by Rain Chu 9 月 15, 2026 | Apple , Mac
Mac 空間快滿時，我會先找出到底是哪些資料夾變大，再決定要清快取、移除軟體，還是整理下載過的 AI 模型。
Mole 把這些工作集中在終端機裡，輸入 mo 就能用方向鍵操作，涵蓋磁碟分析、清理、解除安裝、系統維護與即時監控。
對已經使用 Homebrew、Codex 或本地模型的 Mac 使用者，Mole 很適合當作日常維護工具，它能協助回收空間、找出資源占用，但清掉檔案並不代表 CPU 會自動變快。先知道瓶頸在哪裡，才不會刪了一堆快取，最後只是讓軟體重新下載相同資料。
Mole 免費嗎，終端機版和 DMG App 差在哪裡
目前的 Mole GitHub 專案 是免費開源 CLI，採 GPL-3.0 授權。
Mole for Mac 繁體中文官網 提供的是另外一款付費原生圖形介面 App。免費開源的說法應對應 CLI，不能套用到所有同名版本。
CLI 適合用鍵盤操作、希望檢查原始碼，或要把結果交給其他程式處理的人，原生 App 則提供視覺化磁碟樹狀圖、App 管理、選單列狀態等操作介面，對不想開終端機的人更直覺，官方目前標示 App 為一次購買、終身更新，一份授權可用於兩台 Mac，實際價格和條款以購買頁為準。本文以下以免費 CLI 為主。
安裝 Mole，先確認 Homebrew 能使用
按下 Command 加空白鍵，搜尋「終端機」。如果已安裝 Homebrew，先檢查版本，再安裝 Mole。
brew --version
brew install mole
mo --version
mo還沒裝 Homebrew，可以到 Homebrew 官網 取得安裝命令。安裝完成後，照終端機顯示的 Next steps 設定環境，再重新開啟終端機。Apple Silicon 和 Intel 的安裝位置可能不同，直接照自己電腦輸出的步驟最穩。
輸入管理員密碼時，終端機通常不會顯示字元或星號，輸入完按 Enter 即可。Mole 只有在操作需要較高權限時才會提出要求，不必把每一條命令都加上 sudo。
第一次使用，我會從 Analyze 開始
先執行磁碟分析，沿著最大的資料夾往下查看。比起直接啟動清理，這一步更容易理解自己的硬碟用在哪裡。
mo analyze也可以指定範圍，縮小到下載資料夾或外接磁碟。外接磁碟不包含在預設總覽裡，要另外指定。
mo analyze ~/Downloads
mo analyze /Volumes使用方向鍵瀏覽，需要判斷內容時在 Finder 開啟對應位置。Analyze 內的移除操作會在確認後將所選項目移到垃圾桶，這和部分清理命令的刪除行為不同。要立即回收實際空間，還要考慮垃圾桶是否已清空。操作快捷鍵以畫面下方提示為準。
AI 模型快取很大，但它不一定是垃圾
本地 AI 工作流常會保存多個模型版本、量化格式與下載快取，依照 Hugging Face 官方快取說明 ，Hub 檔案快取預設位於 ~/.cache/huggingface/hub，設定過 HF_HOME 或 HF_HUB_CACHE 時則可能在別處。可以先用 Mole 查看預設快取的上層資料夾。
mo analyze ~/.cache/huggingface模型檔值得保留與否，取決於近期是否還會使用，以及重新下載的成本。你可以先列出每個模型的用途，保留常用版本，再逐一移除已淘汰的模型。不同快取版本可能共用檔案，適合搭配模型下載工具自身的管理功能，避免只刪掉某個片段後留下不完整模型。
如果你正在比較 llama.cpp、MLX 與 Ollama 的本地推理方式 ，要特別留意不同工具可能各自保存權重。整理時先確認模型屬於哪個工具，才知道之後要從哪裡重新取得。
做 ComfyUI 本地影音工作流 時也一樣，模型、輸入素材和生成成果應分開管理。尚未交付的成品有保留價值，不能只因為容量大就把整個輸出目錄視為可刪快取。
Clean 清快取，先看 dry-run 結果
準備清理時，先預覽會處理哪些路徑。需要保留的快取可以加入保護清單，再執行清理。
mo clean --dry-run
mo clean --whitelist確認預覽內容後，以下命令會實際進行清理。
mo clean清理範圍包括符合規則的快取、日誌、暫存與已移除 App 的殘留。清理後部分軟體第一次開啟可能要重建快取或重新下載資料，這是規劃清理時間時需要考慮的成本。Mole 的保護規則可以減少誤操作，但仍要自己確認預覽清單是否包含工作需要的資料。
瀏覽器也要分清楚快取和設定。Chrome 擴充功能的存放位置 和一般網頁快取用途不同，不要自行把整個 Chrome 使用者資料夾都當成垃圾刪除。
需要追查剛才做了什麼，可以查看操作紀錄。
mo history
mo history --jsonUninstall 移除 App，也檢查相關殘留
不用的軟體可以交給 Uninstall，一起檢查能明確對應到該 App 的相關檔案。先做預覽，確認選取的是正確程式與版本。
mo uninstall --dry-run確定要解除安裝後，再執行下方命令並選取 App。
mo uninstall如果 App 本體早已刪除，改用 mo clean 檢查殘留比較合適。同一套軟體的不同版本可能共用資料，所以「完整移除」不能理解成所有相似名稱的資料夾都應一起消失，仍在使用的共用資料需要保留。
Optimize 與 Status，分別處理維護和觀察
遇到縮圖、搜尋或系統服務異常，可以先預覽 Optimize 的維護項目。它會依系統狀況略過不適用的工作，不能把它當成每台 Mac 都會得到相同效果的加速按鈕。
mo optimize --dry-run確認項目後才執行實際維護，需要排除的工作可用保護設定管理。
mo optimize --whitelist
mo optimize只想了解目前 CPU、記憶體、磁碟、網路與電力狀態時，用唯讀的 Status 儀表板即可。按 q 可以離開。
mo status對跑本地模型的人來說，可以在載入模型前後觀察記憶體壓力，再在生成內容時看 CPU 和磁碟活動。如果空間回收了，運算仍然慢，就應繼續檢查模型大小、同時執行的工作與記憶體，而不是反覆清理相同快取。
開發者可以用 Purge 整理專案產物
許多舊專案占空間，是因為 node_modules、target、build 或 dist 長期保留。Purge 會以專案為單位整理候選項目，先設定要掃描的資料夾，再做預覽。
mo purge --paths
mo purge --dry-run看清楚清單後，實際清理使用以下命令。
mo purgePurge 會永久刪除你確認的項目 。原則上這些產物能重新建立，但自己的專案可能把手工修改內容或唯一成品放進 build 或 dist，所以仍需先核對。清掉依賴後，下一次開發也要重新安裝，應保留套件清單與 lockfile。
下載資料夾裡的舊安裝包則交給 Installer。先確認是否還需要離線重裝，再決定移除。
mo installer --dry-run以下會進入安裝包的實際移除流程。
mo installerMole 常用命令速查
工作 起手命令 使用重點 查看空間 mo analyze 先瀏覽，移除需確認 查看狀態 mo status 唯讀監控 清理快取 mo clean –dry-run 先預覽，再執行 clean 移除 App mo uninstall –dry-run 先確認程式與殘留 系統維護 mo optimize –dry-run 先確認維護項目 專案產物 mo purge –dry-run 正式執行可能永久刪除 舊安裝包 mo installer –dry-run 先確認是否仍需保存
先從查看與預覽開始，再依需要執行對應操作 整合 Raycast，減少每天開終端機的步驟
Mole 官方提供快速啟動器腳本，可以加入 Clean、Uninstall、Optimize、Analyze 與 Status。以下命令請逐行操作，先下載官方腳本，用 less 閱讀內容，按 q 離開閱讀畫面，確認後才執行最後一行。
curl -fsSL https://raw.githubusercontent.com/tw93/Mole/main/scripts/setup-quick-launchers.sh -o setup-mole-launchers.sh
less setup-mole-launchers.sh
bash setup-mole-launchers.sh
開啟 Raycast Settings，進入 Extensions 的 Script Commands
新增腳本目錄 ~/Library/Application Support/Raycast/script-commands
執行 Reload Script Directories 重新載入
在 Raycast 搜尋 analyze 或 status，開啟相應功能
清理指令仍然會啟動 Mole 本身的操作流程。快速啟動器的價值在於少打字，並不代表能略過對清理範圍的判斷。官方腳本在找到 Alfred 設定時，也會建立對應 workflow。
讓 Codex 協助讀取磁碟報告
Mole 已有 JSON 輸出，適合把資料交給 Codex 整理。可以請 Codex 解釋哪些資料夾占空間，以及哪些是模型、快取、安裝包或專案產物，再由自己決定下一步。
mo analyze --json ~/Documents
mo status --json
mo history --json可以這樣下提示詞。以下是整理報告的範例，並不會自動開始刪除。
請使用 Mole 的唯讀分析與 JSON 輸出，整理我指定資料夾的空間占用。按模型檔、專案依賴、生成成果與安裝包分類，列出路徑、容量與可能用途。請保留正在使用的模型和唯一成品，先提供清理建議，等我指定項目後再執行刪除。
JSON 報告可能包含使用者名稱與專案路徑。把它交給雲端服務時，就和 Mole 本身在本機掃描是兩個不同的資料處理步驟，可以先限制分析範圍。
更新、移除與常見錯誤
用 Homebrew 安裝的版本，更新時指定 Mole 即可。
brew update
brew upgrade mole不再需要這個工具時，用原本的套件管理方式解除安裝。
brew uninstall mole如果用官方安裝腳本安裝，則使用 mo update 更新與 mo remove 移除工具本身。不要把 mo uninstall 和 mo remove 混在一起，前者是管理其他 App，後者是移除 Mole。
遇到 Bundled status binary not found，先確認版本與命令位置。如果原本是 Homebrew 安裝，可用以下方式重新安裝套件，恢復遺失的執行檔。
command -v mo
mo --version
brew reinstall mole原本使用官方腳本安裝時，依錯誤訊息執行 mo update，或重新執行官方安裝流程。若電腦同時裝了兩個版本，先整理命令搜尋路徑，避免更新了一份，實際卻執行另一份。
FAQ
Mole 可以完全免費使用嗎
CLI 版可以，GitHub 專案採 GPL-3.0 開源授權。原生 Mole for Mac App 是另外的付費產品，兩者的授權和介面不同。
Mole 清理後一定會讓 Mac 變快嗎
不一定。它可以協助回收空間與處理部分維護工作，效能是否改善仍取決於磁碟剩餘空間、記憶體壓力、背景程序和實際工作負載。
Mole 有 Windows 版嗎
主要產品針對 macOS，官方 GitHub 目前另有實驗性的 windows 分支。不要把 Mac 的 Homebrew 命令與清理規則直接套到 Windows，也不要假設兩邊功能完全相同。
Analyze 和 Clean 都會刪除檔案嗎
Analyze 主要供瀏覽分析，選取移除後會確認並移到垃圾桶。Clean 會按清理規則實際刪除資料，第一次操作先使用 dry-run 預覽。
我會怎麼把 Mole 放進日常工作
第一次先跑 Analyze 和 Status，弄清楚容量與資源占用。空間不足時再預覽 Clean，需要移除 App 時用 Uninstall，舊專案交給 Purge。這樣比較容易把每次清理和實際問題對上，也能保留常用模型與工作成果。
我很喜歡 Mole 把路徑、大小與操作結果攤開的方式。對經常下載模型、建立測試專案與輸出影音素材的人，能知道硬碟裡放了什麼，比每次容量不足才四處翻資料夾方便得多。
功能與命令依 Mole 官方文件 核對，原生 App 資訊可看 繁體中文官網 ，清理行為的保護範圍可參考 官方安全說明 。
by Rain Chu 9 月 12, 2026 | Apple , iPhone
搭配 Apple 的 Object Capture，它可以把實體物件或小型空間轉成帶有網格與材質的 3D 模型，再用 USDZ 格式送進後製流程
這條路不要求先學 Blender，也不必從零手工建模，真正要掌握的是拍攝品質、Xcode 部署與模型進入 Final Cut Pro 的方式。
等等先用 iPhone 收集影像，再由 RealityKit 做攝影測量與重建，接著把 USDZ 轉成 Final Cut Pro 可讀取的標題範本，最後才安排旋轉、縮放、鏡頭與 AI 生成素材。看似複雜，但每一段都有清楚的工具邊界。
Object Capture 到底做了什麼
RealityKit Object Capture 使用攝影測量技術，從不同角度的照片找出重複特徵，推算相機位置、物體幾何與表面材質，最後輸出 3D 模型。LiDAR 可以補充深度與真實比例，但模型細節仍高度依賴照片的清晰度、重疊率與光線。
Apple 建議相鄰照片保留至少 70％ 的重疊，低於 50％ 時容易失敗，反光、透明、半透明、單一純色與會變形的物件也比較難重建。最穩的拍法是使用柔和均勻的光，保持焦距、曝光與白平衡一致，慢慢繞物體兩到三圈，並補拍較高與較低的角度。
開始前需要準備什麼
一台 Mac，安裝最新版 Xcode
符合 Object Capture 範例需求的 iPhone 或 iPad
目前官方範例要求 LiDAR Scanner、A14 Bionic 或更新晶片，以及 iOS 或 iPadOS 18 以上
Final Cut Pro
想手動建立範本時需要 Apple Motion
想快速批次處理時可使用 3D to Timeline
官方範例必須在實體裝置上執行，不能只開 iOS Simulator。
開發測試可以在 Xcode 登入個人 Apple Account 並選擇 Personal Team，不一定要先購買 Apple Developer Program。若要正式散布 App，仍要依 Apple 最新會員與簽署規則處理。
下載並安裝 Object Capture 掃描 App
Apple 提供可直接下載的 Scanning objects using Object Capture 範例。它不是 App Store 成品，而是一個需要用 Xcode 安裝到自己 iPhone 的範例專案。
從 Mac App Store 安裝 Xcode，首次開啟時讓它完成必要元件下載
打開 Apple 範例頁面並按 Download，解壓縮後開啟 GuidedCaptureSample 專案
在 Xcode 左側選取專案，再選 App Target
進入 Signing and Capabilities，勾選 Automatically manage signing
在 Team 選擇自己的 Personal Team
把 Bundle Identifier 改成唯一名稱，例如 tips.rain.guidedcapture
在 Target 的 Info 設定確認相機權限說明存在
把 Application supports iTunes file sharing 設為 YES，也把 Supports opening documents in place 設為 YES，之後才容易從 Finder 取出掃描照片與 USDZ
用傳輸線連接 iPhone，依提示選擇信任這台電腦
在 Xcode 上方執行裝置選擇自己的 iPhone，按下 Run
第一次安裝時，iPhone 可能要求開啟開發者模式。位置通常在「設定」的「隱私權與安全性」底部。
開啟後裝置會重新啟動，再確認啟用。若出現開發者憑證未受信任，可到「設定」的「一般」再進入「VPN 與裝置管理」，信任自己的開發者 App 憑證。
如果 Xcode 顯示 pairing is in progress，先等裝置配對完成再執行，若簽署欄位變紅，優先檢查 Team、Bundle Identifier 是否唯一，以及 iPhone 是否已解鎖並信任 Mac。
物件模式與區域模式怎麼選
模式 適合內容 拍攝重點 常見輸出 Object Mode 杯子、鞋子、玩具與單一商品 先框住物件，再繞行兩到三圈並補拍上下角度 可直接完成物件重建與 USDZ Area Mode 房間、工作區、走廊與較大場景 緩慢移動並保持大量視角重疊，避免人員與物件移動 影像資料夾，再交給 Mac 重建
Object Mode 會先偵測物件邊界框。調整到完整包住目標後開始掃描，畫面會提示移動速度、距離與尚未覆蓋的角度。第一圈完成後，可以依物件特性翻面再補一圈。柔軟、對稱紋理或容易改變形狀的物件不適合翻動，否則前後照片的特徵可能對不上。
Area Mode 比較像收集一組空間照片，不代表 iPhone 會立刻產出乾淨完整的室內數位分身。狹窄空間、大片白牆、鏡面、重複圖樣與移動中的人，都會讓幾何破碎。它適合先做場景草模、鏡頭規劃或背景參考，不應直接假設能取代專業空間掃描。
在 Mac 重建照片並輸出 USDZ
若手上是一組照片或 Area Mode 匯出的影像，可以下載 Apple 的 Building an object reconstruction app 範例。做法和前一個專案相同，開啟 Xcode、設定 Personal Team 與唯一 Bundle Identifier，然後在 Mac 上執行。
選擇 Image Folder，指定掃描照片所在資料夾
輸入模型名稱與儲存位置
選擇 Triangular Mesh
第一次先用 Medium 品質測試
單一物件可啟用 Isolate object from environment
空間掃描則改用 Include environment around object
按 Process 並等待 USDZ 生成
Medium 通常是畫質與檔案大小比較平衡的起點。Reduced 適合快速預覽與網頁傳輸，Full 需要更多時間、記憶體與儲存空間。Raw 保留最高細節，主要留給後續 3D 軟體整理，不適合直接塞進剪輯時間軸。Mac 端可先用 Finder Quick Look 檢查方向、比例、材質與破洞，再決定是否重跑。
把 USDZ 放進 Final Cut Pro 的兩條路
快速路徑：3D to Timeline
3D to Timeline 會把一個或多個 USDZ 批次包成 Motion 相容的 Final Cut 標題。把檔案拖進 App，完成後開啟 Final Cut Pro，就能在 Titles Browser 找到 3D Models 類別。這是最省時間的做法，也不需要自己操作 Motion。
目前 App Store 頁面標示免費，需求是 macOS 14 以上與 Final Cut Pro 10.8 以上，價格與需求日後仍可能調整。模型進入時間軸後，可在 Inspector 控制大小、位置、旋轉、相機與預設動畫，也能加關鍵影格做進場、跟隨與轉向。
手動路徑：Apple Motion
在 Motion 建立 Final Cut Title 專案
選擇 File、Import、Media，匯入 USDZ
刪除不需要的預設文字，調整模型方向、大小、燈光與相機
把想在 Final Cut Pro 修改的參數發布到 Inspector
選擇 File、Save，設定名稱與分類後按 Publish
回到 Final Cut Pro 的 Titles Browser，將新範本拖進時間軸
Apple Motion 官方只支援匯入 USDZ 3D 物件。手動製作的好處是能控制燈光、相機、材質與發布參數，也能做成團隊可重複使用的模板。儲存後的範本通常位於使用者的 Movies/Motion Templates 目錄，移到另一台 Mac 時要保留相同資料夾結構。
AI 生成與實拍 3D 可以怎麼接
最有意思的不是單獨炫耀一個會旋轉的模型，而是把真實物件、3D 資產與 AI 畫面放進同一個敘事。可以先掃描商品取得可控的 USDZ，再拍一張真實桌面作為起始畫面，交給 Google Flow 或其他圖生影片模型產生動作，最後回到 Final Cut Pro 疊合實拍、AI 片段與 3D 模型。
這和只用文字生成影片不同。掃描模型負責可重複控制的形狀與角度，AI 負責難以實拍的動態與氛圍，剪輯軟體則負責節奏、遮罩、追蹤與聲音。若想把這套方式再往自動化推進，可以延伸閱讀 Codex 動態圖表與短影片工作流 、AI 動畫 Skills 選擇指南 與 OpenMontage 本地影片工作流 。
AI 產生的物件不一定能維持精確幾何與材質，所以商品外型、Logo 與功能結構不能只靠生成模型。若要從文字或少量照片快速做概念模型，可以試 Suzanne3D ，再把輸出轉成 USDZ。想把更多雲端圖像與影片節點接成流程，也可以參考 RunningHub 與 ComfyUI 工作流 。
常見失敗與修正方式
模型破洞：補拍物體底部、凹槽與被遮住的角度
材質漂移：避免硬陰影與高光，維持相同曝光與白平衡
比例不對：使用帶深度資料的支援裝置，或在後製重新校正比例
場景支離破碎：增加照片重疊，避開大片無紋理牆面與移動物件
Final Cut 找不到模型：確認模型已被轉成標題範本，而不是只把 USDZ 放進素材庫
Xcode 無法安裝：檢查裝置配對、開發者模式、Team、Bundle Identifier 與憑證信任
我的建議工作流
第一次不要從整個房間開始。先找一個表面有紋理、沒有反光、形狀固定的小物件，用 Object Mode 完成兩圈掃描，先輸出 Medium USDZ，再用 3D to Timeline 放進 Final Cut Pro。這條最短路徑成功後，再挑戰 Area Mode、Motion 自訂範本與 AI 合成。
這套流程真正降低的不是 3D 專業的上限，而是把現實世界帶進影片的起步成本。掃描品質仍要靠拍攝判斷，模型如何出現在畫面裡仍要靠剪輯與美術。工具把門打開了，創作價值最後還是取決於你怎麼安排模型、鏡頭與故事。
FAQ
沒有 LiDAR 的 iPhone 可以用嗎
可以手動拍照片再送到 Mac 重建，但目前 Apple 的完整 Object Capture 掃描範例要求具備 LiDAR、A14 Bionic 或更新晶片，以及 iOS 18 以上。是否支援最好在 App 內檢查 ObjectCaptureSession.isSupported，不要只用手機年份判斷。
一定要買 Apple Motion 嗎
不一定。只想快速把 USDZ 放進 Final Cut Pro，可以使用 3D to Timeline。想自己控制模板結構、燈光、相機、動畫與可調參數，Motion 會比較完整。
USDZ 能直接拖進 Final Cut Pro 嗎
一般做法不是把 USDZ 當普通影片素材匯入，而是先用 3D to Timeline 或 Motion 將它包成 Final Cut 標題範本，再從 Titles Browser 放進時間軸。
官方資源
by Rain Chu 9 月 8, 2026 | Agent , AI , Apple , Mac , 程式開發
買 Mac 跑本地 AI，我會先考慮以下三件事：
模型能不能放進記憶體，送出長篇資料後要等多久，以及開始回答後每秒能生成多少 token。這三件事分別牽涉容量、運算能力與記憶體頻寬，不能只看晶片名稱裡的數字。
同一台電腦，短問短答很順，換成讀程式碼、查工具、反覆執行任務的 Agent 卻很慢，並不矛盾。
聊天介面讓你注意到的是持續輸出的速度，Agent 更容易暴露長輸入、多輪推理與工具等待的成本。
模型載入成功，只代表跨過容量門檻，還不代表這台機器適合你的工作流。
本文於 2026 年 9 月 6 日核對規格。Apple 已公布新款 Mac mini 與 Mac Studio，官方標示 9 月 22 日開始供貨。以下會把官方規格、推理原理與選購判斷分開，未取得的新機實測不會用推估值冒充。供貨資訊可查 Mac mini 公告 與 Mac Studio 官網 。
先分清 Prefill 與 Decode，才知道慢在哪裡
Prefill，預填充 ，是模型處理輸入內容、建立後續推理狀態的階段，系統提示詞、聊天記錄、工具定義、檢索文件與程式碼都可能算進輸入，並非只有你剛打的那一句話。長輸入通常有較大的矩陣運算需求。
Decode，解碼生成 ，則是在已有上下文狀態上逐步產生 token，單一請求、低批次的生成常受記憶體資料搬運限制，所以記憶體頻寬很重要，Token 不是固定的一個中文字，不能把 tokens/s 直接當成每秒中文字數。
觀察體感時，我會同時記錄 TTFT，也就是送出後到第一個 token 的時間，以及生成階段的 tokens/s，TTFT 還可能包含排隊、模型載入與服務端處理，不能把所有等待都歸因於 Prefill，Apple 的 MLX 與 M5 技術說明 也分別討論提示詞處理與生成效能，兩個階段應分開比較。
記憶體容量，是門票而不是速度保證
Apple Silicon 的 CPU 與 GPU 共用統一記憶體，跑較大模型時不必完全受限於一張獨立顯示卡的顯存容量，在這規格表上的 32GB 或 128GB 並不等於模型可以獨占同樣的空間，macOS、瀏覽器、開發工具、KV cache 和推理暫存都需要預算。
估算可以從權重開始：參數數量乘上每個參數的位元數，再除以 8，以約 27B 參數、理想化 4-bit 權重計算，純權重約 13.5GB，這只是十進位容量的粗估，還沒加入量化分組資訊、部分高精度權重與執行時開銷。
32GB 能否跑某個 27B 模型，答案是「有機會，但要指定量化檔、上下文長度與框架」。只拿 27B 這個名字，無法保證長上下文與多 Agent 都順暢。先核對實際模型檔大小，再測一個完整任務，會比只看成功載入的畫面更有用。
如果想先理解不同推理工具的定位，可以參考 MLX、llama.cpp、Ollama 與其他本地推理框架比較 ，格式、核心實作與快取策略都會影響同一台硬體的表現。
記憶體頻寬，影響持續輸出但不是萬用答案
可以把容量想成能放多少資料，頻寬則是每秒能把多少資料送到運算單元。當低批次生成需要反覆讀取大量權重，而硬體運算能力足夠時，頻寬往往成為主要限制。
但「頻寬加倍，速度就一定加倍」只適合當理想化的直覺，實際還有量化解碼、注意力、KV cache 存取、核心效率、批次大小與模型架構，MoE 也不是每個 token 都動用全部專家權重，所以不能把所有模型都套進同一條簡單公式。
M5、M6 規格怎麼看，先看配置再看名稱
以下整理 Mac mini 技術規格 與 Mac Studio 技術規格 中，和本地模型最直接相關的容量與頻寬。這是規格對照，不是速度排名，也不是實測 tokens/s。
機型與配置 統一記憶體 記憶體頻寬 Mac mini M6 基本配置 16GB 153GB/s Mac mini M6 較高記憶體配置 24GB 或 32GB 170GB/s Mac mini M5 Pro 24GB，可選 48GB 或 64GB 307GB/s Mac Studio M5 Max 32 核心 GPU 36GB 460GB/s Mac Studio M5 Max 40 核心 GPU 可選至 128GB 614GB/s Mac Studio M5 Ultra 96GB，特定配置可選至 512GB 1.2TB/s
2026 年 9 月 6 日核對，容量與頻寬不等同實測生成速度 M5 Max 的 32 核心與 40 核心 GPU 版本不只差核心數，頻寬與可選記憶體也不同，M5 Ultra 的 256GB、512GB 選項綁定更高階晶片配置，升級容量的成本可能同時包含晶片升級。選購時應核對最後的完整配置，不要把某個系列的最高值套到入門款。
供貨時間也要分開看。依 Apple 台灣的新款 Mac Studio 公告 ，一般配置自 9 月 22 日起供貨，512GB 統一記憶體配置則預計 10 月底推出，需要立即交付工作的團隊，應再確認實際可下單配置與交貨日期。
跑 Agent 為什麼更容易卡在等待
一個程式碼 Agent 可能先讀專案規則，再讀檔案，接著呼叫工具，最後把工具輸出帶回模型繼續判斷，每一輪都可能增加輸入，輸出卻只有一小段指令，讓「先讀懂，再動作」的成本更加明顯。
「每開一個子代理，就一定完整重算一次全部上下文」並不精確，是否能重用相同前綴，取決於服務端的 prompt cache、請求路由、模型支援與上下文是否一致，MLX LM 官方專案 就提供 prompt caching 功能，實際 Agent 框架有沒有用到，仍要另外確認。
把長期不變的規則放在穩定前綴，減少每輪重新排列內容
只提供當前任務需要的檔案與工具，避免把整個專案一次塞進提示詞
先測單 Agent，再逐步增加並行數，觀察排隊與記憶體壓力
同時記錄模型等待、工具執行與重試時間，避免把外部服務延遲算到 GPU 頭上
如果任務需要很長的推理輸出，Decode 仍可能占大部分時間，真正值得比較的是完成同一項工作要多久、成功率如何，而不只是某個階段的峰值數字。選擇 Agent 模型與本機部署方式 時，也應把工具呼叫品質一起放進評估。
M5 的加速器，要配合軟體才能發揮
M5 GPU 的 Neural Accelerators 是 GPU 內的矩陣運算加速能力，不應和晶片上另一個 Neural Engine 混為一談，對長輸入這類運算密集的工作，支援相應路徑的框架與核心可以帶來收益。
買到新晶片不代表任何模型、量化格式和舊版工具都會自動得到相同比例的加速，我會連同 macOS、MLX 或 llama.cpp 的版本一起記錄，並查看執行時使用的後端。Apple 早期公布的 M5 測試可以用來理解方向，但不能直接當成新款 M6 或 M5 Ultra 的實測成績。
MoE 為什麼值得看，但不能只看啟用參數
Mixture of Experts，混合專家模型，會依 token 選用部分專家，降低每步需要參與計算的參數量，它讓「保存很多知識容量」和「每一步動用多少運算」有機會分開，這和大容量統一記憶體的特性很搭。
以 Qwen 官方的 Qwen3-30B-A3B 為例，30B 指總參數量，3B 指啟用參數量，不能因為看到 A3B，就用一個 3B 稠密模型的記憶體需求來估算，通常仍要保存更大的整體權重。這是用來解釋命名與架構的例子，不代表它是目前唯一或最適合的選擇。
MoE 的速度還受專家路由、量化、核心最佳化與批次大小影響，也不保證同樣容量下的工具使用品質一定勝過稠密模型，我的做法是準備一組真實任務，用完成品質與總耗時一起決定。
三種使用情境，我會這樣安排預算
主要使用雲端 AI，優先顧好日常工作
如果主要運算都在雲端，Mac 更多是在跑瀏覽器、編輯器與本地工具，無須只為遠端模型購買超大記憶體。16GB 到 32GB 可以作為一般工作起點，但大型專案編譯、虛擬機與剪輯仍可能需要更多。這是用途判斷，不是所有人的最低規格。
本地聊天、寫程式與剪輯混用，先看 48GB 到 128GB 的實際需求
先列出最常用的兩三個模型，再加上平常同時開啟的軟體。M5 Pro 和 M5 Max 各有不同容量與頻寬選項，能否容納模型加上真實工作環境，比只追求最大 GPU 核心數更重要。若以 Agent 為主，要優先找長提示詞與連續工具呼叫測試，而不是只看短聊天跑分。
目標是超大模型，再考慮 Ultra 與多機
當權重、長上下文或多請求確實超出較小容量，才有充分理由看 256GB、512GB 或分散式部署。先問自己是否需要那個模型能力，以及它能否在可接受時間內完成任務，不要為了「裝得下最大模型」而買一台長期等待的電腦。
AI 生圖與生影片，要另做一份評估
剪輯影片和用生成模型產生影片，是不同的運算工作，ProRes 編解碼能力強，不能直接推論擴散模型也會很快。ComfyUI 官方支援 Apple Silicon ，但你的模型、量化與自訂節點是否支援 Mac，以及完整生成一段內容要多久，仍需逐項確認。
若主要目的是高頻率生影片，我會拿實際工作流比較 NVIDIA GPU、本地 Mac 與雲端方案，再把等待時間與每次產出的成本算進去。可從 LTX 2.3 的 ComfyUI 影音工作流 理解需要核對哪些模型與節點，不應只拿文字模型的速度替影音生成下結論。
不過可以肯定的是現在要生圖還是首選 Nvidia 畢竟 pyTouch 還沒有完整支援 MAC
DGX Spark 加 Mac Studio，是分工不是魔法加總
EXO 的異質推理示範 把 Prefill 放在 DGX Spark，再把 KV cache 傳給 Mac Studio 進行 Decode，並透過逐層傳輸，讓通訊與運算時間部分重疊。這說明不同硬體可以各做擅長的階段。
但 EXO 示範的是特定模型、輸入長度、硬體與網路，不能外推成任何組合都會同倍率變快。兩台 256GB 也不必然優於一台 512GB，模型如何分片、互連頻寬、框架支援與並行方式都會改變結果。多機還增加設定與維護成本，應以整個任務的實測決定。
對多機部署有興趣，可以接著看 雙機 EdgeXpert 與大模型工作負載 ，把單機容量、網路傳輸和軟體支援一起考慮。
購買前怎麼測，至少分開短提示詞與長提示詞
請測試者提供完整模型名稱、量化檔、框架版本、系統版本、上下文長度與 GPU 配置，相同模型換一種量化，或把長輸入改成一句問候，都足以改變結果。
已有 llama.cpp 與本地 GGUF 模型時，可參照 llama-bench 官方說明 使用下列命令。把路徑改成自己已下載的模型，這裡的參數是測試設定，不是我在新機上測出的數字。
llama-bench -m /absolute/path/model.gguf -p 512,8192 -n 128 -r 3 -o json這會分別測試不同長度的 prompt processing 與文字生成，輸出中的 pp 與 tg 對應不同階段。合成測試適合比較核心效能，不能直接當成真實 Agent 的 TTFT 或任務總耗時。還要補一輪實際工具呼叫流程，並分別記錄冷啟動、快取命中和未命中的狀態。
同一份短問答，觀察穩定生成速度
同一份長文件，觀察首個 token 等待時間
同一個修改程式任務，觀察工具呼叫與完成率
同樣的並行數，觀察尖峰記憶體、swap 與排隊
若要生圖或生影片，使用完全相同的模型、尺寸、步數與節點
FAQ
32GB Mac 可以跑 27B 模型嗎
部分量化版本有機會，但要加上 KV cache、推理暫存、macOS 與其他程式的需求。能載入不等於長上下文或多 Agent 都能流暢使用。
M6 一定比 M5 Max 適合本地 AI 嗎
不一定。要比較完整配置的容量、頻寬、運算後端與實際工作負載，不能只用世代數字排序。
為什麼聊天很快，Agent 卻很慢
Agent 可能反覆處理長上下文並等待工具，瓶頸不只在生成速度。應同時檢查 Prefill、快取、排隊、工具時間與任務重試。
MoE 的啟用參數少，記憶體也只要那麼少嗎
不是。啟用參數主要描述每步參與計算的部分，通常仍要保存全部專家權重，容量估算不能只看 A 後面的數字。
我的選購順序：先定工作，再定模型，最後選配置
先確定主要工作是在雲端還是本地，再決定模型與上下文需求。容量不足先解決容量，等待第一個字太久就看輸入處理與快取，開始輸出後仍然慢才進一步比較頻寬與生成核心。用這個順序選 M5、M6 或 Ultra，比追規格表上最大的數字更能把錢花在真正的瓶頸上。
近期留言