899元Mac Mini实测：能替代200美元AI订阅吗？

一台900美元左右的Mac mini，能否干掉每月200美元的AI订阅？这个问题看似简单，背后却涉及模型运行原理、内存限制、任务类型和成本核算的复杂权衡。一位B站UP主用他的M4 Mac mini做了详细实测，结论既不是“能”也不是“不能”，而是一套更聪明的混合策略。

为什么你会想用Mac mini替代订阅？

AI代理可以拆成两部分：身体和大脑。身体是持续运行的电脑，负责跑任务；大脑是云端的大模型，负责思考。订阅费本质上买的是三样东西：模型本身、数据中心的读取算力，以及使用额度。Mac mini理论上三样都能自己扛——它能当模型宿主、自己做读取、还没有额度上限。问题在于，它真的扛得动吗？

内存才是真正的瓶颈

任何机器跑本地模型，最重要的规格不是芯片，而是内存。整个模型必须装进RAM，装不下就跑不了。Mac的内存是共享的，16GB机型上macOS和日常应用已经占用了近14GB，留给AI模型的部分只有10到12GB。常见的27B参数模型需要16到18GB内存，根本塞不进去。

模型大小用参数量衡量，参数越多通常越聪明，但也越大。速度方面，模型每写一个token，芯片需要读一次内存，所以速度大致等于内存带宽除以模型大小。苹果官方数据称M4 Mac mini的内存读取速度为120GB/s，据此推算7GB左右的模型能达到每秒15到20个token。UP主实测用Ollama跑一个7B级别的模型总结维基百科页面，速度约为每秒13个token，但处理提示词花了2分20秒，而云端模型不到3秒就开始回答。

统一内存架构（Unified Memory） 是苹果自 M 系列芯片起采用的设计：CPU 和 GPU 共享同一块物理内存池，而不是像传统 PC 那样各有独立显存。这对本地跑模型有两面性。好处是 GPU 可以直接访问全部系统内存，无需把模型权重先复制到显存，因此一台 32GB 的 Mac 理论上能让 GPU 用上接近 32GB 来跑模型。坏处是这块内存还要同时养活 macOS、浏览器、编辑器等所有应用，实际可分配给模型的余量往往比标称值少 4 到 6GB。这也是原文强调“标称 16GB、实得 10 到 12GB”的原因，选购时应按可用余量而非标称容量估算能装多大的模型。

代理场景暴露真实差距

短问答的速度测试意义有限。代理每次向模型发送的不只是用户消息，还包括指令、记忆、可用工具列表以及完整对话历史。模型在写第一个字之前必须先读完所有这些内容，这个过程叫pre-fill。在内存小于24GB的Mac上，Ollama默认只给模型约4000个token的上下文，而代理至少需要64000，必须在设置里手动调整，否则任务跑到一半就会丢失上下文。

加长提示词后，本地模型的等待时间显著拉长。但UP主指出，等待本身未必是致命伤——对于睡觉时按计划跑的任务，等10分钟和等2分钟没有区别，因为人根本不在旁边。真正的限制是质量：小模型在复杂任务上会输，但在干净简单的任务上完全可用。

pre-fill（预填充）与 token 生成是两个阶段。pre-fill 指模型一次性读入整段提示词、建立注意力缓存的过程，它可以并行处理，通常比逐字生成快，但耗时随提示词长度线性甚至更快增长。token 生成则是逐字串行输出，每步都要读一遍模型权重。代理场景的提示词里包含系统指令、工具定义、历史对话和检索到的记忆，动辄数万 token，于是 pre-fill 成为主要等待来源——原文中“2 分 20 秒才开始回答”正是卡在这一步。上下文窗口则是模型一次能容纳的最大 token 数，Ollama 默认给的约 4000 token 远小于代理所需，超出部分会被截断，表现为模型“忘了”前面的指令或工具，任务因此中断。

前沿开源模型：想跑也跑不动

根据Artificial Analysis的评分图表，最好的付费模型得分在58左右，最好的开源模型大约在44到46分，差距在缩小。但整张图上最强的开源模型参数量超过1万亿，即使大幅压缩，光加载就需要约236GB内存。最顶配的Mac mini只有64GB，售价约2700美元；要装下这样的模型需要256GB内存的Mac Studio，大约9500美元。按每月200美元的订阅费计算，光回本就要约四年，而且回本之后机器仍然更慢、更笨。

所以，在家追前沿大脑这条路，在Mac mini上走不通。这也意味着，本地跑小模型时，你替代的并不是200美元的云端大模型，而是同一个模型在线租用的成本——后者便宜到几乎可以忽略，100万token约10美分，代理跑一整天也就几美元。钱从来不是本地化的理由。

量化（Quantization） 是把模型权重从 16 位浮点压缩到 8 位、4 位甚至更低的表示，用少量精度损失换取内存和速度的大幅下降。常见格式如 GGUF 的 Q4_K_M 能把模型压到原体积的四分之一左右，这也是消费级硬件能跑 7B 到 14B 模型的关键。但量化有下限：参数规模本身的绝对值不会消失，1 万亿参数的模型即便压到 4 位仍需数百 GB，且低比特量化会明显损伤推理与工具调用能力。所以原文所说的“即使大幅压缩仍需约 236GB”并非夸张——量化能让小模型挤进 Mac mini，却无法把前沿大模型塞进 64GB 内存。

本地运行真正不可替代的三件事

订阅再贵也给不了的东西，才是Mac mini的价值所在。第一是隐私：数据永远不离开房间，收件箱、日历、文档不会被发送给任何公司。第二是没有上限：没有五小时限制，没有每周限额，全天候运行。第三是运行成本趋近于零：UP主称这台Mac mini待机功耗4瓦、满载65瓦，按荷兰每度26美分电费计算，待机一整月约74美分，即使整月满载也只有约12美元。

这三件事指向同一个定位：Mac mini不是订阅的替代品，而是常驻智能体最好的家。私密任务、重复任务、睡觉时跑的任务交给本地小模型，遇到难题再把单个任务转交给付费大脑。

混合架构在实践中通常由一个调度层来实现：代理框架根据任务属性决定走本地还是云端。私密数据（邮件、日历、本地文件）只在本地模型处理，避免外发；重复性、可排期的任务（每日摘要、文件整理）放本地夜间跑；需要强推理的难题则把脱敏后的单个子任务转发给云端 API。这样既保留了本地推理的隐私与无额度限制，又只在真正需要时消耗云端 token，成本可控。原文建议的“先观察一周用量再决定套餐”正是这一思路的简化版——先量化自己的真实需求，再决定哪部分交给本地、哪部分留给云端。

该买哪台？什么时候划算？

基础版M6 Mac mini售价约900美元，内存仍是16GB，只能跑实测过的同尺寸模型。真正改变局面的是32GB版本，约1300美元，多出的400美元相当于两个月200美元套餐的费用，但能让更大更聪明的模型装得下。M5 Pro配64GB起价约2700美元，内存带宽翻倍、运行更快，适合把本地AI当爱好的人。32GB是底线。

UP主最后给了一个零成本的省钱建议：买之前先花一周观察自己的实际使用情况，如果没碰到额度上限，就降级到20或100美元的套餐，用到的还是同样的模型，口袋里却能多留钱。Mac mini的定位不是替身，而是本地常驻智能体的宿主——它处理私密与计划任务，难题外包给云端，这才是当下最务实的混合架构。