맥미니 M6, 'AI 4.8배'에 지갑 열기 전에 — M4로 AI 에이전트 24시간 돌리는 DevOps가 계산해 본 60만 원의 값어치

맥미니 시작가가 89만 원에서 149만 9천 원이 됐습니다. 60만 원 넘게 오른 대신 Apple이 내건 숫자는 화려합니다. AI 성능 최대 4배, LM Studio 기준 LLM 프롬프트 처리 최대 4.8배, CPU 40% 향상. 발표문에는 "책상 옆에서 상시 구동되는 에이전틱 컴퓨팅 시스템"이라는 표현까지 들어갔습니다. 맥미니를 대놓고 AI 에이전트 서버로 팔기 시작한 겁니다.

공교롭게도 이 글을 쓰는 지금, 제 책상 옆 M4 맥미니(16GB)는 14일째 꺼지지 않고 AI 에이전트를 돌리고 있습니다. 텔레그램으로 말을 걸면 증시를 확인하고, 브라우저를 열어 뉴스를 읽고, 블로그 글까지 올리는 그 녀석입니다. 그러니 질문은 하나입니다. 이걸 M6로 바꾸면 체감이 4.8배가 될까?

결론부터 말하면, 대부분은 아닙니다. 그런데 특정 용도에서는 60만 원이 오히려 싸게 느껴질 수도 있습니다. 그 갈림길을 숫자로 정리했습니다.

무엇이 바뀌었나: 코어 2개보다 중요한 것

M6는 Apple 최초의 2nm 공정 칩입니다. CPU와 GPU가 각각 10코어에서 12코어로 늘었고, GPU 코어마다 Neural Accelerator가 들어갔으며, Neural Engine은 '듀얼 16코어'가 됐습니다. 여기까지는 예상 가능한 세대 교체입니다.

DevOps 관점에서 눈여겨볼 변화는 따로 있습니다.

• 메모리 대역폭: 120GB/s → 153GB/s (24·32GB 구성은 170GB/s). 로컬 LLM 속도를 좌우하는 진짜 숫자입니다.
• 기본 이더넷 2.5Gb: 1Gb에서 올라왔고 10Gb 옵션도 그대로입니다. NAS·백업 서버로 쓰는 분들에게는 체감이 큽니다.
• Wi-Fi 7 · Bluetooth 6 · Thread: Apple N1 무선 칩이 들어가면서 홈 자동화 허브로 쓰기도 좋아졌습니다.

반대로 바뀌지 않은 것도 있습니다. M6 모델의 최대 메모리는 여전히 32GB이고, 후면 포트는 Thunderbolt 4(40Gb/s) 3개 그대로입니다. Thunderbolt 5와 64GB는 M5 Pro 모델에만 있습니다.

"4.8배"의 정체: 읽기는 빨라지고, 말하기는 덜 빨라진다

로컬 LLM이 답을 만드는 과정은 두 단계입니다.

1. 프롬프트 처리(prefill): 내가 넣은 질문과 문서를 한꺼번에 읽는 단계. 계산량이 많아서 GPU 연산 성능이 좌우합니다.
2. 토큰 생성(decode): 답을 한 글자씩 내뱉는 단계. 토큰 하나를 만들 때마다 모델 가중치 전체를 메모리에서 읽어야 해서, 연산보다 메모리 대역폭이 병목입니다.

Apple이 발표한 "M4 대비 최대 4.8배"는 1번, 프롬프트 처리 수치입니다. GPU마다 Neural Accelerator를 넣었으니 이 부분이 크게 빨라지는 건 당연합니다. 긴 문서를 넣는 RAG나 코드베이스 전체를 읽히는 작업이라면 첫 응답까지 기다리는 시간이 확 줄어듭니다.

하지만 화면에 답이 흘러나오는 속도, 즉 우리가 "빠르다"고 느끼는 2번은 대역폭을 따라갑니다. 대역폭 비율로 단순 계산하면 16GB 모델은 약 1.28배, 24·32GB 모델은 약 1.42배입니다. (실측이 아니라 대역폭 비례 추정치입니다. 모델·양자화·소프트웨어에 따라 달라집니다.)

여기서 함정이 하나 더 나옵니다. 같은 M6인데 16GB 모델은 153GB/s, 24GB 이상은 170GB/s입니다. 로컬 LLM이 목적이라면 기본 모델이 아니라 24GB 이상을 골라야 하는 이유가 메모리 용량만이 아니라는 뜻입니다.

그래서 제 M4는 바꾸지 않습니다

제 맥미니가 하는 일을 뜯어보면 답이 나옵니다. 에이전트의 '두뇌'는 클라우드 LLM API이고, 맥미니는 메시지를 받고, 브라우저를 띄우고, 셸 명령을 실행하고, 결과를 돌려주는 게이트웨이 역할을 합니다. 14일 내내 켜져 있는 지금 이 순간에도 load average는 3 안팎, 10코어 기준으로 여유가 넉넉합니다.

이런 구조에서 응답 시간을 잡아먹는 건 칩이 아니라 API 왕복 시간과 웹페이지 로딩입니다. M6로 바꿔도 체감은 거의 없고, 60만 원은 차라리 API 비용으로 쓰는 편이 낫습니다. 같은 이유로 n8n, 홈어시스턴트, 텔레그램 봇, 크론 작업 위주라면 M4로 충분합니다.

용도별로 정리하면

① 클라우드 API 기반 에이전트·자동화 → M4 유지(또는 중고 M4). 병목이 칩 밖에 있습니다. 새로 산다면 M4 중고도 충분히 좋은 선택지입니다.

② 로컬 LLM을 실제로 서빙 → M6 24GB 또는 32GB. 8~14B급 모델을 상시 띄워 두고 문서 요약·RAG·코드 보조를 돌린다면 M6의 진가가 나옵니다. 프롬프트 처리는 몇 배, 토큰 생성은 1.4배 남짓, 그리고 모델과 컨텍스트를 올릴 메모리 여유까지 생깁니다.

③ 홈서버·NAS 허브 → M6 기본 모델. 성능보다 2.5Gb 이더넷과 Wi-Fi 7이 핵심입니다. M4에서 같은 속도를 내려면 10Gb 옵션이나 외장 어댑터가 필요했습니다.

④ 30B 이상 모델·여러 대 클러스터 → M5 Pro 64GB. 307GB/s 대역폭에 Thunderbolt 5로 여러 대를 묶어 큰 모델을 나눠 돌릴 수 있습니다. 32GB 상한에 막힌 M6로는 갈 수 없는 영역입니다.

가격표를 다시 보면

국내 기본 구성은 M6 16GB/256GB 149만 9천 원, 16GB/512GB 183만 9천 원, 24GB/512GB 217만 9천 원, 그리고 M5 Pro 24GB/512GB 299만 원입니다. 교육용은 M6 기준 132만 9천 원부터입니다.

로컬 LLM이 목적이라면 217만 9천 원짜리 24GB 모델이 사실상의 스윗스폿입니다. 16GB 모델과 34만 원 차이지만 메모리 용량과 대역폭이 같이 올라갑니다. 반대로 게이트웨이·자동화 용도라면 149만 9천 원짜리 기본 모델조차 과합니다.

사기 전에 딱 3가지만 자문해 보세요

1. 모델이 내 맥미니 안에서 도는가, 클라우드에서 도는가? 클라우드라면 업그레이드 효과는 거의 없습니다.
2. 긴 입력을 많이 넣는가? 그렇다면 프롬프트 처리 4.8배가 진짜로 체감됩니다.
3. 16GB로 충분한가? 로컬 LLM이 목적이라면 답은 대부분 "아니오"이고, 대역폭까지 생각하면 24GB부터가 출발점입니다.

M6 맥미니는 분명 좋은 기계입니다. 다만 "AI 4배"라는 문구는 어떤 AI를, 어디서 돌리느냐에 따라 4배가 되기도, 1.3배가 되기도 합니다. 제 M4는 오늘 밤도 조용히 에이전트를 돌릴 예정입니다. 60만 원은 아껴 두고요.

※ 사양·가격·성능 수치는 Apple 공식 보도자료(2026.8.25)와 제품 사양 페이지 기준입니다. 토큰 생성 배수는 메모리 대역폭 비율로 계산한 추정치로, 실제 성능은 모델과 소프트웨어에 따라 다를 수 있습니다.