Es wurde enthüllt, dass OpenAI Mac mini tonnenweise hortet und Zehntausende davon vollständig für das KI-Training verwendet.

Moment mal, KI-Labore horten Mac mini – und zwar nach der Maßeinheit „Tonne“?!

The Information hat gerade enthüllt, dass OpenAI bereits zehntausende von Mac mini und Mac Studio bestellt hat und Apple bis heute weiterhin um Lieferungen bittet.

Anthropic geht einen anderen Weg und mietet Mac-Rechenleistung von Amazon AWS. Nach Berechnungen von Internetnutzern kostet ein Gerät etwas mehr als ein US-Dollar pro Stunde, also zwischen 500 und über 900 US-Dollar pro Monat.

Mieten ist nicht billig, Kaufen lohnt sich auch nicht. Was das Preis-Leistungs-Verhältnis der Rechenleistung angeht, können Apple-Chips nicht mit Nvidia mithalten – darüber gibt es kaum Streit.

Worauf zielt das Ganze also ab?

Diese Geräte werden für das Reinforcement Learning verwendet, um Computer-Use-Agenten zu trainieren, die eigenständig Computer bedienen können.

Zehntausende kleine Metallkisten werden in die KI-Labore gebracht

Für das Training von Agenten muss das Modell auf echten Computern praktische Erfahrungen sammeln.

Tausende Geräte laufen gleichzeitig, das Modell klickt darin mit der Maus, öffnet Apps, betrachtet den Bildschirm, macht Fehler und fängt neu an.

Man kann Grafikkarten beliebiger Hersteller für Rechenleistung kaufen, aber einige Aufgaben lassen sich nur von Mac erledigen.

Die Regeln von Apple lauten wie folgt:

macOS-Virtualisierungen können nur auf eigener Hardware von Apple ausgeführt werden.

Auf Macs mit Apple-Chip können auf einem Gerät maximal zwei macOS-Virtualisierungen gleichzeitig betrieben werden.

EC2 Mac von AWS existiert bis heute nur als „dedizierter Host“: Man mietet ein komplettes physisches Mac-Gerät, die Mindestverrechnungsdauer beträgt 24 Stunden. Der in der Dokumentation angegebene Grund ist, dass dies die Lizenzvereinbarung von Apple vorschreibt.

Wenn Sie also zehntausend macOS-Umgebungen benötigen, müssen Sie tausende echte Geräte aufstellen.

Doug Brooks, Senior Product Manager für Apple-Chip-Produkte, hat dazu eine Erklärung abgegeben.

Ein Agent braucht ein Gerät, über das er vollständig die Kontrolle hat, das von den Hauptcomputern getrennt ist und das mehrere Tage und Nächte lang nicht ausgeschaltet werden kann. Der Mac mini ist genau solch ein hervorragendes System.

Wie stark diese Nachfrage ist, sieht man an den Finanzberichten.

Der Mac-Umsatz von Apple im letzten Quartal betrug 10,4 Milliarden US-Dollar, was einem jährlichen Anstieg von 29 % entspricht – die höchste Wachstumsrate aller Produktlinien. Der Treiber dafür ist genau diese kleine quadratische Kiste.

Die Folge davon ist Lieferengpass: Die Konfigurationen, die bei KI-Entwicklern am beliebtesten sind, sind seit Monaten ausverkauft.

Auf X freuen sich bereits einige Nutzer darüber, dass sie ihre Mac Studio-Bestellung früh aufgegeben haben.

Einheitlicher Speicher plus ein Lüfter, der keine Drosselung verursacht

Nur eine macOS-Umgebung reicht nicht aus, das Gerät selbst muss auch große Modelle ausführen können.

Apple-Chips können nicht mit Nvidia-GPUs mithalten, aber die Architektur des einheitlichen Speichers ist kurzfristig von keinem anderen Anbieter nachzubilden.

CPU und GPU nutzen denselben Speicherpool, sodass große Modelle nicht in mehrere Grafikkarten aufgeteilt und dann hin- und hertransportiert werden müssen.

Bei der Ausführung großer Modelle ist die Fähigkeit, das Modell vollständig unterzubringen, oft wichtiger als eine hohe Ausführungsgeschwindigkeit.

Der M5 Ultra unterstützt bis zu 512 GB einheitlichen Speicher mit einer Bandbreite von 1,2 TB/s. Laut Angaben von Apple ist die Verarbeitungsgeschwindigkeit von Prompts großer Modelle des M6 Mac mini in LM Studio 4,8-mal so hoch wie die des M4 und 13,5-mal so hoch wie die des M1.

Der zweite Vorteil ist die Belastbarkeit bei Dauerbetrieb mit voller Leistung.

Leichte MacBooks drosseln die Leistung bereits nach einigen zehn Minuten, aber Agenten arbeiten im 7×24-Modus und laufen mehrere Tage am Stück.

Die Wärmeabfuhr bestimmt hier direkt, ob die Aufgabe ausgeführt werden kann.

Das Open-Source-Projekt von EXO Labs kann mehrere Macs zu einem Cluster verbinden, um lokal Modelle im Umfang von 671B auszuführen.

In der Community tauchen ständig neue Anleitungen auf, wie man den Mac mini als ständigen Heimserver betreibt, und es sind sogar Dienste entstanden, die Mac-Rechenleistung stundenweise vermieten.

Wie ist die tatsächliche Erfahrung beim Ausführen von Agenten auf Mac?

Große Unternehmen kaufen diese Geräte, um ihre Rechenzentren damit auszustatten.

Normale Nutzer kaufen sie, um tatsächlich damit zu arbeiten.

Der Entwickler Octavio Herrera hat eine Woche lang sechs Modelle auf seinem M4 Mac mini 32GB Basismodell getestet.

Qwen3-30B-A3B, MoE, Q4-Quantisierung: 24-30 tok/s, belegt 17,3 GB

GPT-OSS-20B: 28-29 tok/s, belegt 11,3 GB

Gemma 4 26B-A4B: 20-22 tok/s, belegt 14,6 GB

Dichtes Qwen3.8-27B: 4,4 tok/s

Vergleichsgruppe: DeepSeek v4-flash über API: ca. 57 tok/s

Das Ergebnis ist offensichtlich: Wenn man lokale Modelle auf Einsteigergeräten ausführt, ist MoE praktisch unumgänglich.

Die Rechenleistung des Chips ist ein Aspekt, die andere Hürde ist der Speicher.

Der lokale Programmier-Agent von JetBrains erfordert bereits mindestens 64 GB Speicher nur für das integrierte 27B-Quantisierungsmodell.

Der Konfigurationsleitfaden von PCWorld geht noch weiter: 64 GB ist das absolute Minimum.

Auf X hat jemand alle Konfigurationen durchgerechnet:

3499 US-Dollar, M5 Max 64 GB: Qwen3.6-27B erreicht 30-40 tok/s. Ein 4K-Prompt wird in ca. 5 Sekunden verarbeitet, ein Patch mit 500 Tokens wird in 13-17 Sekunden geändert, der gesamte Ablauf dauert 20 Sekunden. Auf dem Mac mini dauert dieselbe Aufgabe 37 Sekunden.

5099 US-Dollar, M5 Max 128 GB: Die Bandbreite bleibt unverändert, der Modellpool verdoppelt sich. Auf MLX erreicht das 80B-Modell Qwen3-Coder-Next 75-90 tok/s.

5499 US-Dollar, M5 Ultra 96 GB: Der Speicher wird nicht erweitert, der Chip ist schneller. Dasselbe 27B-Modell erreicht 48-80 tok/s, der gesamte Ablauf wird auf 10 Sekunden reduziert.

11299 US-Dollar, M5 Ultra 256 GB: Der erste Mac, der das vollständige 4-Bit-Modell DeepSeek V4 Flash auf einem einzelnen Gerät unterbringen kann, erreicht voraussichtlich 80-90 tok/s.

Daten von Artificial Analysis zufolge erreicht der Cloud-Dienst GPT-5.6 Sol 75-79 tok/s, Opus 4.8 ca. 58 tok/s.

Das bedeutet: Ein Mac auf dem Schreibtisch erreicht bereits eine Ausgabegeschwindigkeit, die mit den schnellsten fortschrittlichen Modelldiensten mithalten kann.

Kürzlich hat Tim Cook auf der Finanzkonferenz erklärt: „Wir erleben ein einmaliges Jahrhundert-Hoch bei den Speicherpreisen, die Preise steigen exponentiell.“

Das kostengünstige Mac mini-Modell für den chinesischen Markt vor über einem Jahr kostete 4499 Yuan.

Das aktuelle M6 Mac mini beginnt bereits bei 6999 Yuan.

Apple nimmt keine Bestellungen an – und Nvidia steht schon vor der Tür

Vor zehntausenden an Bestellungen hat Apple zurückgeschreckt.

Apple zieht sich seit Jahren aus dem Unternehmensmarkt zurück.

2011 wurde der Xserve-Server eingestellt, 2022 der Dienst macOS Server abgeschaltet, und im März dieses Jahres wurde sogar die Produktion des Mac Pro eingestellt.

Apple nutzt selbst Mac-Chips zum Bau von Servern, aber diese sind nur für Private Cloud Compute vorgesehen.

Unternehmen, die diese Rechenleistung kaufen wollten, wurden abgewiesen.

The Information hat noch ein auffälliges Detail aufgedeckt: Apple verfügt über kein spezialisiertes Ingenieursteam für Unternehmenskunden und keine Person, die für Entwicklerbeziehungen zuständig ist.

Todd Dailey, ehemaliger Produktmarketingmanager für Unternehmens-KI bei Apple, der im April dieses Jahres das Unternehmen verlassen hat, hat das offen kritisiert.

Er sagt, es sei ein Witz, dass irgendein Team bei Apple einen echten Plan hat, um die Unternehmens-KI zu unterstützen.

Der größte Teil der heißesten KI-Nachfrage wurde schließlich an zwei Startups ausgelagert: webAI und Mount Thor, das von Peter Voell gegründet wurde, einem ehemaligen Mitarbeiter für Recheninfrastruktur bei OpenAI. Eines der beiden Unternehmen hat noch nicht einmal seine offizielle Website fertiggestellt.

In diesem Fall braucht man sich nicht zu wundern, dass Nvidia nicht zurückhält – das DGX Spark ist genau auf die Schwachstellen von Mac ausgelegt.

Auf der CES im Januar dieses Jahres wurde ein weiteres Software-Update veröffentlicht, das die Leistung im Vergleich zur Markteinführung um das bis zu 2,5-fache steigert. Es kann sogar neben das MacBook Pro angeschlossen werden und als externer Beschleuniger fungieren.

Unternehmen und Entwickler erwähnen es ständig, und der Grund ist einfach: Es ist jederzeit lieferbar.