M4 / M5 Apple Silicon wird vom Leistungschip zur AI-Rechenplattform

Apple Silicon wird vom Personal Computer zum planbaren AI-Knoten. Entscheidend ist wie Workloads stapeln — Ollama, Claude Code und Runner teilen Unified Memory.

Auf M4: Swap senkt Ollama ~37→34 tok/s; xcodebuild test driftet 12→19 Min. — CPU oft nicht voll, Speicherdruck schon gelb. Drei Fragen + Druckformel für M4-Upgrade, M5-Warten oder Cloud Mac.

Nach Frage lesen

Dieser Text erklärt die Wahl. Bei klarem Engpass direkt springen:

Was M4 ändert: ein Knoten für dauerhafte AI-Tasks

M4 ist nicht „CPU etwas schneller“, sondern der erste Mac mini, der lokale Inferenz im Alltags-Desktop dauerhaft hält. (16GB vs 24GB)

memory_pressure, Swap-Kurve, Ollama-Footprint beantworten: CI-Peak und residentes LLM gleichzeitig?

Praxisfrage: tok/s, Swap ja/nein, CI-Walltime-Drift.

Drei Auswahlfragen (nicht nur Benchmarks)

M1→M5 als Benchmark-Leiter kauft falsch. Jede Frage zur Kausalkette: Swap schon da?

Generationssprung = wann Swap kommt — tok/s reicht, Swap häufig → trotzdem langsam.

Upgrade-Druck schätzen

Messwerte eintragen (Skala 1–5 ok):

Upgrade-Druck ≈

  ( Swap-Häufigkeit × CI-Verlangsamung )
+ ( Residente Modelle × Speicher je Modell )
− ( Verbleibende Reserve )

Unten der Kette: Swap-bindiger Unified Memory bremst jede Ebene.

Ergebnis lesen:

• Deutlich > 0 — 24GB, Ollama vor CI stoppen, Cloud Mac für Runner/Inferenz.
• ≈ 0 — halten, loggen, in Wochen erneut messen.
• < 0, tok/s knapp — Rechenlimit. Nicht auf M5 warten bei aktivem Swap.

16GB: 1,1GB Swap, Runner 12→19 Min. → Druck > 0. Noch ein M4 16GB reicht nicht.

Lokal vs Cloud Mac aufteilen

Cloud Mac ist kein Remote-Desktop, sondern ein 24/7-macOS-Knoten für Builds und Inferenz.

AI-Dev: Cloud Mac vs M5 · Ollama auf Cloud Mac

30-Sekunden-Selbstcheck

Auf dem zu bewertenden Mac ausführen und protokollieren:

# Chip and unified memory
sysctl -n machdep.cpu.brand_string
system_profiler SPHardwareDataType | grep "Memory:"

# Swap and Ollama footprint
ollama ps
memory_pressure
vm_stat | grep "Pageouts"

# Runner latency (CI log or local timer)
# xcodebuild test wall time: 12 min before swap → 19 min after (same repo)

Optional tok/s (gleiches Skript wie 16GB vs 24GB):

python3 -m mlx_lm.generate \
  --model mlx-community/Meta-Llama-3.1-8B-Instruct-4bit \
  --prompt "Summarize Apple Silicon unified memory in 3 bullets." \
  --max-tokens 128
# Record: tok/s, Memory Used, Swap Used

Pageouts steigen bei residentem Ollama + Runner-Drift >30% → zuerst Scheduling und RAM.

Auf M5 warten?

M5 noch nicht Mainstream. Branche Richtung größerer Unified Memory — nach Release gleiche Befehle.

Bis M5-Daten: M4 tok/s/Swap/Runner. 2026–2027 M4 für AI-Dev bleibt pragmatisch (M4 vs GPU-Cloud).

Fallstrick: schnell genug, schlechtes Scheduling

Nach M2 16GB Upgrade auf M4 16GB — nächtliches Ollama-Embedding: xcodebuild test 12→19 Min.

24GB oder Maschinen/Zeit-Split (Parallel-Scheduling).

FAQ

M4 oder M5? Zuerst Swap und Runner.

Mac mini für AI? 7B–14B, Core ML, Agent+CI. 70B → GPU-Cloud.

Cloud Mac vs Kauf? Alltag lokal, 24/7 Runner in der Cloud.

• M4 Ollama 7B/14B
• 16GB vs 24GB
• Ollama + Runner parallel
• Cloud Mac vs M5