一台主机，多重角色：新款 Mac mini 首发体验

Mac mini 虽然不是性能最强、体验最完整的 Mac 电脑，但在 AI 时代，它或许比以往任何时候都更适合家庭用户。从年初 OpenClaw 的现象级走红，到如今 Codex 引领 Agent 工作方式潮流，这台小巧精悍的 Mac 正在走入越来越多人的视线，成为值得考虑的那个选择。 正因如此，在 M4 / M4 Pro 版 Mac mini 发布近两年后，大家对于新版 Mac mini 的呼声与期待都越来越高，好在等待终于告一段落，新款 Mac mini 终于姗姗来迟。不同的是，除了意料之中的 M5 Pro 芯片版本之外，Mac mini 还首次搭载了全新一代 Apple silicon 芯片、也是 Mac 上的首枚 2 纳米制程芯片——M6 芯片。 方方正正，摆哪都好看 我之前使用的 Mac mini 是 M2 Pro 芯片的老设计版本，这次升级到 M5 Pro 芯片版本，也是我第一次将这台在此前已经过重新设计的 Mac mini 摆在自己的桌面上，外观毫无疑问是这台 Mac 带给我的最大惊喜之一。 体积更加小巧紧凑、比例更为协调自然，Mac mini 依然是那台放在家中任意角落都好看的 Mac。 当然，在更好看之外，Mac mini 的设计也有对易用性的重新考量：机身前方提供一个支持高阻抗耳机的 3.5 毫米接口和两个 USB 3 速率的 USB-C 接口，方便临时外接硬盘或给键盘和鼠标充电，不用再盲目摸着机身背面的接口插线；机身背后的三个雷雳接口也由横向开孔改为竖向开孔，能够避免接口同时使用时线缆之间「打架」。 唯一比较遗憾的是 Mac mini 依然不提供 SDXC 卡槽，相机拍的照片还是需要通过 USB-C 转接器才能方便地导入设备。 与两年前的上一代 M4 系列芯片的 Mac mini 相比，这一代产品虽然在整体外形、接口排布和数量方面都没有变化，但在接口规格上将原来标配的千兆以太网端口升级至了 2.5Gb 以太网端口。 虽然目前大部分人使用的仍是千兆或更低速率的宽带，这项升级并不会让日常上网变得更快；但如果家里部署了 NAS，或者希望将 Mac mini 用作家庭服务器，那么在其它网络设备同样支持 2.5Gb 以太网端口的情况下，局域网的理论带宽可以提升至原来的 2.5 倍，备份文件或读取 NAS 中的媒体素材都会快上不少。 说到 Mac mini 的新设计，就不得不提被放在机身底部的电源按键了。我与不少人一样，认为从逻辑上来说这不是一个好的设计，尤其是对于 Apple 而言。 不过，从实际使用上来看，Mac mini 也确实不太需要用到这枚按键，尤其是它正在成为越来越多人的 AI 基础设施，反而需要避免离线情形，以确保能够随时随地访问和使用部署在其上的 AI 能力；Apple 也帮你考虑到了这一点，还加入了接入电源时启动的系统选项。因此，不管你是否喜欢这样的处理方式，电源键的位置虽然看起来不够方便，但也不太会成为影响日常使用的真正问题。 小巧但也精悍 相对而言，Mac mini 是一台入门门槛不算太高、性能上限也同样不低的 Mac。轻可选择入门的 M6 芯片，重可选择更强的 M5 Pro 芯片，并能进一步选配升级。 作为此前已在 MacBook Pro 亮相的 M5 Pro 芯片，想必你对它的能力应该多少有些了解。刚好我有一台配备了前代 M4 Pro 芯片的 MacBook Pro，从几个相对常见的场景做了简单对比，看看 Mac mini 上的 M5 Pro 有何进步。 为了比较 M5 Pro 与上一代 M4 Pro 的本地 AI 性能，我在两台 Mac 上使用 LM Studio 加载同一个 Gemma 4 31B MLX 4-bit 模型，将 GPU offload 设置为 Max、并发数设为 1、Temperature 设为 0，并使用同一条提示词连续测试 5 次。 结果显示，排除首次请求后，M5 Pro Mac mini 的首词元延迟中位数为 0.157 秒，M4 Pro MacBook Pro 为 0.384 秒，前者约快 2.45 倍；但后续生成速度分别为 13.25 和 13.20 tokens/s，基本持平。首词元延迟反映模型处理输入并开始生成的速度，这说明 M5 Pro 在 GPU 上多出来的神经网络加速器，主要改善了本地模型开始响应的速度，而不是让后续输出整体加速。 在短提示词下，0.23 秒的绝对差距并不算大；但面对长文章、代码库和 Agent 历史上下文时，输入处理量会明显增加，更快生成首个 token，也能让每次调用更快进入响应状态。M5 Pro 使用的 NAX Runtime 同样是针对这套新硬件优化的，因此这组成绩体现了 M5 Pro 在本地 AI 场景中的实际优势，同时也说明它的提升主要集中在模型开始工作之前，而非持续生成阶段。 在 Final Cut Pro 中，我使用一段时长接近 10 分钟的 4K 60p 视频进行导出测试。素材主要由剪裁和拼接组成，没有加入太多调色、降噪、稳定、防抖、转场或字幕，导出格式为 Apple ProRes 422。 最终，M5 Pro Mac mini 用时 62.3 秒，M4 Pro MacBook Pro 用时 77.2 秒，前者少用了 14.9 秒，导出耗时缩短约 19%。由于这段素材的后期处理并不复杂，这组成绩更接近日常剪辑中的导出表现。 在 Lightroom 中，我使用 1525 张 JPG 照片完成批量处理。这批照片总容量约 9.1GB，单张大小不一，平均约 6MB。批量套用同一预设后，M5 Pro Mac mini 用时 3 分 17.16 秒，M4 Pro MacBook Pro 用时 3 分 43.36 秒，前者少用了 26.2 秒，耗时缩短约 11.7%。这一过程包含照片载入、预设计算和处理信息保存，比单纯导出更能体现 Lightroom 批处理时的综合效率。M5 Pro 在这套工作流中的完成速度更快，实际使用中的优势也更加明显。 随后，我又将这批照片按原图导出。Mac mini 用时 4.71 秒，MacBook Pro 则需要 25.88 秒，前者少用了 21.17 秒，耗时缩短约 82%，约为后者的五分之一。不过，原图导出更容易受到存储设备、文件路径和缓存状态影响，不能单独用来衡量 GPU 性能。综合两项测试来看，M5 Pro Mac mini 在 Lightroom 这类连续处理大量照片的工作流中，整体完成效率确实更高。 AI 时代的基础设施 从年初 OpenClaw 引发广泛讨论，到如今各种 Agent Harness 方案百花齐放，我们与 AI 交互的方式也在不知不觉中被重塑。对许多人来说，AI 不再只是一个被动接收指令的对话框，而是可以在自己的设备上长期运行、连接本地数据和工具、拆解任务并持续执行的全天候助理。 在这样的背景下，Mac mini 自然而然地成为了一个很合适的选择：它体积小巧、功耗很低，适合长期在线运行；雷雳接口提供的集群扩展能力，能够满足更强性能需求；更不用提 macOS 上成熟的 Agent Harness 方案，让普通用户使用本地 AI 的门槛也进