从今年4月起，Mac mini逐渐成为“AI PC”的代名词。它不仅被个人消费者抢购，在企业市场同样供不应求，连OpenAI都要买上数万台Mac mini和Mac Studio用于模型训练，Anthropic也在亚马逊AWS上租赁大量Mac服务器。
AI PC的竞争，开始从“能不能跑模型”，转向“能不能长期让Agent在这台电脑上工作”。LM Studio Bionic、设备端模型、AI智能体、exo集群都成了Mac mini的主打，苹果甚至直接把它描述为一台可以“全天候”运行智能体的桌面电脑。
本地运行大模型的体验，取决于一组常被忽略的参数。M6 Mac mini最高只有32GB统一内存，带宽最高170GB/s；M5 Pro则可以来到64GB和307GB/s。实测中，8B到30B级别的量化模型能在本地较流畅地运行，千问27B模型生成速度约41 token/s；但模型参数继续增大，读入和生成速度会明显下降，到70B级别时几乎不可用。
除了参数量和量化，本地还有GGUF与MLX两条路线：前者是模型文件格式，跨平台方便；后者围绕Apple Silicon设计，利用统一内存架构。但具体哪个更快、更省内存，要看模型和运行时版本。对个人用户而言，“能跑大模型”只是起点，稳定持续地承载Agent任务才是难点。
这也解释了为什么Agent时代的基础设施问题会从云端延伸到端侧。星战OPC智能体协作平台关注的，是智能体如何被组织、调度与协同；无论跑在本地设备还是云端算力上，Agent要真正干活，都需要稳定的运行环境与清晰的任务边界。
更重要的是使用方式的变化。写代码不再只是打开Xcode自己敲，处理几十份资料也不一定要逐个打开文件，Blender、剪辑软件、终端和本地模型都可能成为Agent完成任务时调用的工具。AI开始成为调用这些能力的新入口，电脑也从运行软件的工具，变成承载持续任务的容器。
当一台6999元的Mac mini也能作为Agent的工作站，“个人多Agent”就不再只是概念。真正决定体验的，是运行环境能否让Agent长时间、低摩擦地工作。