¿Qué LLM en Mac mini M2 / M2 Pro (8–32 GB)? ?

#Mac mini M2 / M2 Pro en 2026: lo que promete la ficha técnica

Apple presentó el Mac mini M2 en enero de 2023 con «hasta 24 GB de memoria unificada y 100 GB/s de ancho de banda» y el M2 Pro con 200 GB/s, es decir, el doble, y hasta 32 GB de memoria. Las especificaciones de Apple indican las configuraciones de serie y personalizadas: el M2 empieza en 8 GB, configurable en 16 o 24 GB; el M2 Pro empieza en 16 GB, configurable en 32 GB. Por tanto, no existe un M2 de 32 GB ni un M2 Pro de 8 GB. La memoria está soldada: la elección se hace al comprar, no después.

Mac mini M2

8 núcleos CPU, 10 núcleos GPU, 100 GB/s, 8, 16 o 24 GB de memoria unificada.

Mac mini M2 Pro

10 o 12 núcleos de CPU, 16 o 19 núcleos de GPU, 200 GB/s, 16 o 32 GB.

Refrigeración

Ventilador activo: Apple anuncia un sistema térmico diseñado para rendimiento continuo, lo cual es importante en una máquina que atiende peticiones todo el día.

Consumo

Según la ficha oficial de Apple: 7 W en reposo, 50 W máximo para el M2 y 100 W máximo para el M2 Pro. Los valores más bajos que a veces se leen (10 a 30 W) son mediciones de usuarios, no límites.

#M2 o M2 Pro: la elección depende del ancho de banda

En la generación de texto, cada token obliga al chip a volver a leer todos los pesos activos del modelo desde la memoria. Por tanto, la velocidad está limitada por el ancho de banda dividido por el tamaño del modelo. Un M2 a 100 GB/s y un modelo de 5 GB dan un límite teórico cercano a 20 tokens por segundo; el M2 Pro, a 200 GB/s, duplica ese límite. La capacidad de memoria, por su parte, solo determina lo que cabe: un 24B en Q4 (aproximadamente 14 GB) no deja nada para el sistema en una máquina de 16 GB.

El M2 de 24 GB es la configuración híbrida: tiene capacidad para un modelo de 14B, pero mantiene el ancho de banda del M2. Por tanto, carga modelos más grandes que el M2 de 16 GB sin ejecutarlos más rápido. Elígelo si quieres una ventana de contexto larga o dos modelos cargados; de lo contrario, el M2 Pro de 16 GB, dos veces más rápido con el mismo modelo, suele ser mejor para un uso interactivo.

#Qué modelo para qué capacidad de memoria: el cálculo, no la promesa

No todo se carga en la memoria de la GPU. En Apple Silicon, Metal limita por defecto la parte de memoria unificada que puede usar la GPU a entre dos tercios y tres cuartos, según las discusiones del repositorio llama.cpp. En una máquina de 16 GB, calcula aproximadamente entre 10 y 12 GB para el modelo y su contexto; el resto se reserva para macOS. La referencia del sitio para los pesos en Q4 es 8B ≈ 5 GB, 14B ≈ 9 GB, 32B ≈ 19-20 GB; a esto se añade la caché de contexto.

Cómo interpretar la tabla: «Ajustado» significa que los pesos caben en la memoria, pero el contexto largo y macOS compiten por lo que queda. La versión de 8 GB debe descartarse para cualquier uso serio: macOS y el navegador ya ocupan la mitad de la memoria. El MoE 35B-A3B es un caso particular: ocupa 21 GB, pero solo activa unos 3 mil millones de parámetros por token, lo que lo hace considerablemente más rápido que un modelo denso del mismo tamaño. Es la mejor razón para elegir un M2 Pro de 32 GB.

#Las velocidades medidas: lo que permite afirmar la fuente publicada

No tenemos mediciones propias y no presentamos ninguna. La referencia pública más útil es el hilo «Performance of llama.cpp on Apple Silicon M-series» del repositorio llama.cpp, donde los usuarios publican resultados de generación de texto (tg128) de un modelo Llama 7B en cada chip de Apple. Estas cifras corresponden a la versión de llama.cpp de aquella época y a un modelo más antiguo que los actuales, pero dan una idea de la escala.

Esta tabla confirma tres cosas. Primero, la velocidad sigue el tamaño de los pesos: pasar de Q4_0 a Q8_0 divide aproximadamente por 1,8 el caudal. Segundo, el M2 Pro va aproximadamente 1,7 veces más rápido que el M2, un poco menos que las 2 veces de la anchura de banda. Tercero, los núcleos GPU adicionales del M2 Pro de 19 núcleos casi no cambian la generación (38,86 frente a 37,87 t/s): ayudan al procesamiento del prompt, no a la generación.

#El contexto y el procesamiento del prompt: lo que realmente ralentiza

Los tokens por segundo no lo dicen todo. Dos cifras influyen en la experiencia: el tiempo de procesamiento del prompt (columna pp512 de las mismas mediciones: 201 t/s en F16 para el M2, 384 t/s para el M2 Pro de 19 núcleos) y el crecimiento de la caché de contexto. Un documento de 20 000 tokens de entrada requiere varias decenas de segundos antes de que aparezca la primera palabra, en cualquier Mac de esta generación. Para RAG o análisis de documentos, utiliza extractos cortos en lugar de pegar un PDF entero.

El caché de contexto también ocupa memoria: cuanto más larga es la ventana, menos memoria queda para los pesos. Con 16 GB, reducir la ventana a 8.000 o 16.000 tokens deja espacio para un modelo más grande. La guía sobre la ventana de contexto detalla la regla, y la guía sobre el caché KV explica cómo cuantizarlo.

• Comprender la ventana de contexto
• Cuantizar la caché KV para ahorrar memoria

#Instalar Ollama como servidor 24/7: el procedimiento que funciona

Ollama pide macOS Sonoma (14) o más reciente y escucha por defecto en 127.0.0.1, puerto 11434: es decir, únicamente desde la propia máquina. Para hacerlo accesible desde otros dispositivos, hay que cambiar la dirección de escucha. En Mac, la documentación oficial de la FAQ indica que, cuando Ollama corre como aplicación, las variables de entorno se definen con launchctl, y luego la aplicación debe reiniciarse.

1. 01
   Instalar la aplicación Ollama

   Descarga la aplicación desde el sitio oficial o usa Homebrew; la guía de instalación en macOS detalla ambas opciones. No uses la aplicación y un servicio de Homebrew al mismo tiempo: compiten por el mismo puerto.
2. 02
   Definir la dirección de escucha

   Ejecuta launchctl setenv OLLAMA_HOST 0.0.0.0:11434 en Terminal, luego cierra y vuelve a abrir la aplicación Ollama.
3. 03
   Evitar la suspensión

   En Ajustes del Sistema, en la sección Ahorro de energía, activa la opción que impide la suspensión automática cuando la pantalla está apagada y activa el inicio de sesión automático si el Mac debe reiniciarse solo.
4. 04
   Reservar una dirección fija

   Asigna una dirección IP fija al Mac mini en tu router, o úsalo con el nombre mac-mini.local en la red local.
5. 05
   Precargar el modelo

   Descarga el modelo con ollama pull y luego pruébalo desde otro equipo con el comando curl que aparece a continuación.

# Sur le Mac mini
launchctl setenv OLLAMA_HOST "0.0.0.0:11434"
# quitter puis relancer l'application Ollama
ollama pull qwen3:8b

# Depuis un autre poste du réseau local
curl http://mac-mini.local:11434/api/chat -d '{"model":"qwen3:8b","stream":false,"messages":[{"role":"user","content":"Bonjour"}]}'

#Lo que el Mac mini ofrece a toda la casa

El Mac mini M2 no es un servidor de producción, pero es excelente para tres usos: un chat familiar, una API compatible con OpenAI para tus herramientas y automatizaciones ligeras. Ollama admite un subconjunto de la API de OpenAI en el mismo puerto, lo que permite conectar muchos clientes existentes cambiando solo la dirección; verifica que las funciones que necesitas (herramientas, salidas estructuradas) estén cubiertas.

Chat

Open WebUI o una aplicación móvil compatible con Ollama: introduce la dirección http://mac-mini.local:11434 en los ajustes.

Código

Continue, Aider o Zed: indica la URL del servidor Ollama como proveedor.

Automatización

n8n, Home Assistant o Atajos de iOS: pueden llamar a una API HTTP compatible con OpenAI.

Indexación de documentos

Un modelo de embedding ligero, como nomic-embed-text, deja espacio para un modelo de chat de 8-9B en 16 GB.

Una limitación que debes conocer: Ollama procesa por defecto una solicitud a la vez por modelo (OLLAMA_NUM_PARALLEL vale 1). Dos personas que hacen una pregunta al mismo tiempo comparten la capacidad de procesamiento o esperan su turno. Para una familia, es suficiente; para un equipo de más de tres o cuatro personas activas, conviene una máquina más potente o un servidor de inferencia diseñado para el paralelismo.

#Mac mini M2 o máquina más reciente: ¿cuándo cambiar?

La versión base del M4 pasa a 120 GB/s (valor de la tabla de llama.cpp) y el M4 Pro a 273 GB/s, según Apple; al ser el ancho de banda el factor limitante, la diferencia de velocidad es de aproximadamente un 20 % entre las versiones base del M2 y del M4, y mucho mayor entre el M2 Pro y el M4 Pro. El M2 Pro de 32 GB de segunda mano sigue siendo una opción pertinente si buscas un modelo de 24 a 32B; para tareas con agentes o programación con contextos largos, un chip más reciente con más memoria aporta mayor comodidad.

• Mac mini M4 / M4 Pro: el sucesor
• Hoja de especificaciones: Mac mini M4 Pro
• Ajustes de macOS para Apple Silicon
• Instalar Ollama en macOS

• Fuente: Apple, ficha técnica del Mac mini (2023)
• Fuente: Apple, consumo y disipación térmica del Mac mini
• Fuente: mediciones de llama.cpp en chips Apple
• Fuente: FAQ oficial de Ollama

#Preguntas frecuentes