最近"买台Mac跑大模型"这个念头，估计不少人都动过。WWDC26之后M5 Ultra把统一内存带宽拉到1.2TB/s，新一批Mac mini M6陆续到货，再赶上MiniMax H3这波开源视频模型本地跑的热潮，Mac突然又成了本地部署圈的中心话题。小红书
但社区里吵得也凶。小红书上一篇《想买Mac部署大模型的都清醒一点》，十几条评论吵机型吵到不可开交，博主直接甩结论：M6、M5 Pro跑不动，M5 Max勉勉强强，M5 Ultra畅跑。另一篇《本地大模型很好，但Mac不好》更是92条评论吵翻了天。有老玩家总结得更直白：每次发本地部署，评论区必吵，有人说Mac mini好，有人说必须上塔式机，两边都觉得对方外行。小红书小红书小红书
我把最近一周全网的实测帖扒了一遍，发现吵的根源其实是同一件事：把"模型能塞进去"当成了"机器能干活"。这中间隔着三堵墙，每一堵都有人用真金白银撞过。
第一堵墙：统一内存不是显存，苹果默认只批给你75%
Mac玩家最容易踩的第一个坑，是拿N卡的显存记账方式直接套统一内存。Mac上跑大模型，系统默认只允许GPU划走大约75%的统一内存（wired_mem_limit）——也就是说，你那台128G的Mac，GPU真正能用的只有96G左右，还没开跑就先被系统收走一块。小红书
有博主用M3 Max（128G内存）+ oMLX硬跑103.94G的Qwen3.8-Flash-Next量化版，把坑全踩了一遍：Metal内存上限107.52GB，模型权重先占掉98.21GB——91%没了，只剩约9GB留给KV Cache和预填充缓冲。结果就是调度器只能把预填充块从4096一路砍到416甚至96，预填充速度从19.8 tok/s直接掉到0.8 tok/s。小红书
注意，这时候解码速度其实还有25-34 tok/s，对这个体量的模型属于正常水平——慢的不是推理，是内存。博主的原话很扎心：“128G跑104G是「刚好塞下」”。刚好塞下，恰恰是最危险的状态：权重把内存吃干抹净，留给"干活用的活钱"所剩无几。小红书
这套账N卡玩家其实熟悉——之前聊过"27B权重只有7.2GB、12G卡却吃到10.8GB"，就是只算权重不算KV Cache的坑。Mac版多一层：还没轮到你算，系统先砍你25%。
第二堵墙：带宽管吐字快慢，算力管首字等多久
第二个误会更隐蔽：只盯着带宽数字买机器。统一内存的带宽决定的是模型"开口之后"吐字快不快；但你点下发送到它吐出第一个字之间的那段"读题"（预填充），吃的是纯算力。系统提示、历史对话、挂载的文件、Agent一轮轮的工具调用，几乎每轮都要重新吞一遍。跑个Agent流水线，题目越长，这段等待越明显。小红书
这正好解释了一个反常识现象：为什么二手M1 Ultra、M2 Ultra"纸面800GB/s带宽"放到今天并没有想象中香。有博主拿自己的M1 Pro和公司的M4 Pro实测，再对照社区benchmark，结论是老Ultra跑纯LLM解码确实还能打，但一进真实生产力场景——Agent、长上下文、多轮工具调用——就力不从心，新一代芯片在预填充和GPU架构上的差距开始显现。小红书
而在M5 Ultra之前，Mac这截"读题"能力一直是短板。M5 Ultra能不能补上，开售后的实测才算数，现在提前吹或提前贬都不靠谱。这也是当前Mac跑大模型最大的悬念。小红书
第三堵墙：SSD缓存救不了内存不够
第三个坑，是"内存不够拿SSD凑"的幻想。
还是那台128G硬跑104G模型的实测：很多人以为oMLX这类框架能把模型切一部分到SSD上跑——错。进SSD的只有KV Cache（注意力状态），98.2G的权重必须完整待在内存里，一克都不能少。小红书
更妙的是缓存块的机制：这个混合架构的缓存块是4096 token一块，博主前三轮提示词长度分别是53、116、1518 token——一块都凑不满，缓存效率0%、缓存文件0。直到第4轮一次性塞了9740 token，才第一次真正写入缓存。博主总结：它治的是重复预填充的首字延迟，治不了内存不够。小红书
视频党单独算：M5 Ultra跑MiniMax H3的四档实测
如果奔着这波H3本地跑视频的热潮去买Mac，有一份针对M5 Ultra、跑42.5GB的MiniMax H3的调研值得整段看完。调研的结论先行：显存够霸权，但算力是瓶颈，纯跑视频千万别盲目冲超大内存。同样是受75%划拨上限约束，四档内存表现截然不同：小红书
96GB：GPU可用约60GB，跑720p尚可，跑1080p极易触发OOM或SSD Swap导致卡死，属于踩线临界；
128GB：GPU可用约96GB，权重与1080p去噪激活值完整常驻，零换页损耗，是最经济的安全线，也是甜点档；
256GB：显存充沛到可以直接加载原生FP16/BF16未量化权重（约80GB），挂多重ControlNet画质零衰减；
512GB：算力根本喂不饱显存，跑纯视频纯属浪费，唯一价值是做多模态Agent本地服务器，常驻70B以上的编剧大模型加音视频全管线。
速度上的现实更残酷：同一个1080p、5秒的片段，RTX 4090魔改48G约9分钟出片，M5 Ultra被拉开约45倍差距。小红书
慢的原因是Mac缺乏专用低比特Tensor Cores，且MPS暂不支持SageAttention这类加速，视频模型正好把这两个短板全踩中。调研的选购建议一句话：Mac日常主力+夜间离线渲染，选128GB；商业级高频AI视频生产力，果断选N卡；严禁为了纯跑视频去买256G/512G。顺带一提，统一内存赛道不止苹果一家在卷，B站已经有博主晒出7000美元级别的Dell ProMax（Nvidia GB10、128GB统一内存）全家桶配置，Llama.cpp、Ollama、vLLM的对比都做了——这个赛道的价格战才刚开始。小红书哔哩哔哩
真要买，钱怎么花
综合几位博主的调研，预算分档大致是这样的：
约1.9万：M5 Pro 48GB。27B/32B级模型，本地Agent、知识库、日常开发能比较舒服地跑；
约2.75万：M5 Max 64GB。重度Agent、长上下文，轻度生图，更均衡；
约3.95万：M5 Max 128GB。被调研博主列为最推荐的一档——128GB才真正进入70B/100B级MoE的实用范围，且已有Qwen3.8-Flash-Next的真实部署数据背书。小红书
二手M2 Ultra、M4 Max不是不能买，但只有价格优势足够大才值得——老芯片的预填充短板摆在那里。至于15万的256G Mac Studio，社区里"当算力买不值、当理财产品真香"的争论就没停过，那已经是另一个故事了。小红书小红书
什么人该走Mac路线，什么人趁早转弯
把上面的账合起来，人群边界其实很清楚：
Mac路线成立的人：以跑语言模型为主，做本地Agent、私有知识库、文献阅读这类活；在意安静、省电、24小时挂机当家用AI主机；或者本来就缺一台主力Mac，跑模型只是加分项。这类人内存直接往128G配，64G是底线。
趁早转弯的人：文生图、AI视频是主业或强需求的，Mac连甜点都算不上，老老实实走N卡——这也是最近二手N卡价格往上飙的原因之一，需求是真实存在的。小红书
谁都别劝的人：只是好奇"本地跑大模型是什么感觉"的。先用手里现成的电脑装个Ollama或LM Studio，跑个9B级小模型试试需求是真是假，再决定要不要为这件事花两万块。为好奇买单，是这波热潮里最容易后悔的一种买法。
接下来值得盯的三个信号
一是M5 Ultra开售后的预填充实测数据——它决定"Mac读题慢"这块最后的心病补没补上；二是MPS什么时候支持SageAttention这类加速，直接决定Mac跑视频模型的可用性；三是二手M2 Ultra、M4 Max的价格走势，老旗舰的带宽红利还剩多少溢价空间。
你手上的Mac现在跑的什么模型、几个token每秒？评论区报个数，给后来人当个参考。
校验提示文案
校验提示文案