M1 y M2 para IA: ¿Vale la pena invertir en chips Apple Silicon antiguos?
Qué encontrarás en este artículo
- Las diferencias entre M1 y M2 para IA local.
- Qué modelos de Mac mini, MacBook Air y MacBook Pro funcionan bien con IA.
- Cuánta Unified Memory realmente necesitas para Ollama y herramientas similares.
- Si vale la pena comprar un M1 o M2 usado en 2026.
- Los obstáculos comunes cuando empiezas.
Introducción
Apple Silicon abrió las puertas a la IA local en Mac. El M1 fue el primer chip de esta generación que reunió CPU, GPU y Neural Engine en un único SoC. Un año después llegó el M2, una variante más eficiente y rápida. Aunque ambos chips ya no son lo más nuevo, siguen siendo excelentes para muchas aplicaciones de IA. Si consideras un Mac mini, MacBook Air o MacBook Pro usado con M1 o M2, puedes ejecutar Ollama, LM Studio o llama.cpp sin problemas.
Por qué merece la pena considerar M1 y M2 para IA
El principal atractivo de Apple Silicon es la Unified Memory. CPU y GPU comparten el mismo espacio de memoria. Esto significa que un modelo se carga una sola vez en memoria y los núcleos GPU acceden a él directamente. En PCs convencionales, los datos deben copiarse constantemente entre RAM y VRAM de la GPU, lo que es más lento y consume más memoria.
Para IA local es especialmente ventajoso. Un MacBook Air M1 con 16 GB de Unified Memory ejecuta fluidamente un modelo 7B con Ollama. Con 32 GB de Unified Memory incluso los modelos 13B funcionan bien. Además, M1 y M2 consumen muy poca energía y se ejecutan casi en silencio durante operaciones normales. Esto los convierte en la opción ideal para probar IA, desarrollar o usarlos como pequeño servidor doméstico.
M1 y M2 explicados brevemente
M1 y M2 son SoCs Apple Silicon que combinan núcleos de rendimiento, núcleos de eficiencia, núcleos GPU y una Neural Engine en un único chip. Para IA, lo más relevante es el framework Metal, que permite compute en GPU a través del hardware de Apple. Ollama utiliza Metal para acelerar la inferencia. Esto significa que tus modelos no se ejecutan solo en CPU, sino que se benefician de la GPU.
El M2 ofrece un poco más de rendimiento en CPU y GPU respecto al M1, mayor Memory Bandwidth y una Neural Engine más potente. En la práctica lo notarás especialmente con modelos más grandes y prompts más largos. Para modelos pequeños de 7B la diferencia es menos dramática pero perceptible.
A quién va dirigido este artículo
- Principiantes que quieren saber si su Mac antiguo es suficiente para IA.
- Compradores que piensan adquirir un M1 o M2 usado para IA.
- Curiosos que desean probar Ollama en hardware existente.
- Usuarios que buscan un equipo de IA silencioso y eficiente energéticamente.
- Estudiantes que quieren ejecutar modelos locales sin costos de cloud.
Conceptos clave
| Término | Significado |
|---|---|
| M1 | Primer chip Apple Silicon para Mac, lanzado en 2020 |
| M2 | Sucesor del M1 con más potencia y ancho de banda |
| Unified Memory | Memoria compartida entre CPU y GPU |
| Metal | API de compute GPU de Apple |
| GPU Cores | Núcleos de la GPU para inferencia de IA |
| Neural Engine | Unidad especializada para tareas de Machine Learning |
| Memory Bandwidth | Velocidad a la que los datos llegan a la GPU |
| Token/s | Cuántas palabras genera el modelo por segundo |
| Context Window | Cantidad de texto de entrada que puede procesar el modelo |
| Quantization | Reducción del tamaño del modelo mediante menos bits por parámetro |
M1 versus M2, lado a lado
| Característica | M1 | M2 |
|---|---|---|
| Núcleos CPU | 4 Performance + 4 Efficiency | 4 Performance + 4 Efficiency |
| Núcleos GPU | hasta 8 | hasta 10 |
| Neural Engine | 16 núcleos, 11 TOPS | 16 núcleos, 15,8 TOPS |
| Memory Bandwidth | hasta 68,25 GB/s | hasta 100 GB/s |
| Unified Memory máx. | 16 GB (base), 24 GB (Pro/Max) | 24 GB (base), hasta 96 GB (Max) |
| Proceso | 5 nm | 5 nm (mejorado) |
En la práctica significa que el M2 es aproximadamente 10-20 por ciento más rápido que el M1 con modelos 7B. Con modelos 13B la ventaja aumenta porque el mayor ancho de banda de memoria tiene más impacto. Si usas principalmente modelos pequeños, el M1 ya te ofrece una experiencia excelente.
Mac mini M1 y M2 para IA
Mac mini es la forma más económica de acceder a Apple Silicon. El Mac mini M1 llegó en 2020 con 8 GB o 16 GB de Unified Memory, y luego también con SSD de 256 GB o 512 GB. Para IA debes elegir al menos 16 GB de Unified Memory, preferiblemente 32 GB si está disponible. El Mac mini M2 ofrece 8 GB, 16 GB o 24 GB de Unified Memory. Gracias a su refrigeración activa aguanta mejor cargas sostenidas que un MacBook Air.
Para Ollama, el Mac mini M1 con 16 GB es una buena base. Puedes ejecutar cómodamente Llama 3.1 8B o Mistral 7B. Con 24 GB en el M2 los modelos 13B funcionan bien. Mac mini es especialmente adecuado como servidor pequeño porque puede estar encendido continuamente y consume muy poca energía.
MacBook Air M1 y M2 para IA
El MacBook Air tiene refrigeración pasiva. Esto significa que no tiene ventilador y por lo tanto es completamente silencioso. Sin embargo, el diseño limita el rendimiento sostenido. En tareas de IA prolongadas el chip puede entrar más fácilmente en throttling térmico. Para prompts cortos o pruebas ocasionales no es un problema.
Un MacBook Air M1 con 16 GB de Unified Memory es una entrada popular. Puedes instalar Ollama, cargar modelos 7B e incluso usar IA sobre la marcha. El Air M2 ofrece aún más velocidad y se puede configurar con 24 GB de Unified Memory. Para modelos 13B recomiendo el M2 con 24 GB.
MacBook Pro M1 y M2 para IA
El MacBook Pro de 13 pulgadas con M1 y M2 tiene refrigeración activa y por lo tanto es mejor para inferencia prolongada. Si ejecutas modelos regularmente o usas ventanas de contexto más grandes, te beneficiarás del ventilador. El MacBook Pro de 14 y 16 pulgadas con M1 Pro, M1 Max, M2 Pro o M2 Max ofrecen significativamente más núcleos GPU y hasta 32 GB o 96 GB de Unified Memory.
Un MacBook Pro de 14 pulgadas M1 Pro con 32 GB de Unified Memory es un dispositivo de IA potente. Los modelos 13B se ejecutan fluidamente y los modelos 30B son viables con cuantización adecuada. Para usuarios avanzados la variante Pro es la mejor opción frente al Air.
Unified Memory, el número que importa
Unified Memory es el factor más importante para IA local en Mac. El tamaño del modelo determina cuánta memoria necesitas. Como regla general, un modelo 7B en cuantización 4-bit requiere aproximadamente 4-6 GB. Un modelo 13B requiere aproximadamente 8-10 GB. Para ventana de contexto y reservas del sistema operativo debes planificar un amortiguador adicional.
| Tamaño modelo | Unified Memory recomendado | Chip |
|---|---|---|
| 3B | 8 GB | M1, M2 |
| 7B | 16 GB | M1, M2 |
| 13B | 24-32 GB | M2, M1 Pro, M2 Pro |
| 30B | 48-64 GB | M1 Max, M2 Max |
| 70B | 96+ GB | M2 Max, M2 Ultra |
Qué modelos funcionan
Esta tabla muestra qué modelos se ejecutan en configuraciones típicas de M1 y M2. Los datos son para cuantización 4-bit con Ollama.
| Modelo | Parámetros | Requisito Memoria | M1 16 GB | M2 24 GB | M1 Pro 32 GB |
|---|---|---|---|---|---|
| Llama 3.2 3B | 3B | ~2 GB | bien | rápido | muy rápido |
| Llama 3.1 8B | 8B | ~5 GB | bien | rápido | muy rápido |
| Mistral 7B | 7B | ~4,5 GB | bien | rápido | muy rápido |
| Llama 3.1 13B | 13B | ~8 GB | lento | bien | rápido |
| Qwen 2.5 14B | 14B | ~9 GB | lento | bien | rápido |
| Llama 3.1 70B | 70B | ~40 GB | no | no | no |
Ejemplos de Ollama en M1 y M2
Instalar Ollama es sencillo. Abre la terminal y ejecuta estos comandos:
# Instalar Ollama
curl -fsSL https://ollama.com/install.sh | sh
# Ejecutar un modelo pequeño
ollama run llama3.2
# Un modelo de 7B para M1 o M2
ollama run llama3.1:8b
# Un modelo de 13B para M2 con 24 GB o más
ollama run llama3.1:13bDespués del primer inicio, Ollama se ejecuta en segundo plano. Puedes controlar los modelos desde la línea de comandos o a través de una interfaz web como Open WebUI. En un MacBook Air M1, llama3.2 o llama3.1:8b son suficientes. Si tienes 24 GB de Unified Memory, también puedes probar mistral:7b o llama3.1:13b.
Compra: nuevo, usado o reacondicionado
Los dispositivos M1 y M2 ahora son bastante económicos en el mercado de segunda mano. Un Mac mini M1 con 16 GB de Unified Memory cuesta entre 300 y 500 EUR según el estado. El Mac mini M2 con 16 GB o 24 GB suele estar entre 450 y 650 EUR. El MacBook Air M1 con 16 GB lo encuentras a menudo desde 500 EUR, y el M2 Air con 16 GB comienza alrededor de 650 EUR.
Los dispositivos reacondicionados por Apple presentan menos riesgo que los vendedores privados. Al comprar, presta atención especial al tamaño de la Unified Memory. 8 GB apenas son suficientes para IA. 16 GB es el mínimo práctico, mientras que 24 GB o 32 GB ofrecen mayor durabilidad a largo plazo.
Modelos recomendados de M1 y M2 en la tienda Amazon
Apple Silicon Macs en la tienda Amazon
Bei Amazon ansehenAffiliate-Link: Bei einem Kauf erhalten wir möglicherweise eine Provision.
Trampas comunes
- Muy poca Unified Memory: 8 GB no es suficiente para prácticamente ningún modelo de IA útil. Se necesitan al menos 16 GB.
- MacBook Air pasivo bajo carga sostenida: Un MacBook Air M1 o M2 reduce el rendimiento durante tareas de inferencia largas.
- Sin actualización posterior: RAM y SSD están soldados a la placa base. Compra suficiente memoria desde el principio.
- No todos los modelos se ejecutan de forma nativa: Algunos modelos no están optimizados para Metal y funcionan más lentamente o no funcionan en absoluto.
- Sin soporte CUDA: Las herramientas que dependen de NVIDIA CUDA no funcionan en Mac.
- Mac Pro generación M1/M2: Verifica el chip exacto. Un M1 es más lento que un M1 Pro o M1 Max.
- Considera el ancho de banda de memoria: M2 tiene más ancho de banda que M1. Esto se nota con modelos de 13B.
- macOS anticuado: Asegúrate de que el dispositivo sea compatible con una versión actual de macOS para que Ollama funcione.
Hardware, costos y seguridad
M1 y M2 son extremadamente eficientes en el consumo de energía. Un Mac mini consume a menudo solo 20-30 vatios durante la operación, y un MacBook Air consumirá aún menos en modo batería. Los costos operativos son mínimos. Como realizas todos los cálculos localmente, tus datos permanecen en tu dispositivo. Sin transferencias a APIs externas, sin cuotas en la nube, sin preocupaciones de privacidad.
Sin embargo, el hardware está fijo. Si hoy compras con poca Unified Memory, no puedes corregirlo más tarde. Planifica con generosidad. El uso sostenido de IA comienza con 16 GB, siendo seguro 24 GB o más.
Enlaces útiles
- Descripción general de Apple Silicon
- Mac mini para IA
- Mac Studio para IA
- Conceptos básicos de Unified Memory
- Ollama en macOS
- Guía de compra de Mac mini
- Guía de compra de Mac Studio
Preguntas frecuentes
¿Puedo ejecutar IA localmente en un Mac M1? Sí, un M1 con 16 GB de Unified Memory es adecuado para modelos de 7B con Ollama. 8 GB apenas son suficientes.
¿Es suficiente un MacBook Air M1 para Ollama? Sí, para uso ocasional y modelos de 7B es suficiente. Para carga sostenida, un MacBook Pro o Mac mini son más adecuados.
¿Vale la pena M2 sobre M1 para IA? M2 es más rápido y tiene mayor ancho de banda de memoria. Si planeas usar modelos de 13B, vale la pena el M2. Para modelos puros de 7B, el M1 es suficiente.
¿Cuánta Unified Memory necesito para modelos de 13B? Al menos 16 GB, mejor 24 GB o 32 GB. El espacio para el modelo, la ventana de contexto y el sistema operativo se suman.
¿Puedo usar generación de imágenes en M1 o M2? Sí, Stable Diffusion y ComfyUI se ejecutan en Apple Silicon. Sin embargo, la velocidad es significativamente menor que en una GPU NVIDIA RTX.
¿Tiene sentido un M1 o M2 usado en 2026? Absolutamente para iniciarse en IA local. Pero asegúrate de tener suficiente Unified Memory y buen estado.
¿Qué software se ejecuta de forma nativa en M1 y M2? Ollama, LM Studio y llama.cpp soportan Apple Silicon de forma nativa a través de Metal. Muchas librerías Python también funcionan.
¿Qué es mejor: Mac mini M1 o MacBook Air M1? Para tareas de IA que se ejecutan continuamente, el Mac mini es mejor porque tiene refrigeración activa y puede estar conectado permanentemente. El Air es más flexible y silencioso.
¿Puedo cargar múltiples modelos simultáneamente? Sí, si hay suficiente Unified Memory disponible. Con 24 GB puedes ejecutar, por ejemplo, un modelo de 7B y un modelo de embedding en paralelo.
¿Qué es Thermal Throttling y por qué es importante? Thermal Throttling significa que el chip se ralentiza cuando se calienta. El MacBook Air pasivamente refrigerado se ve más afectado que el Mac mini o MacBook Pro.
¿Puedo usar CUDA en M1 o M2? No, CUDA es específico de NVIDIA. Apple Silicon usa Metal. La mayoría de herramientas de IA para Mac utilizan Metal.
¿Vale la pena M1 Pro o M2 Pro para IA? Sí, las variantes Pro ofrecen más núcleos GPU y más Unified Memory. Para modelos de 13B y uso regular, tiene sentido.
Fuentes
- Apple Silicon Technical Overview (developer.apple.com)
- Ollama Dokumentation (ollama.com)
- llama.cpp Metal Backend (github.com/llama.cpp)
- MLX Framework für Apple Silicon (github.com/ml-explore/mlx)
- Apple MacBook Air Technische Daten (apple.com)