Il nuovo Mac mini racconta qualcosa di insolito per Apple: questa volta una parte importante dell’innovazione è arrivata dagli utenti.

La Mela ha presentato la nuova generazione del suo desktop più piccolo, mantenendo praticamente invariato il minuscolo chassis introdotto nel 2024 e sostituendo ciò che c’è dentro.

Il modello di ingresso utilizza il nuovo chip M6, mentre quello più potente passa a M5 Pro. I preordini sono già aperti e le consegne inizieranno il 22 settembre.

In Italia i prezzi partono rispettivamente da 1.079 e 2.029 euro.

L’aggiornamento potrebbe sembrare una delle consuete revisioni con cui Apple rinnova periodicamente i Mac. Questa generazione nasce però mentre il Mac mini sta vivendo una seconda vita inattesa come piccolo computer dedicato all’intelligenza artificiale.

Negli ultimi mesi questo utilizzo è diventato così diffuso da contribuire alla scarsità dei vecchi Mac mini.

A maggio scorso Tim Cook - che lascerà la guida dell’azienda il prossimo 1° settembre - aveva ammesso che la domanda per Mac mini e Mac Studio era cresciuta più rapidamente delle previsioni di Apple proprio tra le persone interessate a usare agenti IA in locale, vale a dire programmi che utilizzano un modello linguistico per svolgere sequenze di operazioni in autonomia: possono leggere documenti, modificare codice, usare strumenti e affidare parti di un lavoro ad altri agenti.

Perché all’IA piace il Mac mini

Per eseguire un modello linguistico sul proprio computer servono soprattutto potenza di calcolo e memoria. I Mac con Apple Silicon hanno una caratteristica particolarmente interessante: utilizzano la cosiddetta memoria unificata.

CPU e GPU, invece di lavorare con riserve di memoria completamente separate come accade in molti Pc tradizionali, possono accedere allo stesso spazio. Per i grandi modelli di IA è un vantaggio importante, perché una parte significativa del problema consiste proprio nel riuscire a tenere in memoria miliardi di parametri e spostarli abbastanza velocemente mentre il modello genera una risposta.

È uno dei motivi per cui Mac mini e Mac Studio sono diventati macchine relativamente convenienti per chi vuole sperimentare con modelli aperti senza acquistare costose GPU Nvidia professionali.

Alcuni sviluppatori e ricercatori hanno collegato più Mac tra loro per eseguire modelli troppo grandi per entrare nella memoria di una singola macchina.

Il nuovo M6 aumenta proprio alcune delle risorse che interessano a questo pubblico. Ha 12 core CPU e 12 core GPU e raggiunge 170 GB/s di banda della memoria. Apple sostiene che, rispetto al Mac mini M4, alcune operazioni legate all’IA possano essere fino a quattro volte più veloci. Il modello M5 Pro arriva invece a 18 core CPU, 20 core GPU, 64 GB di memoria unificata e 307 GB/s di banda.

Una piccola fattoria di agenti sulla scrivania

L’aspetto più interessante emerge proprio quando i Mac mini diventano più di uno.

A partire da macOS 26.2, Apple ha introdotto il supporto alla comunicazione a bassa latenza tra Mac collegati tramite Thunderbolt 5, con un’applicazione specifica: l’inferenza distribuita con MLX, il framework open source sviluppato da Apple per il machine learning sui suoi chip. Più computer possono così partecipare all’esecuzione dello stesso modello.

Alla WWDC 2026 Apple ha dedicato un’intera sessione agli agenti IA locali. L’esempio mostrato dagli ingegneri parte da un singolo Mac e arriva a più macchine collegate tra loro. MLX può suddividere un modello tra diversi computer, mentre il server locale espone un’interfaccia compatibile con agenti IA già esistenti.

Un software può quindi continuare a comportarsi come se stesse interrogando un normale servizio IA, mentre il modello gira fisicamente sulla scrivania dell’utente.

Qui il Mac mini diventa particolarmente adatto. Occupa poco spazio, consuma relativamente poca energia, può funzionare senza monitor e dispone di connessioni veloci. Il nuovo modello porta inoltre Ethernet da 2,5 gigabit di serie, con l’opzione da 10 gigabit; la versione M5 Pro mantiene Thunderbolt 5.

Una configurazione del genere permette di costruire una specie di piccola infrastruttura IA domestica o aziendale. Un agente può occuparsi del codice, un altro analizzare documenti e un altro ancora eseguire test, mentre il modello che li alimenta rimane sulla rete locale.

Apple stessa spiega che MLX supporta richieste concorrenti attraverso il continuous batching: invece di mettere ogni agente in fila, il sistema raggruppa dinamicamente le richieste e utilizza meglio la GPU. È importante perché i sistemi più sofisticati iniziano spesso a generare sotto-agenti specializzati.

L’immagine del computer personale comincia così ad assomigliare a quella di un piccolo data center.

Perché far girare gli agenti in locale

ChatGpt, Claude, Gemini e gli altri chatbot che spingono la corsa all’IA si basano su modelli che “vivono” soprattutto nei data center delle aziende che li sviluppano.

Ogni richiesta viene inviata attraverso internet, elaborata su server remoti e restituita all’utente. È il modello che ha reso accessibile l’IA generativa a centinaia di milioni di persone.

Gli agenti IA possono rendere più interessante l’alternativa locale perché lavorano molto.

Un chatbot tradizionale riceve una domanda e produce una risposta. Un agente può effettuare decine o centinaia di chiamate al modello mentre affronta un singolo incarico: prova una soluzione, controlla l’errore, modifica il codice e ricomincia. Se diversi agenti lavorano contemporaneamente, l’utilizzo cresce ancora.

Quando ogni chiamata passa attraverso un’API commerciale, anche i costi possono aumentare rapidamente. Proprio il prezzo dei modelli cloud sta spingendo alcuni sviluppatori a sperimentare modelli open-weight come i cinesi Qwen e DeepSeek eseguiti sul proprio hardware.

L’esecuzione locale aggiunge poi privacy e indipendenza dalla connessione.

Un agente che deve leggere un’intera base di codice aziendale o documenti riservati può lavorare senza inviare quel materiale a un fornitore esterno. Apple insiste molto su questo aspetto nelle proprie dimostrazioni: niente cloud e, quando l’intero stack è locale, nemmeno una chiave API è indispensabile.

Rimangono compromessi importanti.

I modelli più capaci richiedono enormi quantità di memoria e calcolo, e un Mac mini da 16 o 32 GB resta lontanissimo dall’infrastruttura utilizzata da OpenAI, Anthropic o Google. Anche collegando più macchine, il rapporto tra prezzo, velocità e prestazioni va valutato con attenzione.

La convenienza cresce soprattutto quando il modello locale è abbastanza bravo per l’attività che gli viene affidata.

Apple sta costruendo un nuovo mercato per il Mac

Anche secondo Reuters, Apple sta aggiornando Mac mini e Mac Studio cercando di intercettare direttamente il boom dell’IA locale.

Persino la produzione racconta quanto Apple creda nel prodotto. La società ha annunciato che nel corso dell’anno inizierà ad assemblare Mac mini anche nel nuovo impianto di Houston, lo stesso complesso nel quale vengono realizzati server destinati alle infrastrutture IA di Cupertino.

Il Mac mini conserva intanto una qualità rara nell’attuale mercato dell’intelligenza artificiale: è un computer che si può comprare e mettere su una scrivania.

Per anni il futuro dell’IA è stato raccontato quasi esclusivamente attraverso data center giganteschi e investimenti da decine di miliardi di dollari. La crescita degli agenti sta creando anche un movimento nella direzione opposta. Una parte del calcolo torna nelle case e negli uffici, distribuita tra piccoli computer che possono lavorare ventiquattr’ore su ventiquattro.

Il nuovo Mac mini arriva esattamente mentre questa possibilità comincia a interessare un pubblico molto più ampio degli appassionati di machine learning.

Apple se n’è accorta. E per chi sta iniziando ad allevare una piccola squadra di agenti IA, quel piccolo blocco di alluminio lucente potrebbe diventare un pezzo di infrastruttura sorprendentemente serio.