这是 M6 Mac Mini，那是 M4。很难看出区别，对吧？据说 M6 Mac Mini 会让 M4 过时。自然，我做的第一件事就是运行 Geekbench。等一下。在这台 MacBook Pro 上，M6 的得分比 M5 低：4085 对 4190。让我们看看。当 M5 发布时，Geekbench 6 是标准版本。现在我们有 Geekbench 7。在版本 7中，所有分数都更低了。所以我用版本 7重新运行了 M5的数值。看，M5上是3715分。但这并不重要，因为 M5 并没有在 Mac Mini上提供。我们直接从 M4跳到了 M6。好吧，Geekbench 只是一方面。稍后我们会进行实际测试。这让我想知道，M6相比 M4是否有足够大的飞跃从而真正重要？换句话说，如果你已经拥有 M4，你在乎吗？我还会做一些开发测试和本地 AI 演示。这仅仅是我的初步看法，在接下来的视频中我将深入挖掘所有内容，包括 M6、M5 Pro Mac Mini构建负载集群以及那个“大块头”——M5 Ultra。哦，是的。

感谢 MicroEnter 对本视频的支持，请点击下方链接了解详情。现在让我们回到这些 Mac 电脑上来。M6 是苹果首款采用 2nm 工艺的芯片，没错，就是 2 纳米。而 M4 则是 3 纳米工艺。（我刚才是不是说反了？26还是34？这确实容易让人混淆。）新款芯片拥有更小、更先进的晶体管，这意味着它们漏电流更少，运行温度更低。你可能以前听过这种说法，但这究竟意味着什么呢？简单来说，在消耗相同电量的情况下，你能获得更快的速度。

处于空闲状态时，Mac mini 的功耗极低且基本一致，也就是说它们的“基础”是一样的。但当你施加负载时，M6 能完成更多工作，你之前已经看到了一个例子。还有一个对人工智能至关重要的数据：内存带宽。在进入一些测试环节前，我想先展示这一点。这指的是芯片移动数据的速度有多快。M4 的带宽约为每秒 120 GB，而 M6 则因型号不同而异。你要么得到 153，要么是 170。这挺让人困惑的，对吧？怎么会有 170 这么高的数值呢？

如果你往下查看配置选项，会发现只有升级到 32 GB 内存时，才能获得 170 GB/s 的带宽。否则，如果你只有 16 GB 内存，那么得到的就是 153 GB/s。当然，这些只是苹果官方公布的数据。我们该如何实际测量呢？有一个名为 Stream Benchmark 的工具已经存在很多年了，它专门用于测量内存带宽。你可以在 GitHub 上找到它。我把它下载下来并编译运行，这是一个 C 语言程序。如果你不知道怎么做，可以让 Claude Code 帮你搞定。

结果运行得非常快。在 M4 上，复制操作的带宽测得为每秒 112 GB，这与官方数据相当接近，仅相差约 8 GB。而在 M6（170规格）上，我们测得的结果是每秒 143 GB，这与官方数据有较大差距。稍后我们会讨论这个问题，但我目前的测量值是 143 GB/s。让我们再测一次，因为速度真的很快。这次的结果是 144.7 GB/s。显然，这将在人工智能应用中发挥直接作用。

说到这个，现在进入最有趣的部分：本地 AI 运行。其实所有部分都很有趣，取决于你在做什么。这正是那种能让你实现所有这些功能的机器类型。苹果正大力转向人工智能领域，无论是叫“Apple Intelligence”还是传统的 AI 形式。其硬件设计旨在本地运行这些应用，特别是针对这款机型（具体细节留给下一期视频）。

在本地运行 AI 主要取决于两件事：一是算力，即 GPU 及其神经引擎的强度。这决定了提示词处理阶段的速度——也就是它读取你的指令、决定如何操作以及进行计算有多快。二是内存带宽，即写入速度，这决定了在生成文本、图像甚至视频时移动数据的速度。这款小巧的 Mac mini 在这两方面都表现出色。

你可能会看到两个与内存相关的不同数值：带宽和容量。带宽是指内存移动数据的速度，你可以将其想象为管道的宽度；管道越宽，水流速度越快。容量是指你拥有的内存总量，这就像是向管道供水的水箱大小。（我有点渴了。）因此，速度决定了模型运行的快慢，而容量则决定你的模型能否运行。如果参数数量过多（数十亿级别），它可能根本装不下你现有的内存中，导致无法运行。

移开玻璃杯以免弄湿我们的新 Mac mini，然后加载一个模型。好的，我目前使用的是 Llama CPP，因为这是一个非常流行的工具，稍后我们会讨论 LM Studio。这里只想获取一些关于提示词处理（PP）和令牌生成（TG，别开这种玩笑，我知道你想这么简称）的基本数据。当前运行的是一个 35.9 亿参数的模型，这是 Q4K 量化版本。这是一个 GGUF 格式的模型。（我知道我刚才抛出了很多缩写和术语，我在其他视频中会详细解释。）

我在这里运行 90 亿参数的模型是因为它非常适合。你总是希望将模型适配到你的硬件上。这里的差异非常明显，尤其是在提示词处理方面：M4 为每秒 210 个令牌，而 M6 高达每秒 742 个令牌。这是 GPU（特别是神经加速器）带来的性能提升。而在令牌生成方面，这涉及内存带宽：M4 为每秒 18 个令牌，M6 为每秒 26.9 个令牌。

我想在 Llama Bench 中展示这一点，也在 Llama Beni 中进行测试，因为后者采用了更真实的方法：它通过网络实际与服务器通信，这通常是你使用此类工具的方式。在使用 Llama Beni 时，我们首先启动一个服务器，然后多次运行以获取平均分数。Llama 是由 YuGER 开发的开源项目，你可以在 GitHub 上查看（链接会在下方提供）。此外，它可以与任何类型的服务器配合使用，如 vLLM、SGLang 以及 Llama CPP。

哇，这也显示了另一个非常重要的信息：首令牌时间（Time to First Token）。看看这个首令牌时间，M4 需要 2.5 秒，而 M6 仅需 721 毫秒，不到一秒。这里的 PP（提示词处理）和 TG（令牌生成）数值稍低一些，因为它使用 HTTP 与服务器通信。因此，M4 的 PP 为 198，TG 为 17；而 M6 的 PP 达到 711，TG 为 26。

但当你实际看到生成的文本时，这看起来是什么样的呢？这就是效果：看看它已经写了多少内容。这一屏只有一半的内容，而那一屏已经是满的了。这就是我们要科学衡量这些指标的方式。这是一个思维模型（Thinking Model），所以它在大量“思考”。但无论如何，这都是令牌生成过程。无论是思维令牌还是实际输出令牌，它的速度是一样的。（好吧，它思考得太多了，所以我不得不终止了进程。）

以下是具体数据：在 M4 上，提示词处理速度为每秒 45.9 个令牌，生成速度为每秒 17.4 个。在 M6 上，提示词处理达到每秒 71 个令牌，生成速度为每秒 26 个。显然，M6 在读取你的提示词和生成回复方面都快得多。这种新架构以及额外的带宽正在这里发挥实际作用。

好的，文本生成是一回事，让我们让它画点什么吧。（啪！）这是 Flux.1 模型。在两台设备上使用完全相同的提示词。你已经可以看到预估时间上的巨大差异：这一台显示 33（秒），预览图已经弹出。哇！而那一台预估的时间要长得多。（音乐声）它完成了。M6 仅用 35 秒就生成了这张图片，而另一台仍在采样中。现在，这个模型可以舒适地装在 16 GB

内存方面没有问题，我们这里看到的是内存带宽在发挥作用。快点，快点，快点！是的，1分34秒。这是一个巨大的差异。这两个模型现在都加载在这两台机器上，内存没有任何压力，一切状态良好（绿色）。我要再加大一点难度。[笑声] 我正在循环运行一个本地模型100次，每次生成一千个token，并观察其生成过程。Mactop显示芯片功耗为34瓦，而另一台约为31瓦。实际上它在波动，是的，M6大约在30到31瓦之间。M6的最大功耗为38瓦，而M4为44瓦。因此，尽管速度更快，但功耗却更低。这是在GPU利用率100%的情况下测得的。这正是2纳米芯片真正应该发光的地方，不仅快，而且快速且凉爽。

看看这个，你甚至可以在热成像仪中看到颜色的[音乐]差异。看这里，M4的温度是37.6和37.7度，而我们是35.9和33度。低了大概几度。好吧，我不打算在这里吹毛求疵，但它确实低了一点。哇，看看这家伙。温度与M6相同。那是谁？我不知道。所以，还记得我之前跟你提到的双神经引擎吗？那里肯定有一些很好的机会正在发生，还有像原生FP8支持这样的新功能。那是浮点8位（Floating Point 8）。肯定需要进行适当的测试，所以我会在另一个视频中讨论这一点。确保订阅以免错过那期视频。

目前最流行且非常强大的模型之一是Qwen 3.827B。当你观看这个视频时，可能会有新的东西发布。但就现在而言，该模型的大小刚刚超过16 GB。它在拥有16GB内存的机器上无法运行，无论是M4还是M6，它都会提示类似“可能太大”的内容。你可以尝试一下，可以下载它，可以在LM Studios中放宽限制，但你肯定会遇到问题。它根本不适合你运行。然而，如果是32GB内存，[音乐]那就没问题了。看吧。我会将上下文全部提升到26.2万，它会加载它，没问题。看看内存使用情况上升到了23GB使用量，仍然还有很多剩余空间。“嗨，今天我能帮你什么？”它的速度不是特别快，每秒9.7个token。但它确实做到了，而且很流畅，没有抱怨。我这里的16GB模型做不到这一点。

但关键在于M4 Mac mini不会给你32GB的选项，它们最高只到24GB。新的M6 Mac mini最高可[音乐]达32GB。对于本地AI，32GB的升级不是可有可无的，它是运行一个270亿参数模型[音乐]与否的区别。那么Mac mini到底需要多少配置？对于大多数人来说，基础版M6 Mac mini加上一个明智的升级就是难以置信的价值。至于那个256GB的版本，我不会买它。特别是因为你在那里得不到Thunderbolt 5接口。数据传输来回会非常慢，不是特别慢，但比目前现有的能力要慢一些。所以对于普通用户和AI用户来说，512GB存储或甚至1TB是更好的选择。32GB内存。起售价为899美元，

这比M4发布时的价格更贵，但嗯，我认为对于这款芯片来说这是一个公平的价格。目前你仍然以这个价格获得256GB的存储（注：原文为TE，推测指TB或特定配置，结合语境可能是笔误或特指基础存储）。但是如果你能接受外部存储和数据卸载，那么对于一台如此小的机器来说，拥有目前最快的芯片之一，这确实是一笔很好的交易。M5 Pro的价格约为1700美元起，是两倍之多。它的性能也是两倍吗？嗯，我不知道。我们将不得不拭目以待。敬请期待。但如果你只购买其中一款，那么你可能是靠工作赚钱并将其用于专业用途的。这是我的初步看法，希望你喜欢它。我们当然会深入挖掘，比如我正在构建的那个M5 Pro集群以及M5 Ultra。请留意那些视频。

谢谢观看，下次见。