Сравнение Mac Mini M4 Pro и Mac Studio M4 Max для локального запуска LLM — ключевые моменты
Разработчик выбирает между двумя конфигурациями Mac для локального инференса LLM — обе с 64 ГБ унифицированной памяти и 1 ТБ накопителем, обе доступны в Швейцарии. Два варианта:
- Mac mini M4 Pro: 12-ядерный CPU / 16-ядерный GPU, пропускная способность памяти 273 ГБ/с
- Mac Studio M4 Max: 16-ядерный CPU / 40-ядерный GPU, пропускная способность памяти 546 ГБ/с — примерно на $600 дороже
Использование: локальный инференс (без обучения) с Gemma 4 и Qwen, а также небольшие модели для агентных рабочих процессов, возможно, интегрированные в среду кодирования VSCode. M4 Max явно выигрывает на бумаге — вдвое больше ядер GPU и вдвое выше пропускная способность памяти. Но сообщество задаёт практические вопросы:
- Влияние на токен/с: Насколько скачок пропускной способности (273 → 546 ГБ/с) влияет на скорость инференса для моделей класса Gemma 4 в квантовании Q4_K_M или Q5_K_M?
- Обработка промпта: Для длинных контекстов не является ли 16-ядерный GPU M4 Pro слишком медленным, чтобы оправдать Max?
- Риск сожаления: Кто-нибудь жалеет о покупке Pro, уперевшись в потолок производительности? Или жалеет о переплате за Max, так и не использовав запас?
Если ваш рабочий инференс чувствителен к задержке обработки промптов или вы запускаете большие модели с длинными контекстами, дополнительная пропускная способность может оказаться критичной. Но $600 — это реальная разница в цене — оценивайте исходя из ваших конкретных моделей и длины контекста.
👀 Смотрите также
Исправление для запуска OpenClaw на Android через proot Ubuntu: Перехват networkInterfaces() для устранения ошибки uv_interface_addresses 13
Разработчик делится исправлением для запуска OpenClaw 2026.3.13 на Android 16 через Termux и proot Ubuntu 25.10, где приложение вылетает с ошибкой 'uv_interface_addresses returned Unknown system error 13'. Решение — скрипт-перехватчик на JavaScript, который переопределяет os.networkInterfaces().
Qwen 3.5 122B MoE на уровне 35 т/с на одном 3090 с ik_llama.cpp MTP
Локальный стек, запускающий Qwen 3.5 122B MoE на одной 3090 со скоростью 35 т/с, используя слитые MoE операции ik_llama.cpp для MTP. Стандартный llama.cpp показал улучшение только на +4%; форк ik дает +20%.
От 88 до 100 PSI: Claude Code для оптимизации фронтенда
Разработчик использовал Claude Code, чтобы поднять PageSpeed Insights с 88 до 100 на мобильных. Ключевые тактики: адаптивные изображения с srcset, IntersectionObserver, удаление предзагрузки шрифтов. Claude работал как партнёр по отладке, а не как одноразовое решение.
Разработка ограничений для обеспечения надежности производственных AI-агентов
Пользователь Reddit поделился ограничительным подходом к использованию Claude для сложных операций с кодом, подчеркивая явное перечисление режимов сбоев, поэтапное выполнение с контрольными точками и правила против сокращений, чтобы добиться нулевого количества сломанных сборок при удалении 140 файлов.