Apple zet stilletjes verkoop van M4-Mac mini met 256GB opslag stop

Apple heeft de verkoop van de Mac mini met M4-chip en 256GB opslagruimte stopgezet. Op de website van de fabrikant is de computer niet meer te bestellen. De instapprijs wordt hierdoor hoger, maar de prijs van de andere configuraties verandert verder niet.

De goedkoopste optie is nu de M4-Mac mini met 512GB, die minimaal 969 euro kost. Apple heeft vooralsnog niet uitgelegd waarom het is gestopt met de verkoop van de 256GB-Mac mini. Door de wijziging zijn de MacBook Neo en de iMac de enige Macs op Apples website die een 256GB-optie hebben.

Eerder deze week waarschuwde ceo Tim Cook tijdens de presentatie van de jaarcijfers dat de Mac mini en Mac Studio de komende maanden moeilijk verkrijgbaar zullen zijn. Volgens Cook gebruiken veel mensen de systemen om AI-agents als Openclaw op te draaien. "De Mac mini en de Mac Studio zijn beide fantastische platforms voor AI- en agenttools en de klanten erkennen dit sneller dan we hadden voorspeld, waardoor de vraag hoger uitviel dan verwacht", aldus de ceo. Ook onder tweakers steeg de populariteit van de Mac mini nadat Openclaw viraal was gegaan.

Reacties (95)

[Hans1990]

Ik lees meerdere mogelijke oorzaken voor dit scenario op de geruchtensites.

Apple's WWDC is over een maand, mogelijk kondigen ze M5 desktops aan. Als dat zo is zijn die nu al in productie, en willen ze niet teveel M4 backorders hebben vanwege last-minute annuleringen/returns lijkt me.

Andere kant: AI. Ik gebruik Gemma 4 31B lokaal op een Mac Studio en het werkt best goed voor agentic coding. Ook Qwen3.6 hoor ik hele goede verhalen over. De grotere lokale modellen lopen misschien iets achter op Anthropic/OpenAI, maar krijgt echt grotendeel van het resultaat er uit. Over tijd zie je ook dat geheugenvereisten omlaag gaan voor bruikbare LLMs. Als een LLM model half jaar oud is dan is het eigenlijk alweer zwaar achterhaalt.

Hiermee gaan grenzen zitten in hoeveel streken de cloud LLM boeren kunnen uithalen totdat mensen zeggen: screw it, een Mac/GPU met 32GB RAM kan 80% van dit werk doen, en dan heb ik alle controle en 24/7 aan tokens beschikbaar.

Ergens wel ironisch dat Apple zo weinig AI verder in hun producten heeft, of met 1 knop uit te zetten. En dat is een feature. Anderzijds geeft hun hardware portfolio juist een mooie glijdende schaal om lokaal AI op te tuigen.

Nog kleine tip: als je zaken als OpenClaw, OpenCode/OpenChamber e.d. draait, dan is het niet noodzakelijk dat die op hetzelfde systeem draaien. Ik host mijn LLMs met LM Studio op mijn Mac Studio, en maak deze beschikbaar over mijn LAN. Ik zou dan OpenClaw op een Raspberry Pi toegang kunnen zetten, met root access en al, en de (tekst)prompts laten lopen via mijn Mac Studio. OpenClaw mag daar dan lekker per ongeluk `rm -rf / --no-preserve-root` draaien, maar daar hebben mijn workstations geen last van.

[Reactie gewijzigd door Hans1990 op 2 mei 2026 09:25]

[Jan_V]

Wat is jouw setup met deze modellen? Ik draai ze middels Ollama en werk in Opencode.

Heb het context window van 8K ingesteld, maar dan zijn de resultaten erbarmelijk. Ook met 32K geprobeerd, wat wel werkt (maar nog steeds slechte resultaten), maar dan merk ik dat er een fan in m'n Macbook zit.

Gezien de lovende berichten op internet met deze modellen doe ik vast iets verkeerd.


Tevens werkt agentic coding niet bij mij. Code wordt in de chat geschreven en moet ik copy-paste, net als in de middeleeuwen 😅

[Reactie gewijzigd door Jan_V op 2 mei 2026 09:29]

[Llopigat]

Ja context maakt alles enorm veel zwaarder, zowel qua geheugen als qua processing tijd. Voor mij is meer dan 32k niet echt bruikbaar meer, dan heb ik nog wel geheugen over (met 8b/q8_0 modellen) maar meer dan een minuut wachten op antwoord is tergend.

Ik las trouwens online dat ollama (wat ik nu gebruik) veel minder efficient is dan llama.cpp dus dat moet ik ook nog eens proberen. Ging om dit artikel: https://sleepingrobots.com/dreams/stop-using-ollama/

[Reactie gewijzigd door Llopigat op 2 mei 2026 09:38]

[Jan_V]

Dan die ook maar eens proberen.

In de release notes van Ollama van enkele dagen/weken geleden stond trouwens dat ze nu efficiënter zijn met Apple silicon. Gisteren georobeerd, maar was nog steeds niet top.

[Llopigat]

Ja ik gebruik zelf ook een veel oudere versie van ollama, omdat ze zomaar opeens de support voor ROCM voor mijn kaart compleet dropten Ze hebben Vulkan als alternatief maar dat is nog lang niet af en werkte niet goed. Dus ik heb de versie gepind en nooit meer geupgrade. Het verbaaste me al dat qwen3 uberhaupt werkte.

Ook met andere verbeteringen zoals KV cache quantisation hebben ze heel lang de kont tegen de krib gegooid ondanks dat mensen het op een presenteerblaadje aanleverden. Ze hebben dat een jaar lang laten hangen. En ze worden steeds commercieler (steeds meer focus op hun online dienst), dus ik ben er ook wel een beetje klaar mee. Maarja, ik moet er ff tijd voor maken om het om te zetten.

[Reactie gewijzigd door Llopigat op 2 mei 2026 09:55]

[Cerebriform]

Wauw indrukwekkend dat je al deze dingen lokaal doet en op zulke verschillende systemen met zelfs een AMD GPU! Jammer dat ROCM / HIP / Vulkan (kende ik niet) niet zo plug and play is. Heb je ook dependencies werkend?

Heb zelf alleen wel eens gespeeld met lokale modellen voor beeld (stable diffusion) en 3d modellen (eerst sv3d later hunyuan). Mijn resultaten van toen waren wel veel slechter dan wat je nu gewoon in een chatprompt of op huggingface spaces zero krijgt.

Maar zou ook wel eens een serieuzer project willen doen met coding. Mijn coding beperkt zich op dit moment tot klein aantal python scripts voor blender als hobby. Vroeger meer functionele code voor werk (onderzoek) wat ik met al deze ontwikkelingen ook weer wil proberen.

Heb je toevallig goede tutorials die je kan aanraden voor mensen die lokaal iets willen opzetten vanuit 'hobbyisten' niveau, of een handig overzicht/bron waarmee je zelf bent begonnen?

[sebastienbo]

Gewoon lmstudio downloaden, alles zit er in. Download in lmstudio qwen 3.6 q4 k_xl of q6, zorg wel dat je minimum 36gb ram hebt, en één van deze 3 cpus (AMD 395+ of arm X2 of Apple M4/M5)

Ik kan dat model draaien op die drie toestellen zonder probleem en snel

[Reactie gewijzigd door sebastienbo op 2 mei 2026 20:24]

[Cerebriform]

Oh dat ging heel gemakkelijk met lm studio inderdaad! Kan al best veel draaien. 24 vram en 48 ram gaat lekker. Zit nu ook naar comfui te kijken. Waar gebruik jij te modellen of agents voor?

Die cpu's kende ik als old skool Windows gamer totaal niet maar die 395 heeft 128 vram?! Wist niet dat het bestond.

[Llopigat]

Dependencies? Wat bedoel je daarmee?

En ja het is een stuk lastiger. De Docker kan je niet gebruiken bijvoorbeeld. De Ollama docker is alleen voor nvidia. Vulkan is een generieke API voor beiden, maar niet echt vreselijk goed ondersteund.

Maar ROCM is ook lastig. Elke keer als ik een nieuwe install doe ben ik weer aan het klooien met de rocm drivers. ollama komt ook met drivers maar die werken ook niet altijd 100% en ik wil ook een tool draaien om bijv. GPU load te kunnen zien. Maar het punt is met AMD kaarten heb je enorm veel meer waar voor je geld. Ik had een kaart met 16GB HBM2 (!) geheugen met een bandbreedte van 1TB/s. Voor 290 euro nieuw van MeGekko. Dat is echt enorm rap voor LLM's. Ik had liever de 32GB versie gehad maar die zijn best wel duur (en komen meestal zonder koeling omdat ze in datacenters gebruikt zijn). Het nadeel is wel veel slechtere support voor AI toepassingen en AMD gooit de kaarten ook veel en veel te snel uit de ROCM support.

Maar het is het op zich wel waard als je een heel beperkt budget hebt. De 3060 12GB heb ik er tweedehands bij gekocht. Zit in een andere server omdat 2 aparte stacks op 1 server ook lastig is en bovendien heeft die eerste server niet genoeg ruimte en stroom, dan moet alles weer overhoop.

Met coding heb ik veel minder goede ervaringen met lokaal gebruik. Daar helpt het echt om een enorme training pool te hebben en dat merk je. Voor een claude opus is het absoluut geen alternatief.

Maar, voor heel veel dingen ook wel. Samenvattingen, vertalingen e.d. werkt allemaal behoorlijk goed. Agents aanroepen tegenwoordig ook wel. Dus dan kan je dat allemaal lokaal draaien. Lokaal heb je het voordeel dat je veel minder betaalt en bovendien blijft al je data 100% privé. En je kan modellen gebruiken die gewoon ontpreutst zijn, want dat is voor mij ook wel eens vervelend (als iemand iets ondeugelds zegt in een whatsappje dan klapt hij gelijk dicht). Vooral Amerikaanse modellen zijn heel erg huiverig voor dat soort dingen.

Voor programmeren gebruik ik wel cloud modellen (claude) en voor deep research ook (perplexity). Maar dat zijn toch wel specialistische toepassingen waar privacy ook minder belangrijk is.

Ik gebruik momenteel ollama op een server met openwebui als interface. Die biedt ook allerlei integraties voor tools. Dat zit allemaal ingebouwd. Openwebui draait gewoon in een docker. Een tutorial heb ik niet, ik heb het gewoon zelf gemaakt met de documentatie. Echt moeilijk is het ook niet.

[Reactie gewijzigd door Llopigat op 2 mei 2026 13:12]

[Cerebriform]

Ok goede tips zal ook eens ollama met openwebui checken. En wellicht een betaalbare amd overwegen dan.

[sebastienbo]

Mijn ervaring is omgekeerd, Rocm werkt altijd trager dan vulkan op mijn 395+

[sebastienbo]

Context problemen: Dat is binnenkort een probleem van het verleden , ik verwacht deze maand nog super Quant implementaties voor de KV cache.

[Llopigat]

Nouja ollama heeft dat al een tijd en het heeft ook wel geholpen maar het kost nog steeds veel geheugen en tijd. Ik kan er nu twee keer zoveel in stoppen, dat wel.

[sebastienbo]

Dat is niet hetzelfde. Lmstudio en ollama hebben inderdaad KV cache quantisation maar die is niet transformer aware. Dat bekend dat values voor attention heads ook gequanticeerd zijn, en dat zorgt voor afwijkingen. Super quants behoud model accuracy. Er zijn intussen trouwens nog 2 varianten van bijgekomen.

[Hans1990]

OpenChamber, daarachter draait OpenCode. Die geef ik voorlopig toegang tot mijn lokale systeem, maar ik overweeg dus zo'n RPi / VM opstelling. Want uiteindelijk is een project builden en draaien echt niet zo zwaar meer.
In OpenChamber heb je wel controle over welke acties een agent mag uitvoeren. Dus alle bash commando's hebben altijd toestemming nodig, files lezen binnen de project map mag altijd, maar voor libraries die in systeem zijn ingesteld is toestemming nodig, enzovoort.

Ik heb via wat omwegen Gemma4 31B in OpenCode geladen (handmatig toegevoegd aan OpenCode config file). Deze roept helaas niet alle tools perfect aan, maar het genereren van code is in ieder geval goed. Ik heb ook Qwen3.5 eerder geprobeerd met een Mixture of Experts (MoE) model, maar die begon teveel te hallucineren (lege functies als "klaar" opleveren) en liep regelmatig vast (referenties niet terug kunnen vinden, vervolgens continu opnieuw proberen).
Dat model draaide overigens wel een veelvoud sneller, want vziw gebruikt zo'n MoE maar een beperkt aantal actieve parameters tegelijk. Ook de kleinere Gemma4 modellen zijn MoE. Qwen3.6 moet ik nog eens goed proberen, maar ook hierin zijn er verschillende smaken.

De context size heb ik op 80K tot 128K ingesteld (ja dat is veel!). Dit gebruikt met max. 2 jobs parallel en IDEs meestal zo rond ~64GB RAM, maar ik heb eenmalig ook een uitschieter gezien naar 120GB. Ik gebruik nu een Q6 kwantisatie van het model, dus kan nog iets kleiner, maar ik merk wel dat voor langere prompts goed context window echt de sleutel is tot efficient code genereren.
Ik geloof dat Anthropic op zo'n 150K a 200K context window heeft. En ook daar heb je skills zoals Caveman.. Ook die wil ik nog een keer proberen.

[Reactie gewijzigd door Hans1990 op 2 mei 2026 10:15]

[Cerebriform]

Wauw zijn al deze dingen lokaal of heb je nog iets op een AI cloud/via APIs?

[sebastienbo]

Gebruik modellen gespecialiseerd in tool calling zoals qwen 3.6 35b a3b q4_k_xl

En zorg dat de temperatuur op 0.1 staat in de plaats van 0.7 alles gaat goed lopen. En als je echt heel sterke hardware hebt kan je qwen 3.6 27b nemen dat is de krachtigste, maar scheelt niet heel veel van de 32b . Misschien 15% beter kwaliteit

[Reactie gewijzigd door sebastienbo op 2 mei 2026 20:17]

[Llopigat]

Ja ik gebruikte al een tijd llama 3.1 maar door gebrek aan een opvolger (3.3 was alleen vision erbij) ben ik overgestapt op qwen. Dat is ook wel een behoorlijke vooruitgang. Vooral agents aanroepen deed llama niet stabiel genoeg (soms riep hij de agent netjes aan, soms ging hij gewoon hallucineren). Qwen doet dit een stuk beter. Ik moet natuurlijk wel een beetje anders omgaan met het schrijven van de functions, bijvoorbeeld een complete historie in je context plorken gaat hem niet worden. Sowieso heb ik door geheugen beperkte context maar het processing duurt ook enorm veel langer. Dus ik moet daar slimmer mee omgaan, in de agent zelf een zoekactie doen en dan de results teruggeven.

Ik zie nog wel een nut voor grote cloud modellen met bijvoorbeeld programmeren, maar dan zit je al gauw in zakelijk gebruik waarbij de enorme kosten geoffset kunnen worden door minder werknemers (of meer ontwikkeling die ze geld opbrengt).

En ja ik heb ook een hele aparte server hiervoor (twee zelfs, eentje met een hele snelle maar goedkope AMD kaart en eentje met een wat mindere Nvidia voor zaken die niet op AMD draaien zoals faster-whisper).

[Reactie gewijzigd door Llopigat op 2 mei 2026 09:35]

[DeNachtwacht]

gemma 4 is ook goed!

[Llopigat]

Bedankt, die stond niet echt op mijn radar, zal ik proberen.

[sebastienbo]

Ja op voorwaarde dat je de temperatuur naar 0.1 zet

[ApexAlpha]

Qwen 3.6 is specifiek getrained op toolcalling, en het werkt inderdaad erg goed.

Gemma 4b is dan weer iets beter in programmeren, volgens sommigen.

[sebastienbo]

In programmeren zelf niet maar wel in mooiere gui designs

[demianmonteverd]

Gebruikt niemand Nemotron? Ik vind het best aardige modellen. De 9B variant kan best veel goed. Niet perse software schrijven, maar voor 9B...

[84hannes]

Goed verhaal, maar wat betekent deze zin?

Ergens wel ironisch dat Apple zo weinig AI verder in hun producten heeft, of met 1 knop uit te zetten

[Hans1990]

Dat Apple beetje de boot heeft gemist met AI in hun eigen producten. Ze hebben wel Apple intelligence, maar die kan je met 1 knop uitschakelen.

Ik weet niet of Apple dit zo gewild heeft, maar dit is wat mij betreft een feature. AI wordt overal opgeplakt tegenwoordig, ook als er geen AI achter zit, of vroeger helemaal niet nodig was.

Daarintegen voor een van de bekendere toepassingen van AI, zoals LLMs, is hun hardware juist weer bij uitstek geschikt om lokaal op te zetten.

[HummerHealey]

Ik draai Gemma 4 e4b op een dedicated Mac mini M4 16/256 en dat gaat prima. De M5 schijnt een flinke snelheid verbetering te geven, Dus misschien dat daar naar over stap wanneer die uit komt.

[flaskk]

Wellicht laat je de grootste reden achterwegen en dat is de keiharde dollars? Want prijs verschil is 200$.

[wiseger]

Alleen als je rechtstreeks bij Apple besteld. In de markt koop je een nieuwe Mac M4 mini met 512Gb ssd gewoon voor 852,71 euro. Dan is het prijs verschil meteen een stuk minder,

[armageddon_2k1]

Dan heb je echt veel te weinig geheugen voor dat bedrag

[wiseger]

Veel te weinig geheugen voor wat? Ik heb genoeg aan de 16Gb lpddr5 DDR5 geheugen op mijn mini en de 256Gb SSD is voor mij ook ruim voldoende omdat ik iCloud gebruik.

[z1rconium]

Ollama met mlx modellen willen best lekker. 32GB is wel een beetje de minimum om wat leuks te doen met agentic werk.

[mokkol]

Ik heb een mac Studio met 64 GB RAM. Is dat genoeg voor die local models? Ik denk dat ik beter wat meer RAM had moeten kopen...

[sebastienbo]

Ja zonder problem, download lmstudio en daarin qwen 3.6 35b a3b q4 k xl

Als je het ook wil gebruiken als chatassistent, dan moet je de temperatuur verhogen van 0.1 naar 0.7

Veel plezier

[Wolfos]

Ik lees meerdere mogelijke oorzaken voor dit scenario op de geruchtensites.

Apple's WWDC is over een maand, mogelijk kondigen ze M5 desktops aan. Als dat zo is zijn die nu al in productie, en willen ze niet teveel M4 backorders hebben vanwege last-minute annuleringen/returns lijkt me.

Zouden ze niet gewoon uitverkocht zijn dan?

[Dutchzilla]

Ik volg verschillende Chinese YouTube-kanalen waar ze Apple-producten openhalen en de opslag upgraden. Wat daar steeds duidelijker wordt: het is eigenlijk niet meer rendabel om nog 256GB chips te gebruiken. Ze zijn slecht leverbaar en het prijsverschil met 512GB is tegenwoordig zo klein soms letterlijk een paar cent dat het nauwelijks nog logisch is om een lager model te produceren. Je bespaart er als fabrikant vrijwel niets meer op.

Daarnaast speelt de komst van de nieuwe generatie, zoals de Apple Mac mini M5, waarschijnlijk ook mee. Als die standaard met 512GB opslag begint, zet dat automatisch druk op oudere configuraties. Dan wordt 256GB niet alleen economisch minder interessant, maar ook minder aantrekkelijk richting de consument.

Kort gezegd: het is een combinatie van minimale kostenverschillen, slecht leverbaar en strategische positionering van nieuwe modellen. 256GB voelt daardoor steeds meer als een kunstmatige instapoptie die zijn tijd gehad heeft.

[demianmonteverd]

Heb je een favoriet kanaal dat je kunt aanraden, dat upgraden van hardware om te voorkomen dat je het naar de vuilstort / recycling moet brengen lijkt mij wel interessant.

[uiltje]

Minimale kostenverschillen voor Apple bedoel je. Want de consumentenprijs lijkt me significant hoger?

[Barsonax]

Gezien de flinke prijsstijgingen van AI kan het zomaar zijn dat de vraag naar deze machines weer minder wordt lijkt mij?

[cyberdyne]

Juist het tegenovergestelde, want je kunt met de Mac Mini, AI lokaal draaien.

[Barsonax]

Daar heb je toch een veel zwaarder systeem voor nodig? Meer richting Mac studio of gpu?

Mac mini lijkt meer interessant om de agent zelf te draaien maar niet de LLM.

[Reactie gewijzigd door Barsonax op 2 mei 2026 09:37]

[cyberdyne]

Het kan wel, maar meer RAM (16-24 GB) is aanbevolen.

[Barsonax]

16-24GB is echt niet genoeg. Dat wordt ook nog gedeeld met het OS en wat de agent zelf nodig heeft he?

Je bent denk ik beter uit om een apart systeem te kopen om de LLM te draaien. Zal flink stuk sneller zijn ook want als het al draait op de Mac mini is het niet vooruit te branden.

[cyberdyne]

Je kunt de Mac mini als apart systeem gebruiken. Dus je eigen hoofdsysteem plus daarnaast een Mac mini om de LLM te draaien. Natuurlijk zou en aparte Mac Studio beter zijn maar ook duurder.

[SG]

Hangt maar net genoeg wat eisen zijn en je budget. Heb je het er niet voor over zul je consessies moeten doen. Zoals Local specialised machlearn model. Met flink stuk parameters en kleine bit grote.

Dan zal ook resultaat minder zijn. Maar als dat belangrijk was en geld er voor is dan had je server blade met 4 stuks RTX pro 6000.

Voor hobby , prologic FC-pro en local AI een Mac studio met 64GB.

[uiltje]

Dat hangt toch helemaal af van het model? Ik ben een CLI aan het maken en een lokale LLM zou daar prima de helpfunctie van kunnen leveren. Geld ook voor normale bash scripting enzo. Dat zijn allemaal pre-trained modellen. Zo'n Apple Mini kan zoiets lekker snel draaien. Voor nabij 1000 euro verdampt dat voordeel natuurlijk snel, maar goed, nog steeds leuk instap systeem - stil leuk voor ernaast of voor Mac ontwikkeling als je normaal Windows gebruikt.

[dutchmoses]

Ik denk juist meer. Doordat de companyhosted AI inderdaad duurder wordt, zullen gebruikers eerder zelf een AI-machine installeren met OpenClaw. En daar is deze Mac Mini dus zeer geschikt voor.

[Sachertorte]

Juist niet want je kan ze ook in een cluster draaien en dan is 4 Mac Mini's opeens een zeer capabel AI-machinetje voor 'maar' 2500 euro.

[SG]

De prijs stijging voor mem en ssd door AI zorgt dat basic macmini de marge verdwijnt. Want die was al strak. De prijs bump van next upgrade tier dekt dat zodat ondanks dubbele opslag er nog wel marge is.

[chrome moral]

Zelf AI thuis draaien voelt als het equivalent van een eigen renderfarm bouwen; verspilling van tijd, energie, en geld. Als hobby leuk dus maar niet veel meer dan dat

[buglife]

Ik draai lokaal eigen modellen en heeft qua geld weinig gekost. Vorig jaar een thuisserver voor €600 aangeschaft. Op die server heb ik onder andere AI draaien. Qua tijd, energie en geld valt het allemaal heel erg mee.

En de privacy voor mij en mijn gezinsleden is ook wat waard. Mijn vrouw, maar ook de kinderen kunnen lekker experimenteren met AI zonder daarvoor steeds duurdere abonnemeten nodig te hebben of het ongewenst weggeven van persoonlijke data.

[armageddon_2k1]

Dan vraag ik me serieus af wat voor AI modellen jij draait voor 600 euro aan hardware.

[buglife]

Qwen3.5, codellama, mistral-nemo en llama3.1. En ja, vorig jaar was hardware veel goedkoper. Het zal goed kunnen dat het nú meer kost dan de goedkoopste Mac mini met M4-chip.

Ai was niet mijn primaire doel, maar het draait goed genoeg voor ons. Is gewoon 1 van de dockercontainers.

[Reactie gewijzigd door buglife op 2 mei 2026 17:08]

[AlphaBlack_NL]

Voor 600 euro klinkt het alsof je op de CPU+DRAM draait, wat is je Tokens/s en Context window?

[buglife]

Jep, daar draait het inderdaad op. 11 tokens/s met een context window van 4096.

[armageddon_2k1]

Ja, dat is dus knap waardeloos als je er serieus iets mee wil doen.
Wat doe jij er precies mee dan?

[Reactie gewijzigd door armageddon_2k1 op 3 mei 2026 13:57]

[buglife]

Ik laat het mijn geschreven programmeercode en blogteksen redigeren voordat ik het publiceer. Ook bij gerapporteerde bugs waar ik zelf het probleem niet zie, vraag ik om hulp. Er komen vaak nog best goede suggesties uit.

Mijn vrouw gebruikt het voornamelijk voor haar plezier om vragen te stellen. Is puur aan het experimenteren met AI en is er voorlopig nog wel tevreden mee.

[Reactie gewijzigd door buglife op 3 mei 2026 15:18]

[fenrirs]

Zelf thuis wellicht, maar als bedrijf/instelling waar toch al een aantal gpu in het datacentrum staan, zijn “lokale” oplossingen het onderzoeken waard.

Geld voor abonnementen is er bijvoorbeeld niet binnen een non-profit, maar er staan wel een aantal GPU’s regelmatig uit hun neus te eten.

Als we die in kunnen zetten voor coding agents is er al veel gewonnen. Ook in de vorm van meer privacy voor de organisatie.

[ApexAlpha]

Mijn privacy is me nu eenmaal geld waard.

Jij veel succes met alles blijvend uploaden naar 3 grote Amerikaanse bedrijven.

[sebastienbo]

Verlies van Geld misschien, maar tijd en energie, nee.

Dat is hoe je het leert en mogelijks over twee jaar nog een job hebt.

[Hemingr]

Vorig jaar deze nieuw aangeschaft terwijl in Amerika voor omgerekend 370 euro. Veruit de beste aanschaf op computer gebied dat ik ooit heb gedaan. Ik denk niet dat het mogelijk is een betere prijs/performance te hebben dan dit.

Jammer dat ze dit stopzetten, hier kan de gemiddelde gebruiker nog jaren met vooruit.

[outlandos]

Ze zetten niks stop. De opvolger staat om de hoek (8 juni). Dit is niets anders dan daarop alvast anticiperen van Apple.

[sebastienbo]

De kleinere schijven zijn ook trager

[Chrismaclinux]

Het is een vrij krachtige mini pc en je kon hem met studenten korting kopen voor 599€ bij Apple en bij nbb.com kon je hem ook vaak kopen voor 609€. Ik denk dat hij ook populairder werd omdat alle ssd en ram prijzen omhoog gingen en mensen dachten laat ik maar eens een Mac Mini kopen ipv van bijvoorbeeld een Windows Nuc PC

[arjandijk162]

En doorz Openclawdl openclaw openclaw en openclaw. Die dingen zijn zo enorm gehyped aan het begin van het jaar, agentic coding op 16gb is te beperkt, maar als always on verbinding met codex is het perfect, net als voor een paar kleine modellen

[outlandos]

Mac Mini met M5 wordt naar alle waarschijnlijkheid 8 juni aangekondigd.

[Mars Warrior]

Het ligt toch niet toevallig aan het feit dat je de SSD in deze Mac Mini M4 kunt upgraden voor een fractie van de prijs die Apple vraagt?

Ik ken namelijk heel wat mensen die de 256 GB-versie hebben gekocht en de SSD hebben vervangen door een snellere 2 TB-variant

Dat was overigens wel voordat al die prijzen zo idioot omhoog gingen...

[Commendatore]

Was dat niet de Mac Studio?

[Mars Warrior]

Nee.

De Mac Mini M4 24 GB 2 TB is bij Apple ruim € 1.900 en met een upgrade vanaf de 256 GB-versie met een losse 2 TB SSD rond de € 1.400.

Scheelt dus circa € 500. Kun je weer andere leuke dingen voor doen!

[jpsch]

Je hebt ook docking stations waar een SSD in past. Weet niet hoe die in de praktijk bevallen.

[Reactie gewijzigd door jpsch op 3 mei 2026 11:15]

[Jeetwee]

Ik er zo eentje, een verticale stand voor mini met SSD onderin. Werkt super.

[uiltje]

Reviews bekijken. Specs zeggen in dit geval niet alles. Gebeurd vaak genoeg dat ook over snelle Thunderbolt minder data gaat vanwege een lagere verwerkingssnelheid. Zelfde geldt voor SSD, in iets mindere mate.

[Droxal]

Ik ben aan het overwegen om de mac mini m4 256GB te kopen. Maar ik was het nog wat aan het afwachten.
Het is misschien dan wel verstandig om deze asap nog te kopen?

[beeldbuijs]

Persoonlijk probeer ik hardware zo lang mogelijk te gebruiken, zolang het duurzaam en werkbaar is uiteraard. Onderdeel van die strategie is, dat ik bij voorkeur een nieuwe koop op het moment dat er een nieuwer model (qua cpu) uit is.

Als er binnenkort een M5-versie uit komt, zou ik eerder daarvoor kiezen, omdat die gemiddeld genomen langer ondersteund zal worden dan een M4-versie, qua macOS / andere apps.

[J Koning]

Je gebruikt oude hardware tot het niet meer kan én je koopt nieuwe hardware zodra het uitkomt?

[beeldbuijs]

Een MacBook uit 2013 bijvoorbeeld, wordt niet in één klap onbruikbaar, maar na 2020 / Big Sur kreeg hij geen grote macOS updates meer. Na 2023 kreeg hij geen systeem-beveiligingsupdates meer. Sinds 2025 krijgen Chrome en Safari die daarop draaien ook geen beveiligingsupdates meer, waardoor online bankieren vaak niet meer kan. Adobe CC updates werken niet meer optimaal. Hij kreeg ook last van een probleem waardoor afbeeldingen op websites heel soms wegvallen. Elke keer een stukje minder functionaliteit, maar nooit in één klap onverwachts onbruikbaar.

Ik heb een Mac Pro uit 2008 waar met een hack nog Mojave / 10.14 op draait met een ‘for life’ versie van Adobe Illustrator CS2. Dat kan gunstig zijn want een CC abonnement voor alleen al Illustrator kost zo’n € 320 per jaar, ook al gebruik je dat maar 10 minuten per maand. Maar Dropbox en Whatsapp werken bijvoorbeeld niet meer daarop. Zodoende wordt een computer met de tijd steeds beperkter inzetbaar.

Juist omdat dat gelijkelijk aan gaat, heb je dan meestal de optie om nog een aantal maanden, misschien wel langer, te wachten tot je de knoop doorhakt. Of je hebt misschien nog wel een andere computer waar je een tijdje naar kunt uitwijken.

Zodoende kun je de aankoop van een nieuwe vaak beter plannen cq uitstellen tot de volgende voorjaars-, najaars- WWDC of iPhone-presentatie. Dat is vaak net het verschil tussen een M4 en een M5 etc.

[oef!]

Het is het laatste half jaar niet onhandig om tech strategisch in te kopen als je portemonnee dat toelaat.

[Sachertorte]

Dit ja, ben nog steeds blij dat ik eind vorig jaar nog snel wat DDR5 heb ingeslagen (me helaas wel verkeken op de SSD-prijzen).

[Reactie gewijzigd door Sachertorte op 2 mei 2026 15:36]

[BlueLed]

256GB opslag kan anno 2026 ook gewoon echt niet meer. Zeker niet voor die exorbitante prijzen die Apple voor z'n producten rekent.

[Hemingr]

Volgens mij leef je nog tien jaar in het verleden, anno 2026 is Apple ongeveer de beste prijs/kwaliteit/performance die je kunt kopen.

[wiseger]

Mac Mini M4 met 256SSD kost in Nederland momenteel 688 euro. Een Neo MacBook met 256SSD vind je vanaf 638 euro.

Als jij dat exorbitante prijzen vind, dan ben ik benieuwd wat je dan voor dat geld koopt?

[jp]

Er zijn zat mensen die aan 256GB lokale storage meer dan genoeg hebben. (Als alle belangrijke data op NAS of anderszins veilig extern is opgeslagen.)

[Pasteis]

Een kleine zijwaartse opmerking die wel door dit nieuwsbericht getriggerd wordt... Mijn iPad is aan vervanging toe. Wordt het geheugen in iPads nu ook geraakt op middellangetermijn nu je een trend ziet in laptops dat het geheugencrisis aanleiding geeft tot het schrappen van modellen of het duurder maken daarvan?