Testaufbau
Alle Benchmarks wurden auf dedizierten My Remote Mac-Servern unter identischen Bedingungen durchgeführt:
- M4 Pro: Mac Mini M4 Pro, 14-Core-CPU / 20-Core-GPU, 24GB RAM, 512GB SSD
- M4: Mac Mini M4, 10-Core-CPU / 10-Core-GPU, 16GB RAM, 256GB SSD
- M2 Pro: Mac Mini M2 Pro, 12-Core-CPU / 19-Core-GPU, 16GB RAM, 512GB SSD
- Intel i9: Mac Mini Intel Core i9 (2018), 6-Core, 32GB RAM, 512GB SSD
- macOS: Sequoia 15.2, Xcode 16.2, alle aktuellen Updates
Geekbench 6 Werte
Geekbench 6 misst die reine CPU-Leistung. Der Single-Core-Wert gibt die Reaktionsfähigkeit bei alltäglichen Aufgaben und IDE-Operationen an. Der Multi-Core-Wert spiegelt die Build- und Kompilierungsleistung wider.
| Chip | Single-Core | Multi-Core | vs Intel i9 |
|---|---|---|---|
| M4 Pro | 3,850 | 22,000 | +129% Single-Core +168% Multi-Core |
| M4 | 3,800 | 15,000 | +126% Single-Core +83% Multi-Core |
| M2 Pro | 2,750 | 14,500 | +64% Single-Core +77% Multi-Core |
| Intel i9 | 1,680 | 8,200 | Referenz |
Zentrale Erkenntnis: Der Multi-Core-Wert des M4 Pro ist 2,68-mal schneller als der des Intel i9, was bedeutet, dass Builds, die auf Intel 10 Minuten dauerten, jetzt in unter 4 Minuten abgeschlossen sind. Die Single-Core-Verbesserung sorgt dafür, dass sich die Xcode-Oberfläche, die Codevervollständigung und die Indexierung deutlich reaktionsschneller anfühlen.
Xcode-Build-Zeiten
Wir haben Clean Builds an einem großen produktiven iOS-Projekt mit etwa 500.000 Zeilen Swift-Code, über 200 Targets und gemischten Swift/Objective-C-Modulen getestet.
| Chip | Clean-Build-Zeit | Inkrementeller Build | Zeitersparnis vs Intel |
|---|---|---|---|
| M4 Pro | 4m 12s | 8s | 8m 18s (66%) |
| M4 | 5m 45s | 11s | 6m 45s (54%) |
| M2 Pro | 7m 15s | 14s | 5m 15s (42%) |
| Intel i9 | 12m 30s | 32s | Referenz |
Wie wir gemessen haben
# Clean build measurement
xcodebuild clean
time xcodebuild -workspace App.xcworkspace \
-scheme App \
-destination 'platform=iOS Simulator,name=iPhone 16' \
build 2>&1 | tail -1
# Incremental build (single file change)
touch Sources/App/ContentView.swift
time xcodebuild -workspace App.xcworkspace \
-scheme App \
-destination 'platform=iOS Simulator,name=iPhone 16' \
build 2>&1 | tail -1
Swift Package Manager Clean Build
Wir haben ein Swift-Package-Manager-Projekt mit 50 Abhängigkeiten getestet, darunter große Pakete wie Alamofire, Kingfisher, SnapKit und Firebase SDK.
| Chip | Abhängigkeitsauflösung | Clean Build | Gesamtzeit |
|---|---|---|---|
| M4 Pro | 12s | 1m 38s | 1m 50s |
| M4 | 14s | 2m 15s | 2m 29s |
| M2 Pro | 15s | 2m 52s | 3m 07s |
| Intel i9 | 28s | 5m 45s | 6m 13s |
# SPM clean build measurement
swift package clean
time swift build -c release 2>&1 | tail -5
# With parallel jobs (default uses all cores)
time swift build -c release -j $(sysctl -n hw.ncpu)
Docker-Build-Performance
Wir haben das Erstellen eines Docker-Images einer produktiven Node.js-Anwendung getestet (Multi-Stage-Build mit npm install, TypeScript-Kompilierung und nginx-Einrichtung) mit Docker Desktop für Mac.
| Chip | Docker-Build (ohne Cache) | Docker-Build (gecachte Layer) | Image-Größe |
|---|---|---|---|
| M4 Pro | 42s | 6s | 185MB |
| M4 | 58s | 7s | 185MB |
| M2 Pro | 1m 15s | 8s | 185MB |
| Intel i9 | 2m 38s | 12s | 192MB |
# Docker build benchmark
docker system prune -af
time docker build --no-cache -t benchmark-app .
# Cached rebuild (change only app source, not dependencies)
echo "// updated" >> src/index.ts
time docker build -t benchmark-app .
LLM-Inferenz-Performance
Die Unified-Memory-Architektur von Apple Silicon macht es ideal für das lokale Ausführen von großen Sprachmodellen. Wir haben die Inferenzgeschwindigkeit mit llama.cpp und Metal-Beschleunigung getestet.
| Modell | M4 Pro (tok/s) | M4 (tok/s) | M2 Pro (tok/s) | Intel i9 (tok/s) |
|---|---|---|---|---|
| Llama 3 8B (Q4_K_M) | 48.2 | 35.6 | 28.4 | 8.1 |
| Mistral 7B (Q4_K_M) | 52.7 | 38.9 | 31.2 | 9.3 |
| Llama 3 70B (Q4_K_M) | 8.5 | OOM | OOM | OOM |
| CodeLlama 13B (Q4_K_M) | 32.1 | 22.8 | 18.6 | 5.7 |
# Install llama.cpp with Metal support
brew install llama.cpp
# Run benchmark with Llama 3 8B
llama-bench -m llama-3-8b-q4_k_m.gguf -n 512 -ngl 99
# Interactive chat
llama-cli -m llama-3-8b-q4_k_m.gguf \
-n 512 -ngl 99 --color \
-p "You are a helpful coding assistant."
Hinweis: Der M4 Pro mit 24GB Unified Memory kann Modelle mit bis zu etwa 40 Milliarden Parametern in 4-Bit-Quantisierung ausführen. Für das 70B-Modell benötigen Sie die 48GB- oder 64GB-Konfiguration. Der Intel i9 mit 32GB kann technisch 7-13B-Modelle ausführen, jedoch mit unbrauchbaren Geschwindigkeiten aufgrund der fehlenden Metal-GPU-Beschleunigung.
SSD-Performance
Die SSD-Geschwindigkeit wirkt sich direkt auf die Xcode-Indexierung, die Projektöffnungszeiten, den Simulator-Start und die Abhängigkeitsauflösung aus. Wir haben die sequentiellen Lese-/Schreibgeschwindigkeiten mit dd und Disk Speed Test gemessen.
| Chip | Sequentielles Lesen | Sequentielles Schreiben | Zufälliges 4K-Lesen (IOPS) |
|---|---|---|---|
| M4 Pro | 7,400 MB/s | 6,200 MB/s | 1,200K |
| M4 | 6,800 MB/s | 5,100 MB/s | 1,050K |
| M2 Pro | 5,100 MB/s | 4,200 MB/s | 850K |
| Intel i9 | 2,800 MB/s | 2,300 MB/s | 350K |
# Quick SSD benchmark with dd
# Write test
dd if=/dev/zero of=./testfile bs=1G count=5 2>&1 | tail -1
# Read test (clear cache first)
sudo purge
dd if=./testfile of=/dev/null bs=1G count=5 2>&1 | tail -1
# Cleanup
rm ./testfile
Netzwerkdurchsatz
Standardmäßig ist jeder My Remote Mac-Server mit 1 Gbps angebunden, erweiterbar auf bis zu 5 Gbps, mit unbegrenztem Traffic bei jeder Geschwindigkeit. Die folgende Tabelle zeigt die Übertragungsgeschwindigkeiten, mit denen Sie rechnen können.
| Test | Geschwindigkeit | Anmerkungen |
|---|---|---|
| iperf3 (lokales Rechenzentrum) | ≈ 4.7 Gbps | Theoretisches TCP-Maximum bei 5 Gbps nach Protokoll-Overhead (≈ 940 Mbps bei 1 Gbps) |
| Speedtest (Internet) | Bis zu 4.7 Gbps Download / Upload | Obergrenze bei 5 Gbps, das tatsächliche Ergebnis hängt vom Testserver ab |
| git clone (großes Repo, 2GB) | 14s | Von GitHub, begrenzt durch GitHubs Egress |
| CocoaPods install (50 Pods) | 28s | Inklusive git clones und Spec-Auflösung |
| Docker pull (1GB Image) | 8s | Von Docker Hub |
# Network benchmark commands
brew install iperf3
iperf3 -c speedtest-server.example.com -t 30
# Measure git clone speed
time git clone --depth 1 https://github.com/nicklockwood/SwiftFormat.git
# Test download speed
curl -o /dev/null -w "Speed: %{speed_download} bytes/sec\n" \
https://speed.hetzner.de/1GB.bin
Vollständige Vergleichstabelle
Alle Metriken nebeneinander für einen einfachen Vergleich.
| Metrik | M4 Pro | M4 | M2 Pro | Intel i9 |
|---|---|---|---|---|
| Geekbench 6 Single-Core | 3,850 | 3,800 | 2,750 | 1,680 |
| Geekbench 6 Multi-Core | 22,000 | 15,000 | 14,500 | 8,200 |
| Xcode Clean Build (500k LOC) | 4m 12s | 5m 45s | 7m 15s | 12m 30s |
| SPM Clean Build | 1m 50s | 2m 29s | 3m 07s | 6m 13s |
| Docker-Build (ohne Cache) | 42s | 58s | 1m 15s | 2m 38s |
| Llama 3 8B Inferenz | 48.2 tok/s | 35.6 tok/s | 28.4 tok/s | 8.1 tok/s |
| SSD-Lesen | 7,400 MB/s | 6,800 MB/s | 5,100 MB/s | 2,800 MB/s |
| SSD-Schreiben | 6,200 MB/s | 5,100 MB/s | 4,200 MB/s | 2,300 MB/s |
| Leistungsaufnahme (Spitze) | ~45W | ~30W | ~40W | ~120W |
Was das für CI/CD bedeutet
Schnellere Hardware führt direkt zu schnelleren CI/CD-Pipelines und kürzeren Feedbackschleifen für Entwickler. Gegenüber einer Abrechnung pro Minute senkt ein fester Monatspreis auch die Kosten pro Build, sobald Sie genug Builds im Monat ausführen.
Zeitersparnis bei der Build-Pipeline
Eine typische iOS-CI-Pipeline (Checkout, Build, Test, Archivierung), die auf Intel 25 Minuten dauerte, ist auf dem M4 Pro jetzt in unter 10 Minuten abgeschlossen.
# Typical CI pipeline timing (M4 Pro):
# git checkout: 5s (vs 15s Intel)
# pod install: 28s (vs 1m20s)
# xcodebuild: 4m12s (vs 12m30s)
# xcodebuild test: 3m15s (vs 8m40s)
# archive: 2m30s (vs 6m15s)
# Total: ~10m (vs ~29m Intel)
Vergleich der Kosten pro Build
Angenommen 100 Builds pro Monat bei 229 $/Monat (USD, exkl. Steuern) für den M4 Pro, verglichen mit GitHub-gehosteten macOS-Runnern zu 0,062 $/Min. (GitHub-Preis, Stand Oktober 2026). Bei diesem Volumen kostet jeder Build auf dem M4 Pro 0,74 $ mehr, ist aber 2,5-mal schneller fertig. Da der Preis fest ist und nicht pro Minute abgerechnet wird, ist der M4 Pro ab 148 Builds pro Monat auch pro Build günstiger.
# My Remote Mac M4 Pro ($229/mo):
# 100 builds x 10min = 1,000 min
# Cost per build: $2.29
# GitHub-hosted macOS runner
# ($0.062/min, as of October 2026):
# 100 builds x 25min = 2,500 min
# Cost: 2,500 x $0.062 = $155/mo
# Cost per build: $1.55
# At 100 builds/mo:
# 2.5x faster, $0.74/build more
# Break-even: $229 / $1.55 = 147.7
# Cheaper from 148 builds/mo
Preise von My Remote Mac in USD, exkl. Steuern.
Auswirkung auf die Entwicklerproduktivität
Studien zeigen, dass Build-Zeiten sich direkt auf den Flow-Zustand von Entwicklern auswirken. Ein Build von 10 Minuten bedeutet, dass Entwickler zu anderen Aufgaben wechseln und insgesamt 15-20 Minuten verlieren. Ein Build von 4 Minuten hält Entwickler in ihrem Flow. Für ein Team von 5 Entwicklern, die jeweils 10 Builds pro Tag durchführen, spart der M4 Pro im Vergleich zum Intel i9 täglich etwa 5 Stunden kumulierte Wartezeit.
Selbst ausprobieren
Führen Sie diese Benchmarks auf Ihrem eigenen My Remote Mac-Server aus, um die Ergebnisse aus erster Hand zu sehen.
#!/bin/bash
# Quick benchmark script for your My Remote Mac server
echo "=== System Info ==="
sysctl -n machdep.cpu.brand_string
sw_vers
echo ""
echo "=== Geekbench 6 ==="
echo "Download from: https://www.geekbench.com/download/"
echo ""
echo "=== SSD Benchmark ==="
echo "Write speed:"
dd if=/dev/zero of=./benchfile bs=1G count=2 2>&1 | tail -1
echo "Read speed:"
sudo purge 2>/dev/null
dd if=./benchfile of=/dev/null bs=1G count=2 2>&1 | tail -1
rm -f ./benchfile
echo ""
echo "=== Network Speed ==="
curl -o /dev/null -w "Download speed: %{speed_download} bytes/sec\n" \
https://speed.hetzner.de/100MB.bin 2>/dev/null
echo ""
echo "=== Xcode Version ==="
xcodebuild -version
echo ""
echo "Done! Compare your results with the benchmarks at"
echo "https://myremotemac.com/guides/mac-mini-m4-pro-benchmarks"