得记住：核心数仍然比核心新更重要。用同一块 18 核 CPU 的 M5 Max 作参照，重多核负载下它依然比 M6 快 60%–70%。M6 强在「入门芯片换代」，不在「越级挑战 Pro/Max」。
1.3 一个测量坑
Ars 提到：在 M6 上，powermetrics 不上报 CPU 功耗——日志里有这个字段，值恒为 0，M5 世代芯片上一切正常。作者已经去问苹果这是 bug 还是有意为之。所以任何「M6 的 CPU 功耗比 M4 低/高多少」的说法，目前都没有工具层面的依据；Ziskind 的 38W/44W 是整机口径，可以采信，但不能拆到 CPU 上。
二、M6 到底改了什么
把规格摊开看，M6 是入门芯片这几年最大的一次改动：
|
M6 |
M5 |
M4 |
| CPU 核心 |
2 超级核心 + 4 性能核心 + 6 能效核心（12 核） |
4 超级核心 + 6 能效核心（10 核） |
4 性能核心 + 6 能效核心（10 核） |
| GPU 核心 |
12（每核带神经加速器） |
10（每核带神经加速器） |
10 |
| 神经网络引擎 |
双 16 核（共 32 核） |
16 核 |
16 核 |
| 内存带宽 |
16GB 机型 153GB/s；24GB / 32GB 机型 170GB/s |
153GB/s |
120GB/s |
| 内存上限 |
32GB |
32GB |
32GB |
三个细节值得单独说：
第一，内存带宽分档。 16GB 机型只有 153GB/s（和 M5 一样），24GB 和 32GB 机型才有 170GB/s。买 16GB 版本的人，拿不到这一代最关键的 AI 提升。 这是本篇最实用的一条购买建议，后面还会回到它。
第二，powermetrics 的读数暗示 M6 内部还是「两种核心」。 六个能效核单独成簇，两个超级核心和四个性能核心被并成一组叫 "PS cluster"；两者时钟区间相同（1.44GHz–4.79GHz），共享 20MB L2（M5 的超级核心簇是 16MB）。也就是说，苹果自己在调度上把三种核心当两种用。
第三，这一代可能只有 M6。 彭博社 Gurman 的说法是苹果不打算做完整的 M6 世代，Pro / Max / Ultra 可能直接跳到 M7。对买 Mac mini 的人来说，这个传闻的实际含义是：想要更强，要么现在上 M5 Pro，要么等到 M7 世代——中间不会有 M6 Pro 出现。
端口与形态（没变的部分）
外观沿用 M4 世代的 5×5 英寸、2 英寸厚机身，底部进风、主动散热。前面两个 10Gbps USB-C 加耳机孔，后面 2.5GbE（可选万兆）、HDMI 和三个雷雳口——M6 版是雷雳 4，M5 Pro 版才是雷雳 5。无线升到 Wi-Fi 7 和蓝牙 6。
雷雳这一条对 AI 用户不是小事，后面单独讲。
三、为什么一个是 3.5 倍，另一个只有 1.5 倍
这是本篇的核心。两个数字差这么多，不是苹果「优化得偏科」，而是本地推理的两个阶段卡在完全不同的硬件资源上。
3.1 预填充吃算力
预填充（prefill）是把整个提示一次性塞进模型、算出 KV 缓存。这一步是大矩阵乘法，与序列长度成正比，属于算力密集型：每读一次权重，就能在整段提示上摊开算。
M6 在这一步的改动全都对着算力去：GPU 从 10 核加到 12 核、每核内置神经加速器（专门加速矩阵乘）、神经网络引擎从 16 核翻到 32 核、P 核做到 4.79GHz。苹果自己的口径是 LM Studio 里的提示处理最高比 M4 快 4.8 倍；Ziskind 测出的 253% 反而更保守。
3.2 解码吃带宽，而且这次几乎只能吃带宽
解码（decode）是每生成一个 token，都要把全部权重读一遍。它不看算力看带宽：
解码速度上限 ≈ 内存带宽 ÷ 每 token 需要读的字节数
把 170GB/s 代进去，和 Ziskind 的实测对一下：
| 模型（4bit） |
权重体积（约） |
带宽上限 |
实测 / 理论上限 |
| Qwen3.5-9B |
5.3GB |
≈32 tok/s |
26.9 → 84% |
| 27B 级稠密模型 |
≈16GB |
≈10.6 tok/s |
— |
| 70B 级稠密模型 |
≈40GB |
装不下（32GB 上限） |
— |
内存带宽从 120GB/s（M4）到 170GB/s（M6 24/32GB 机型）是 1.42 倍，实测解码 1.49 倍——吻合到 5% 以内。这不是巧合，它说明解码这四百多 token 的提升，几乎全部来自那 50GB/s 的带宽增量，剩下的才是缓存和调度的微调。
结论：M6 的这次升级，买的是「读得快」，不是「吐得快」。 对 agent、RAG、代码库索引这类「长输入、短输出」的活，它提升是成倍级别的；对「让它写一篇三千字文章」这种长输出任务，你的体感提升大概就是 1.5 倍。
3.3 上下文（KV 缓存）也要吃内存
容量规划时容易漏掉 KV 缓存：
KV 字节数 ≈ 2 × 层数 × KV 头数 × head_dim × 上下文长度 × 每元素字节数
以 27B 级、约 48 层、GQA 8 个 KV 头的模型、8K 上下文、fp16 缓存为例，单条会话就要 1GB 上下；32K 上下文就是 4GB 级。24GB 机型装 16GB 的模型，剩下 8GB 是给系统、KV 缓存和图像生成共用的——这是「能装下」和「能舒服地用」之间的差别。
四、对 AI 应用的真实优势（按场景打分）
| 场景 |
适配度 |
原因 |
| 常驻本地 agent 主机 |
强 |
首 token 0.72s，单轮响应体感接近云端；38W 全天候开着也不心疼 |
| RAG / 代码库索引 / 批量 embedding |
强 |
预填充是它的长板，742 tok/s 的吞吐直接把索引时间砍到原来 1/3 |
| 图像生成（FLUX / SD） |
强 |
FLUX.1 单图 36s，比 M4 快 61.7%；M5 起加入的 GPU 神经加速器在这里最吃重 |
| 语音转写（Whisper 系） |
强 |
这类模型体积小、对带宽不敏感，M6 绰绰有余 |
| 长文生成 / 批量出文 |
中 |
解码受 170GB/s 封顶，27B 级模型约 10 tok/s，能忍但不爽 |
| 本地微调（LoRA / QLoRA） |
弱 |
32GB 内存上限 + 170GB/s 带宽，7B 级勉强，再大就出局 |
| 多机集群堆大模型 |
不支持 |
M6 版是雷雳 4，集群需要雷雳 5（M5 Pro 及以上才有） |
两个必须说清的限制：
内存上限 32GB 是硬墙。 4bit 量化下 32GB 大概能装 27B–34B 级稠密模型并留一点 KV 余量；再往上的 70B 级、以及那些「几百 B 参数、靠 MoE 激活」的模型，这台机器装不下。想要更大的模型，本地路线的下一站是 128GB 统一内存级设备（NVIDIA DGX Spark 的官方规格是 128GB LPDDR5x、273GB/s，标称最高支持 200B 参数；Mac Studio M5 Ultra 则是最高 512GB、1.2TB/s）。价差是数量级的：M6 Mac mini ¥6999 起，Mac Studio M5 Ultra 5499 美元起。
雷雳 4 = 不能进集群。 苹果在多机推理上的做法是用雷雳 5 + RDMA 把多台机器拼成一个共享内存池，Mac Studio 官方文稿里明确写了这条路。Mac mini 上只有 M5 Pro 版有雷雳 5；M6 版的三口雷雳 4 上限 40Gbps，进不了这个集群。如果你的规划是「先买一台，过两年再拼一台」，这个限制现在就得考虑进去。
电费这条账，值得算一次
38W 满载、一天 24 小时不停：
0.038 kW × 24 h = 0.912 kWh/天
按 0.6 元/kWh ≈ 0.55 元/天 ≈ 200 元/年
也就是说，只要你不关机，这台机器一年的电费在两百元级别。它的意义不是「省了多少钱」，而是本地推理的边际成本接近于零：跑一次 embedding、重排一次索引、让 agent 通宵跑批，不会再产生按 token 计费的心痛感。这是 M6 Mac mini 在 AI 场景里最容易被低估的优势——它是台可以「随便用」的机器。
但它为什么涨价 300 美元
因为内存。TrendForce 在 2026 年 2 月的报告里把 1Q26 常规 DRAM 合约价的环比涨幅上调到 +90%～95%，NAND 闪存 +55%～60%，来源是 CSP 和服务器厂商的抢产能。苹果在 6 月 25 日对 Mac、iPad 等产品线做了数百美元级别的涨价，$599 的 M4 Mac mini 从配置器里直接下架，入门档变成 512GB 存储的 $799；这一代 M6 Mac mini 起步价 $899（16GB + 256GB），Ars 的定评是：M6 Mac mini 的性能升级是真的，但 $599 那台「苹果史上最超值的桌面 Mac」没了。国行同理：¥6999 的入门档，16GB 内存 + 256GB 存储。
256GB 存储对本地 AI 是真不够。 一个 27B 4bit 模型 16GB、一个 9B 模型 5GB、FLUX 权重 24GB，加上系统，很快就满。建议直接按 512GB 起配置，或者用外置雷雳硬盘 + 软链把模型目录搬出去（第五节给了命令）。
五、上手：把模型跑起来
下面这些是我整理的可直接复制运行的脚本，用来复核上面每个结论。注意：我手上没有 Mac mini 实体，下面的代码是本地推理的标准流程 + 容量规划公式，实测数字请以你自己机器为准。
5.1 环境（一次装好）
# Homebrew 装推理工具
brew install llama.cpp # 含 llama-server / llama-bench
pip install mlx mlx-lm # 苹果自家的 MLX 栈
pip install huggingface_hub # 拉模型
export HF_ENDPOINT=https://hf-mirror.com # 国内网络需要
5.2 一条命令看真实吞吐
# llama-bench 直接输出 pp（预填充）与 tg（解码）两列，是核对 M6/M4 差异最快的方法
llama-bench -m ./qwen3.5-9b-q4_k_m.gguf -p 2048 -n 128 -r 3
# 输出里的 pp2048 = 预填充 tok/s，tg128 = 解码 tok/s
# Ziskind 那组 742 / 26.9 就是这两个量级的读数
5.3 用带宽算出你的理论上限，再看跑到了几成
# bw_check.py —— 判断「这台机器还值不值得为这个模型等」
BW = {"m6_16g": 153, "m6_24g": 170, "m6_32g": 170, "m4": 120} # GB/s
def headroom(chip, model_bytes_gb, measured_tok_s=None):
ceiling = BW[chip] / model_bytes_gb
print(f"{chip}: 理论上限 {ceiling:5.1f} tok/s")
if measured_tok_s:
print(f" 实测 {measured_tok_s:5.1f} tok/s = 效率 {measured_tok_s/ceiling:.0%}")
headroom("m6_24g", 5.3, 26.9) # 9B 4bit：上限 32.1，实测 26.9，效率 84%
headroom("m6_24g", 16.0) # 27B 4bit：上限 10.6
headroom("m4", 5.3, 18.0) # M4：上限 22.6，实测 18.0，效率 80%
跑出来应该是 84% 和 80% 两档效率——这说明苹果这代在解码路径上已经贴着带宽跑了，想再快只能加带宽，没有软件层面的便宜可捡。
5.4 容量规划：能不能装下，上下文留多少
# capacity.py —— 内存够不够，别等加载到 90% 才发现爆了
def kv_gb(layers, kv_heads, head_dim, ctx, bytes_per=2):
return 2 * layers * kv_heads * head_dim * ctx * bytes_per / 1024**3
def plan(name, params_b, weights_gb, layers, kv_heads, head_dim, ctx, ram_gb=24):
kv = kv_gb(layers, kv_heads, head_dim, ctx)
total = weights_gb + kv + 6 # 6GB：系统 + 图像/其他进程的余量
ok = "✅ 可以" if total <= ram_gb else "❌ 不够"
print(f"{name:12} 权重 {weights_gb:5.1f}GB + KV {kv:4.1f}GB + 余量 6GB = {total:5.1f}GB / {ram_gb}GB {ok}")
plan("9B q4", 9, 5.3, 36, 8, 128, 8192)
plan("27B q4", 27, 16.0, 48, 8, 128, 8192)
plan("27B q4", 27, 16.0, 48, 8, 128, 32768) # 上下文拉到 32K 再看一眼
24GB 机器上，27B + 8K 上下文是「勉强舒服」，32K 上下文就开始紧张——这正是 32GB 配置存在的理由。
5.5 起一个 OpenAI 兼容端点，给本地 agent 用
# 起服务（8K 上下文、Metal 全量卸载到 GPU）
llama-server -m ./qwen3.5-9b-q4_k_m.gguf \
-c 8192 -ngl 99 --host 127.0.0.1 --port 8080
# 用 curl 打一发，验证首 token 延迟
curl -s http://127.0.0.1:8080/v1/chat/completions \
-H "Content-Type: application/json" \
-d '{"messages":[{"role":"user","content":"用三句话解释 MoE 的稀疏激活"}],"stream":true}' \
| head -3
# 任何 OpenAI SDK 代码改一个 base_url 就能指到本地，agent 框架大多只要改这一行
from openai import OpenAI
client = OpenAI(base_url="http://127.0.0.1:8080/v1", api_key="local")
print(client.chat.completions.create(
model="local", messages=[{"role": "user", "content": "hello"}]
).choices[0].message.content)
5.6 存储不够时把模型目录搬出去
# 假设外置雷雳盘挂载在 /Volumes/AI
mkdir -p /Volumes/AI/hf-cache
mv ~/.cache/huggingface /Volumes/AI/hf-cache/huggingface
ln -s /Volumes/AI/hf-cache/huggingface ~/.cache/huggingface
# Ollama 的模型目录同理
export OLLAMA_MODELS=/Volumes/AI/ollama-models
5.7 想看功耗，先避开那个坑
# 采样 GPU/CPU 功耗（M6 上 CPU 那项恒为 0，是已知行为/潜在 bug）
sudo powermetrics --samplers gpu_power,cpu_power -i 2000 -n 5
六、买哪一档
四档配置（国行），按 AI 用途排序：
| 配置 |
价格 |
带宽 |
适合谁 |
| M6 16GB / 256GB |
¥6999 |
153GB/s |
只是偶尔跑 9B 级小模型；AI 用户不建议——拿不到 170GB/s |
| M6 16GB / 512GB |
¥8499 |
153GB/s |
同上，但存储够用了；仍然只有 153GB/s |
| M6 24GB / 512GB |
¥9999 |
170GB/s |
本地 AI 的甜点档：27B 4bit + 8K 上下文可行，FLUX 出图 36s |
| M5 Pro 24GB / 512GB |
¥12999 |
307GB/s |
要雷雳 5 集群、要大带宽跑长上下文；单看解码就能再快近一倍 |
三条判断依据：
1. 16GB 和 24GB 不是「内存差 8GB」，是带宽差 17GB/s。 想跑本地模型，最低也该上 24GB 那档。
2. 要比解码速度，比带宽就行：307 / 170 ≈ 1.8，M5 Pro 在解码上大概能再快八成（同模型同量化）。
3. 要不要为集群留位置：打算以后拼多机，M6 版直接出局，别买了再后悔。
至于「现在买还是等」：内存价格是这轮涨价的直接原因（1Q26 DRAM 合约价环比 +90% 以上），而苹果这代可能不会有 M6 Pro/Max/Ultra——等，大概率等来的是同样的价格和更强的芯片；但如果你现在就需要一台 38W 常开、能跑 27B 的机器，24GB 那档是这一代唯一值得掏钱的位置。
七、不确定的部分
写评测最怕把「一件事」写成「一个结论」，所以把没验证的部分单独列出来：
• Ziskind 的数据是单一来源（YouTube 视频，经 eTeknix / wccftech 转述），本文引用的 742 / 26.9 / 0.72s / 36s / 38W 都是他的读数，没有第二份独立复核；Ars Technica 的评测没做 LLM 基准，两套数据只能互补、不能互证。
• powermetrics 在 M6 上 CPU 功耗恒为 0，M6 的 CPU 能效目前没有工具级证据。
• 本文的带宽上限计算是模型本身的结构性约束（解码 ≈ 带宽 / 权重字节数），实测效率 80%–84% 是在 9B 模型上的读数，换成 27B 或加入推测解码（speculative decoding）后效率会变。
• M6 Pro / Max / Ultra 是否存在只有 Gurman 的传闻，苹果未确认。
• 我没有 Mac mini 实体，第五节的脚本用于复核理论值与官方/第三方数，不代表我在这台机器上跑过。
参考链接
• Apple Newsroom：Mac mini with M6 and M5 Pro（2026-08-25）https://www.apple.com/newsroom/2026/08/apple-unveils-a-more-powerful-mac-mini-featuring-the-all-new-m6-and-m5-pro/
• Apple 中国：Mac mini 技术规格 https://www.apple.com.cn/mac-mini/specs/
• Ars Technica：M6 Mac mini review（2026-09-21）https://arstechnica.com/gadgets/2026/09/apple-m6-mac-mini-review-300-price-hike-spoils-a-nice-upgrade/
• eTeknix / wccftech：Ziskind 的 M6 vs M4 AI 实测转述（2026-09-22）
• TrendForce：1Q26 内存价格展望（2026-02-02）https://www.trendforce.com/presscenter/news/20260202-12911.html
• The Verge：苹果因内存成本上调产品价格（2026-06-25）https://www.theverge.com/tech/952162/apple-price-increase-ram-shortage
• Apple Newsroom：Mac Studio with M5 Max and M5 Ultra https://www.apple.com/newsroom/2026/08/apple-introduces-new-mac-studio-with-m5-max-and-m5-ultra/
• NVIDIA：DGX Spark 硬件概述 https://docs.nvidia.com/dgx/dgx-spark/hardware.html
• 本站前情：M6 Mac mini 开卖前夜 https://www.oferry.com/posts/a420/
参考链接
微信正文不支持外链，以下地址可复制到浏览器打开：
· https://www.apple.com/newsroom/2026/08/apple-unveils-a-more-powerful-mac-mini-featuring-the-all-new-m6-and-m5-pro/：https://www.apple.com/newsroom/2026/08/apple-unveils-a-more-powerful-mac-mini-featuring-the-all-new-m6-and-m5-pro/
· https://www.apple.com.cn/mac-mini/specs/：https://www.apple.com.cn/mac-mini/specs/
· https://arstechnica.com/gadgets/2026/09/apple-m6-mac-mini-review-300-price-hike-spoils-a-nice-upgrade/：https://arstechnica.com/gadgets/2026/09/apple-m6-mac-mini-review-300-price-hike-spoils-a-nice-upgrade/
· https://www.trendforce.com/presscenter/news/20260202-12911.html：https://www.trendforce.com/presscenter/news/20260202-12911.html
· https://www.theverge.com/tech/952162/apple-price-increase-ram-shortage：https://www.theverge.com/tech/952162/apple-price-increase-ram-shortage
· https://www.apple.com/newsroom/2026/08/apple-introduces-new-mac-studio-with-m5-max-and-m5-ultra/：https://www.apple.com/newsroom/2026/08/apple-introduces-new-mac-studio-with-m5-max-and-m5-ultra/
· https://docs.nvidia.com/dgx/dgx-spark/hardware.html：https://docs.nvidia.com/dgx/dgx-spark/hardware.html
· https://www.oferry.com/posts/a420/：https://www.oferry.com/posts/a420/
