O Mac mini nunca foi um computador para IA — até à geração de 2026. A Apple renovou a gama com o M6 (desde 1 079 €, anunciado a 25 de Agosto e à venda desde 22 de Setembro) e, pela primeira vez, colocou Neural Accelerators em cada núcleo da GPU num Mac mini, para resolver o principal defeito da geração anterior em modelos locais: o processamento do prompt. Este guia explica o que mudou, qual a configuração ideal e quais modelos (Gemma, Qwen, Llama) correm bem em cada nível de memória — para quem quer IA local no escritório, sem enviar documentos para a nuvem.

O anúncio veio com números agressivos — até 4× o desempenho de IA do M4 — mas os números que decidem a compra não são os da Apple: são os da largura de banda de memória, o que cabe nos 16, 24, 32 ou 64 GB e o comportamento dos modelos Mixture of Experts. A diferença entre o mini de entrada e o M5 Pro de 64 GB não está no processador — está na memória.

A máquina: cinco polegadas, 4 W e silenciosa

O formato não mudou: uma caixa de alumínio de 5×5 polegadas (12,7×12,7 cm) e 5 cm de altura, com 0,67 kg, que consome cerca de 4 W em repouso e um valor na ordem dos 38 W sob carga de geração de tokens — números medidos pela comunidade em testes com llama.cpp — a ficha técnica oficial refere um máximo contínuo de 155 W. O ruído é de 5 dBA em repouso, inaudível a dois metros. Para uma PME, isto é a diferença entre um servidor de IA numa arca e uma caixa ao lado do monitor que ninguém nota.

Ao lado disto, um PC de GPU dedicada para os mesmos modelos é uma máquina de 500-800 W, com ventoinhas audíveis e 1,5 kW de UPS a considerar. O Mac mini corre modelos com a energia de uma lâmpada LED.

O chip M6: o que a Apple mudou

Componente Mac mini (M6) Mac mini (M5 Pro)
CPU 12 núcleos (2 super + 4 de performance + 6 de eficiência) 15 núcleos (5 de performance + 10 de eficiência), configurável até 18
GPU 12 núcleos, Neural Accelerators em cada um 16 núcleos, também com Neural Accelerators; até 20 núcleos
Neural Engine Dual 16-core (novidade desta geração) 16-core
Memória 16 GB (153 GB/s); 24 ou 32 GB (170 GB/s) 24/48/64 GB — 307 GB/s
Rede 2,5Gb Ethernet (10Gb opcional), Wi-Fi 7, Bluetooth 6 idêntico + Thunderbolt 5
Preço desde 1 079 € desde 2 029 €

As especificações vêm da ficha técnica oficial. Os preços, do comunicado da Apple.

A memória unificada é a diferença arquitectural

Num PC convencional, a GPU tem a sua própria VRAM. Um modelo que exceda os 16 ou 24 GB da placa derrama-se para a memória do sistema por PCI Express e a velocidade de geração colapsa — de dezenas de tokens/s para um ou dois. No Apple Silicon, CPU, GPU e Neural Engine partilham o mesmo bloco de memória, sem cópia: o modelo inteiro cabe no mesmo espaço que o sistema operativo usa. É por isto que um mini de 1 079 € corre modelos de 27 mil milhões de parâmetros — e por isto que a escolha da memória é a decisão real da compra.

A conta de três camadas

  • Pesos do modelo — fixos assim que carregados. Um modelo de 27B a quantização de 4 bits ocupa cerca de 16 GB.
  • Cache KV — a memória de trabalho da conversa, que cresce a cada documento e mensagem: ~2 GB a 8k tokens de contexto, ~8 GB a 32k, mais de 33 GB a 128k num modelo desta classe.
  • macOS e aplicações — o sistema, o browser e o editor reclamam 4 a 8 GB.

A conta final: num mini de 16 GB, o macOS deixa ~10-11 GB livres — um 27B nem carrega. Num de 24 GB, o modelo carrega, mas um documento comprido empurra a cache KV contra o tecto e o processo termina por falta de memória (out of memory). Com 32 GB, sobram cerca de 25 GB: o modelo e a cache KV (16–32k tokens) cabem com folga. Este cálculo vale como estimativa — cada arquitectura de modelo consome a cache de forma diferente.

Duas velocidades diferentes: prefill e decode

Quando escreves um prompt, a espera divide-se em duas fases com gargalos opostos. O prefill (o tempo até ao primeiro token) é o trabalho de leitura: ingere o documento colado, o repositório de código, o histórico de conversas — é uma fase intensiva de cálculo. O decode (a geração em si) fica limitado pela largura de banda de memória: cada novo token exige ler todos os pesos do modelo uma vez.

Era aqui que as gerações anteriores falhavam: um prompt comprido no M4 podia congelar a sessão por dezenas de segundos. O M6 resolve-o a nível de silício — os Neural Accelerators em cada núcleo da GPU existem para esta fase. Em medições independentes com llama.cpp (Alex Ziskind, modelo de 9B a Q4), o prefill passou de 210 para 742 tokens/s (3,5×), baixando o tempo até ao primeiro token de 2,5 s para menos de 0,7 s. A Apple anuncia “até 4,8×” no LM Studio — o número muda com o modelo, a ordem de grandeza é a mesma.

No decode, a conta é física: largura de banda ÷ tamanho do modelo. A 170 GB/s, um modelo de 27B a 4-bit (~16 GB) limita a ~8-10 tokens/s. Um M5 Pro a 307 GB/s quase duplica. É por isso que a memória é a decisão central — mais núcleos da CPU não aceleram a geração de um token.

O atalho: modelos Mixture of Experts

Antes de comprar mais memória, há um atalho de software: os modelos Mixture of Experts. Um modelo denso de 27B lê os 27 mil milhões de pesos para cada token. Um MoE de dimensão semelhante (por exemplo, os ~3B activados de um Qwen3-30B-A3B, ou os de um MoE de 35B mantém todos os pesos em memória, mas só activa alguns milhares de milhões por token — a largura de banda exigida por token diminui na mesma proporção. Em testes comparativos no mesmo hardware, um MoE de 35B gera a mais de 70 tokens/s enquanto o denso de 27B fica nos 14: uma aceleração de 5× sem gastar mais um cêntimo em hardware. Para tarefas de agente e chamadas a ferramentas, onde a resposta tem de aparecer, é o tipo de modelo a colocar primeiro no Mac mini.

As quatro configurações à venda

A Apple vende dois chips: o M6 (a arquitectura nova) e o M5 Pro (o chip “pro” da geração anterior, agora neste mini). Não existe um mini “M5” base. As configurações de stock (EveryMac, a 12/10) são:

Config. Memória Largura de banda Preço (EUR)
M6 base 16 GB / 256 GB 153 GB/s 1 079 €
M6 24 GB / 256 GB 170 GB/s 1 299 €
M6 (por medida) 32 GB 170 GB/s 1 519 €
M5 Pro (por medida) 24-64 GB 307 GB/s desde 2 029 €

Aviso: os preços das configurações por medida (configure-to-order) variam com o disco — a Apple permite 24/32 GB de memória e 256 GB a 2 TB de SSD no M6. Os valores da tabela, à data deste artigo (loja portuguesa), são de stock: confirma o preço final no configurador da apple.com antes de fechar a compra.

O que corre em cada configuração

Com a conta das três camadas em mente, o mapa real de cada máquina — velocidades típicas reportadas em benchmarks da comunidade (llama.cpp e LM Studio, modelos a Q4):

Configuração Modelos confortáveis Velocidade típica
16 GB (1 079 €) 8B denso (Llama 3 8B, Qwen 8B) 8B: 15-25 tokens/s — um 27B não carrega
24 GB (1 299 €) 27B denso com contexto curto; 30B-A3B MoE 27B: 8-10 tokens/s (16-19 com MTP); MoE: 40-60+
32 GB (1 519 €) 27B denso + contexto real (16-32k); 35B MoE 27B: 8-10; MoE: 50-70
64 GB M5 Pro 70B denso; contextos gigantes com MoE 70B: 6-10; modelos médios: 25+

A leitura prática: o 16 GB é uma âncora de marketing para IA — serve para modelos de 8B e para se desiludir. O 24 GB é o nível de entrada real: um 27B cabe, mas o contexto fica limitado. O 32 GB é onde a fórmula preço/capacidade do M6 acerta — memória suficiente para contexto real de agente. O 64 GB M5 Pro é a escalada para modelos de 70B ou contextos enormes — sublinhando que os mil euros extra também pagam a velocidade (307 GB/s).

Instalar e testar: Ollama e LM Studio

No macOS, o caminho mais simples é o Ollama — o kbase.pt tem guia dedicado para a stack completa com Open WebUI. Descarrega o instalador de ollama.com, arrasta para as Aplicações e corre:

ollama run gemma3:27b
# ou um MoE — o tipo de modelo que este hardware explora melhor:
ollama run qwen3:30b-a3b

Para medir dentro do Ollama, ollama run <modelo> --verbose imprime os tokens por segundo de prefill e decode no final de cada resposta. O LM Studio (grátis) é a alternativa com catálogo Hugging Face integrado — e inclui um benchmark de largura de banda de memória que confirma os 153 ou 170 GB/s da configuração antes de decidir se o modelo cabe com o contexto pretendido.

  • MLX — o framework próprio da Apple (via LM Studio) tem conversões optimizadas para silício Apple. O llama.cpp/Ollama segue a ser o caminho para os modelos GGUF.
  • Memória partilhada — o modelo carregado ocupa a memória unificada mesmo sem servir pedidos: fecha o Ollama ou executa ollama stop antes de abrir o Xcode ou um browser com muitas abas.

O primeiro pedido descarrega pesos de vários GB do Hugging Face. A velocidade do disco só influencia o carregamento, nunca a geração.

Quando um Mac mini não é a resposta

A honestidade do veredicto: para código complexo multi-turno com raciocínio de fronteira (Claude, GPT-5-class), os modelos abertos ainda ficam aquém. Antes de comprar hardware, vale um teste real: duas semanas de subscrição de nuvem (cerca de 20 €) a correr os prompts de trabalho num modelo de 27B e num de 70B abertos — deixa o trabalho real decidir se a privacidade e o custo fixo da IA local valem a diferença.

E se o alvo são modelos de mais de 100B (120B+), o Mac mini deixa de ser o produto certo: é o território do Mac Studio com M5 Max (desde 3 049 €) — a Apple tem-no na mesma loja, pelo mesmo motivo pelo qual o mini M5 Pro é o tecto sensato desta história.

Regra final de compra: fecha a aba de 1 079 € (16 GB deixa-te encalhado) e a de pânico (a menos que corras modelos de 70B todos os dias). Encomenda o Mac mini M6 com 32 GB: processamento de prompt instantâneo, espaço real para contexto, e uma caixa de 4 W silenciosa — sem pagar cerca de 25 € por cada GB a adivinhar.

Veredicto

O Mac mini M6 é, pela primeira vez, um bom primeiro computador de IA local para uma PME — não pela velocidade bruta (um PC com RTX 4090 gera mais rápido), mas pelo equilíbrio: 4 W, silencioso, à prova de curiosos de TI, com memória unificada que não deixa os modelos limitados pela VRAM. A decisão está toda na memória: 32 GB no M6 cobre o trabalho real de 90% dos casos (27B denso + agentes MoE) — o M5 Pro de 64 GB é para quem treina ou corre 70B em produção. E a verificação cabe ao software: começa pelos modelos MoE — é a aceleração de 5× que ninguém está a vender.

Artigos Relacionados

Fontes Oficiais