Mac Mini M4本地跑AI完整攻略：从Ollama到Stable Diffusion

先说结论

Mac Mini M4（尤其是M4 Pro）跑AI完全可行，Ollama跑7B模型流畅，Stable Diffusion用Diffusers + MPS加速出图速度接近中端N卡。本文手把手教你从零搭建环境，全程实操，无废话。

准备工作

硬件要求

• Mac Mini M4（建议16GB以上内存，M4 Pro更佳）
• macOS Sequoia（当前最新）
• 至少50GB空闲硬盘空间

第一步：配置Homebrew和Conda环境

Homebrew是Mac的包管理器，Conda用于管理Python环境。打开终端，依次执行：

# 安装Homebrew
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

# 安装Miniforge（M芯片专用Conda）
brew install miniforge

# 初始化conda
conda init zsh
# 重启终端或 source ~/.zshrc

# 创建AI专用环境
conda create -n ai python=3.11 -y
conda activate ai

注意：Miniforge比Anaconda更轻量，且原生支持ARM架构。

第二步：安装Ollama并拉取模型

安装Ollama

# 使用Homebrew安装
brew install ollama

# 启动Ollama服务（后台运行）
ollama serve &

# 验证安装
ollama --version

拉取模型

推荐两个模型：Mistral 7B（通用）和qwen2.5（中文强）。

# 拉取Mistral 7B（约4GB）
ollama pull mistral

# 拉取qwen2.5（7B版本，约4GB）
ollama pull qwen2.5

# 测试运行
ollama run mistral "Hello, what is your name?"

实测M4 Pro 24GB内存，Mistral 7B生成速度约30 tokens/s，qwen2.5稍慢但中文理解更好。

第三步：Stable Diffusion + Metal加速

安装依赖

# 确保在ai环境中
pip install diffusers transformers accelerate torch torchvision torchaudio

# 安装Apple Metal支持（MPS）
pip install --pre torch --index-url https://download.pytorch.org/whl/nightly/cpu

注意：PyTorch nightly版对MPS支持最好。

编写生成脚本

创建一个文件 sd_generate.py：

import torch
from diffusers import StableDiffusionPipeline

# 使用MPS加速（M芯片的Metal API）
device = "mps" if torch.backends.mps.is_available() else "cpu"

# 加载模型（第一次会下载，约2GB）
pipe = StableDiffusionPipeline.from_pretrained(
    "runwayml/stable-diffusion-v1-5",
    torch_dtype=torch.float32
).to(device)

# 生成图像
prompt = "a beautiful landscape with mountains and lake, digital art"
image = pipe(prompt, num_inference_steps=20).images[0]
image.save("output.png")
print("图像已保存到 output.png")

运行：

python sd_generate.py

M4 Pro 24GB生成512x512图像约需10秒，比CPU快5倍以上。

第四步：进阶优化

使用更快的模型

推荐 stabilityai/sd-turbo，只需1-4步即可生成高质量图像：

from diffusers import StableDiffusionXLPipeline

pipe = StableDiffusionXLPipeline.from_pretrained(
    "stabilityai/sd-turbo",
    torch_dtype=torch.float16
).to(device)

image = pipe("cat in space", num_inference_steps=4).images[0]

批量生成

prompts = ["dog", "cat", "bird"]
for i, p in enumerate(prompts):
    image = pipe(p).images[0]
    image.save(f"output_{i}.png")

常见问题

• Ollama报错"无法连接到服务"：确保先运行 ollama serve 再拉取模型。
• Stable Diffusion报"MPS not available"：检查PyTorch版本，需安装nightly版。
• 内存不足：减少 batch_size 或使用更小的模型（如1.5版本）。

总结

Mac Mini M4完全能胜任本地AI任务，Ollama跑LLM流畅，Stable Diffusion借助MPS加速也足够日常使用。如果你是开发者或AI爱好者，这套配置性价比极高。下一步可以尝试运行Llama 3.1 8B或Fine-tune小模型，期待你的探索。