LONDON (IT BOLTWISE) – Apple liefert den Mac Mini ab dem 22. September mit dem neuen M6-Chip aus. Erste Geekbench-Einträge zeigen vor allem bei KI-Workloads deutlichere Sprünge als bei klassischen CPU-Tests. Im Einzelkern legt der M6 gegenüber dem M4 um etwa 20 Prozent zu, im Multicore um rund 40 Prozent. Bei Geekbench AI steigen die Werte je nach Testmodus deutlich stärker, darunter quantized GPU-Aufgaben mit besonders hohem Zuwachs.
Mit dem Mac Mini M6 verschiebt Apple die Erwartungshaltung an kleine Desktop-Systeme: Nicht nur CPU- oder GPU-Rohleistung steht im Fokus, sondern vor allem die Geschwindigkeit typischer KI-Workloads, die im Alltag schnell aus vielen Teilaufgaben bestehen. Die ersten Benchmarks, die über Geekbench-Einträge für den Mac Mini mit M6 zusammengetragen werden können, liefern dafür bereits eine nachvollziehbare Richtung. Laut den erfassten Werten treten die größten Effekte dort auf, wo KI-Berechnungen über die spezialisierten Beschleuniger der SoC laufen, also in den Messungen rund um Geekbench AI.
Für die Einordnung ist entscheidend, wie Apple den M6 intern aufbaut: Der Chip kombiniert erstmals nicht nur zwei CPU-Kerncluster, sondern drei. Gegenüber dem M5, der Superkerne plus Effizienz- bzw. Performance-Kerne vorsah, wird beim M6 jede dieser Kategorien in mehreren Ausprägungen verteilt. Konkret nennt der Artikel eine Konfiguration mit zwei Superkernen für maximale Lastspitzen, vier Performance-Kernen, die offenbar weiterhin auf hohem Taktniveau betrieben werden, sowie sechs Effizienzkernen für Hintergrundarbeit und Aufgaben, die weniger Rechenleistung benötigen. Damit steigt die CPU-Kernzahl im Vergleich zum Vorgänger-Setup: Auf dem Papier stehen beim M6 insgesamt 12 CPU-Kerne, während beim M4 10 Kerne im Einsatz waren.
Auch die Beschleuniger-Story geht über „mehr Kerne“ hinaus. Der Text ordnet dem M6 im Vergleich zum M4 zwei zusätzliche GPU-Kerne zu. Dazu kommt ein Bestandteil, der für die Praxis besonders relevant ist: Neural Accelerators in der GPU-Konfiguration wurden bereits ab dem M5 eingeführt, werden im M6 weiter ausgebaut. Darüber hinaus nennt Apple beim M6 eine Dual-Neural-Engine mit jeweils 16 Kernen, also doppelt so viele wie beim M4 (und beim M5). Dieser Ausbau erklärt, warum Geekbench AI im Artikel als zentraler Vergleich herangezogen wird: Wenn KI-Aufgaben schneller laufen, liegt das nicht zwingend daran, dass „die GPU generell besser ist“, sondern weil KI-spezifische Pfade in der Hardware schneller bedient werden können.
Bei den klassischen Geekbench-Tests zeigt sich dennoch ein klares Muster. Für den Artikel wurden die am 19. September verfügbaren Einträge für den Mac Mini M6 erfasst und daraus Mittelwerte gebildet. In Geekbench 6 steigt der M6 im Einzelkerntest gegenüber dem M4 um rund 20 Prozent, im Mehrkerntest um „gute“ 40 Prozent. Geekbench 7 liefert in der Größenordnung eine ähnliche Entwicklung: Auch dort wird derselbe Zuwachs beschrieben, was die Wirkung auf unterschiedliche Benchmark-Versionen stützt. Der Vergleich wird dabei bewusst über den Macbook-Pro M5 geführt, weil der M5 beim Mac Mini (und beim iMac) übersprungen wurde; so soll der Sprung vom M4 zum M6 greifbar bleiben.
Spannend wird es bei den GPU-Messwerten, weil die Begriffe leicht verwechselt werden. Der Artikel trennt ausdrücklich zwischen Grafikperformance für Spiele und der hier gemessenen Rechenpower der GPU, die über die Metal-Lastprofile von Geekbench erfasst wird. Demnach legt der M6 bei den GPU-Werten gegenüber dem M4 um knapp 75 Prozent zu; bei Geekbench 7 wird ein sehr ähnliches Bild mit knapp 70 Prozent beschrieben. Zusätzlich wird ein weiterer Schritt gegenüber dem M5 genannt: Dort sind es etwa 30 Prozent mehr. Genau diese Differenzierung ist für Entscheider relevant, weil ein Desktop-Produktivsystem selten an einem „Gaming-Framebudget“ gemessen wird, aber häufig an der Zeit, bis Bild- oder Datenpipeline-Schritte erledigt sind.
Für die KI-Seite zieht der Artikel schließlich Geekbench AI heran und beschreibt die drei getesteten Komponenten getrennt: CPU, GPU und Neural Engine. Die Aufgaben reichen dabei von Objekterkennung und Bildsegmentierung über Bildskalierung und -verbesserung bis zur Verarbeitung natürlicher Sprache. Geekbench AI arbeitet zudem mit mehreren Präzisionsstufen: Single Precision (hohe Genauigkeit), Half Precision (niedrigere Genauigkeit, schneller) und Quantized. Quantized bedeutet in diesem Kontext, dass Modelle bzw. Gewichte mit reduzierter Präzision gerechnet werden, wodurch weniger Speicher und Rechenleistung benötigt werden und die Ausführung schneller wird, aber mit potenziell geringerer Genauigkeit. Genau dieser Mechanismus macht die Messwerte für KI-Engineering und Deployment interessant, weil in der Praxis häufig gemischte Präzision und Optimierung für unterschiedliche Zielsysteme genutzt werden.
Die quantitativen Aussagen im Artikel sind dabei besonders deutlich. Bei der GPU führt der Wechsel vom M4 zum M6 beim Quantized-Verfahren zu einem Zuwachs von rund 185 Prozent; bei halber Genauigkeit liegt der Anstieg immer noch bei etwa 140 Prozent. Für die Neural-Engine-getriebenen Werte wird ebenfalls ein klarer Sprung beschrieben: Berücksichtigt Geekbench AI die Neural Engine, steigt der M6 gegenüber dem M4 im Quantized-Setup um etwa 50 Prozent und gegenüber dem M5 um rund 40 Prozent. Diese Differenzen passen zur im Artikel skizzierten Verdopplung der Neural-Engine-Ressourcen im M6 und deuten darauf hin, dass Apple die KI-Berechnung nicht nur breiter, sondern auch gezielter in die jeweils passenden Ausführungspfade bringt.
In der Summe ergibt sich aus den ersten Geekbench-Werten ein konsistentes Bild: Der M6 legt gegenüber dem M4 in allen betrachteten Bereichen deutlich zu, und bei den KI-Workloads von Geekbench AI ist der Effekt spürbar stärker als bei rein CPU-dominierten Tests. Für IT-Entscheider und Entwickler, die den Mac Mini als lokale Workstation für kleine Automationen, Bildbearbeitungs-Pipelines oder KI-gestützte Auswertung einsetzen, ist das vor allem deshalb relevant, weil sich damit Latenzen im Alltag reduzieren können – also die Zeit von „Anfrage“ bis „Ergebnis“, die bei vielen KI-Anwendungen den Nutzerkomfort bestimmt. Ob und wie stark sich das im echten Unternehmensbetrieb niederschlägt, wird sich erst zeigen, wenn zusätzliche Anwendungen und reale Modellgrößen auf dem System durchlaufen. Bis dahin bleibt Geekbench AI ein guter Indikator dafür, wo Apple den Schwerpunkt gesetzt hat: KI-Berechnung soll auf dem Mac Mini nicht nur theoretisch beschleunigt werden, sondern in konkreten Tests messbar schneller laufen.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Mac Mini mit M6: Erste Geekbench- und KI-Resultate im Vergleich zum M4" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Mac Mini mit M6: Erste Geekbench- und KI-Resultate im Vergleich zum M4" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Mac Mini mit M6: Erste Geekbench- und KI-Resultate im Vergleich zum M4« bei Google Deutschland suchen, bei Bing oder Google News!