⏱️ Lectura: 12 min
Apple acaba de admitir lo impensable hace dos años: el Mac mini y el Mac Studio estarán en escasez durante meses. Durante la llamada de resultados del segundo trimestre fiscal de 2026, Tim Cook reconoció que la compañía subestimó la demanda de estas dos máquinas, especialmente entre quienes las usan como nodos locales de inteligencia artificial. La frase exacta del CEO marcó tendencia: «Pensamos que el Mac mini y el Mac Studio podrían tardar varios meses en alcanzar el equilibrio entre oferta y demanda».
📑 En este artículo
- Qué dijo exactamente Tim Cook
- Contexto e historia: cómo llegamos a esto
- Datos y cifras concretas de la escasez
- Impacto y análisis: quién gana, quién pierde
- Cómo correr LLMs localmente mientras llega tu Mac
- Qué sigue: M5 y la respuesta de Apple
- Preguntas frecuentes
- ¿Por qué Apple no puede simplemente fabricar más Mac mini y Mac Studio?
- ¿Cuándo se normalizará el stock de Mac mini y Mac Studio?
- ¿Vale la pena comprar un Mac mini base ahora para correr LLMs?
- ¿La escasez afecta a otros productos Apple?
- ¿Qué alternativas hay a un Mac Studio para correr modelos grandes localmente?
- ¿La crisis de memoria es culpa exclusiva de la IA?
- Referencias
El comunicado llega después de semanas en las que la tienda online de Apple en Estados Unidos mostraba tiempos de entrega de hasta 4 o 5 meses para configuraciones con RAM ampliada, y donde el modelo base del Mac mini llegó a aparecer como «Currently Unavailable». No se trata de un problema cosmético: la propia Apple dejó de aceptar pedidos del Mac Studio con 512 GB de RAM y suspendió ciertas configuraciones del Mac mini con 32 GB y 64 GB. Esta es la radiografía completa de qué pasó, por qué pasó y cómo afecta a los desarrolladores en LATAM que estaban planeando comprar una de estas máquinas para correr modelos locales.
Qué dijo exactamente Tim Cook
En la conferencia con analistas del 30 de abril de 2026, Cook fue inusualmente explícito al describir el desfase entre producción y pedidos. Apple atribuyó el desbalance a dos factores combinados: un crecimiento mayor al esperado en el segmento de IA y una restricción específica en los nodos avanzados de fabricación de chips. La cita más reveladora vino del propio CEO: «Ambos son plataformas asombrosas para IA y herramientas agénticas, y el reconocimiento por parte de los clientes está ocurriendo más rápido de lo que habíamos predicho, así que vimos demanda más alta de lo esperado».
Otro fragmento, citado durante el Q&A con analistas, aclaró cuál es el verdadero cuello de botella: «La principal restricción en los trimestres de marzo y junio es la disponibilidad de los nodos avanzados en los que se producen nuestros SoC, no la memoria». Es decir, no es solo la RAM la que escasea: es la propia capacidad de TSMC para entregar chips Apple Silicon en los procesos más recientes (3 nm y derivados).
Contexto e historia: cómo llegamos a esto
Para entender el cuadro completo hay que retroceder unos meses. El primer aviso público fue el 6 de abril de 2026, cuando MacRumors reportó retrasos de envío extremos: configuraciones del Mac mini con 64 GB de RAM y M4 Pro mostraban entregas estimadas a 4-5 meses. Apenas cinco días después, el 11 de abril, Apple cerró por completo la posibilidad de pedir varias configuraciones de RAM ampliada, tanto en Mac mini como en Mac Studio. Para el 16 de abril, Perplexity lanzó oficialmente Personal Computer, su producto que convierte un Mac mini en un agente de IA local siempre activo, profundizando aún más la presión sobre el inventario.
Lo curioso es que la línea Mac, históricamente, no había sido un problema de inventario para Apple. Durante la era Intel, los Mac vivían en un equilibrio cómodo: nunca había shortages dramáticos, pero tampoco demanda explosiva. La transición a Apple Silicon en 2020 cambió la ecuación. Lo que nadie anticipó —ni siquiera Apple— fue que la Memoria Unificada (UMA) del SoC convertiría a los Mac en máquinas inesperadamente ideales para correr modelos de lenguaje grandes (LLMs) localmente. Un Mac Studio con 192 GB de memoria unificada puede ejecutar modelos de 70B parámetros con cuantización razonable, algo que en el mundo PC requiere una GPU NVIDIA H100 que cuesta varias veces más.
La memoria unificada como ventaja competitiva accidental
La arquitectura UMA fue diseñada inicialmente pensando en eficiencia energética y latencia para tareas creativas (Final Cut, Logic, Xcode). Pero al compartir la memoria entre CPU, GPU y Neural Engine, terminó siendo perfecta para inferencia de LLMs, donde el cuello de botella es justamente el ancho de banda de memoria al que la GPU puede acceder a los pesos del modelo. Frameworks como llama.cpp, MLX (de la propia Apple) y Ollama supieron explotar esto, y de pronto un Mac Studio se volvió competitivo contra workstations de IA de varios miles de dólares más caras.
Datos y cifras concretas de la escasez
Estos son los números verificables hasta el cierre de abril de 2026:
- 4 a 5 meses de espera estimada para configuraciones del Mac mini con RAM ampliada (M4 Pro + 64 GB).
- Mac Studio con 512 GB de RAM completamente retirado de la tienda online.
- Configuraciones del Mac mini con 32 GB y 64 GB marcadas como «currently unavailable».
- Configuraciones del Mac Studio con 128 GB y 256 GB también retiradas temporalmente.
- Mac mini base reportado como fuera de stock la última semana de abril.
- Apple proyecta «costos significativamente más altos de memoria» en el trimestre de junio y posteriores.
El factor macroeconómico es la escasez global de chips de memoria. Las grandes nubes (AWS, Azure, Google Cloud, Oracle) están comprando agresivamente módulos HBM3e y DDR5 de alta capacidad para construir clusters de entrenamiento e inferencia de IA, vaciando la oferta disponible para fabricantes de hardware de consumo. Samsung, SK Hynix y Micron tienen sus líneas de producción comprometidas con contratos plurianuales, y los precios spot subieron entre 40 % y 70 % desde el último trimestre de 2025.
💭 Clave: Apple terminó atrapada en una paradoja: su software de IA (Apple Intelligence) no convenció al mercado, pero su hardware sí. Empresas terceras como Perplexity, Ollama y MLX construyeron toda la pila de IA local sobre Mac, y la demanda explotó por una razón que Apple no controlaba.
Impacto y análisis: quién gana, quién pierde
Para los equipos de desarrollo en LATAM esta escasez tiene varias capas de impacto. Primero, el obvio: si planeabas comprar un Mac Studio con RAM amplia para correr modelos locales (Llama 3.3, Qwen 3, DeepSeek V4), prepárate para esperar meses o aceptar un downgrade. Segundo, el indirecto: los precios de segunda mano en mercados como MercadoLibre Argentina, Mercado Libre México o Yapo Chile ya reflejan el escasez, con Mac Studios usados llegando a venderse a precios cercanos al nuevo. Tercero, el oculto: los importadores y revendedores autorizados (que en muchos países latinoamericanos son la única vía formal) están viendo cuotas reducidas de Apple para los próximos dos trimestres.
El factor Perplexity Personal Computer
El lanzamiento del 16 de abril de Perplexity Personal Computer merece atención especial. El producto, exclusivo para suscriptores Max, convierte un Mac mini en un «trabajador digital» siempre activo: ejecuta agentes que crean y ejecutan tareas, integrándose con archivos y aplicaciones locales. Que una empresa de IA recomiende explícitamente comprar un Mac mini como parte de su producto cambia el juego: ya no es solo developers comprando para experimentar, son knowledge workers comprando para usar como agente personal.
Diagrama del problema
graph TD
A["Demanda de IA local"] --> B["Pedidos Mac mini / Mac Studio"]
B --> C["Apple subestima demanda"]
D["AWS/Azure compran HBM/DDR5"] --> E["Crisis global de memoria"]
E --> F["Costos de RAM suben 40-70%"]
F --> C
G["Cuello en TSMC 3nm"] --> H["SoC Apple Silicon limitados"]
H --> C
C --> I["Escasez 4-5 meses"]Cómo correr LLMs localmente mientras llega tu Mac
Si necesitás empezar a explorar IA local sin esperar al Mac Studio que pediste, hay alternativas viables. Acá un ejemplo de cómo levantar un modelo con Ollama, que funciona en las tres plataformas:
# macOS (cuando tu Mac llegue)
brew install ollama
ollama serve &
ollama pull llama3.3:70b-instruct-q4_K_M
ollama run llama3.3:70b-instruct-q4_K_M "Explicá la memoria unificada en Apple Silicon"
# Linux (mientras tanto, en server o desktop)
curl -fsSL https://ollama.com/install.sh | sh
systemctl start ollama
ollama pull llama3.3:8b-instruct-q4_K_M
ollama run llama3.3:8b-instruct-q4_K_M "Explicá la memoria unificada en Apple Silicon"
# Windows (PowerShell)
winget install Ollama.Ollama
ollama serve
ollama pull llama3.3:8b-instruct-q4_K_M
ollama run llama3.3:8b-instruct-q4_K_M "Explicá la memoria unificada en Apple Silicon"En Mac con Apple Silicon también vale la pena explorar MLX directamente, el framework de Apple optimizado para UMA:
pip install mlx mlx-lm
python -m mlx_lm.generate \
--model mlx-community/Llama-3.3-70B-Instruct-4bit \
--prompt "Explicá la diferencia entre HBM3e y DDR5" \
--max-tokens 500⚠️ Ojo: Si vas a comprar un Mac mini o Mac Studio en el mercado de segunda mano durante la escasez, verificá que la unidad no sea reportada como robada y que la RAM declarada coincida con la real (System Information → Memory). Hubo casos de unidades modificadas o fraudes en marketplaces.
Qué sigue: M5 y la respuesta de Apple
Varios analistas esperaban un refresh de la línea Mac Studio con chips M5 Ultra para mediados de 2026. Con el escenario actual, ese lanzamiento podría retrasarse o salir con disponibilidad limitada desde el día uno. La presión sobre los nodos avanzados de TSMC no va a ceder mientras la industria entera (NVIDIA, AMD, Apple, Qualcomm) compita por la misma capacidad de fabricación. Algunos rumores apuntan a que Apple podría reservar capacidad TSMC N3P específicamente para los M5 Pro y M5 Max, dejando los M5 base producidos en N3E.
Para Apple, el aprendizaje estratégico es importante: el mercado le está señalando que su hardware vale más que su software de IA. Apple Intelligence ha tenido recepción tibia y críticas constantes por su retraso, mientras que el ecosistema third-party (Perplexity, Anthropic, OpenAI, Ollama) está construyendo experiencias de IA mucho más útiles encima de los Mac. La pregunta es si Apple capitalizará esto con un giro hacia plataformas más abiertas o seguirá priorizando su stack vertical.
Mientras tanto, para el desarrollador o el founder LATAM que quería comprar un Mac Studio para servir un LLM interno a su equipo, el mensaje es claro: si la decisión todavía no está tomada, conviene evaluar configuraciones base disponibles, alquilar instancias cloud puntuales (RunPod, Vast.ai), o esperar al M5 Ultra a finales de 2026. Y si ya hiciste el pedido, paciencia: Apple se está ahogando con su propio éxito.
📖 Resumen en Telegram: Ver resumen
Preguntas frecuentes
¿Por qué Apple no puede simplemente fabricar más Mac mini y Mac Studio?
Porque el cuello de botella no es la línea de ensamblaje, sino dos restricciones upstream: la capacidad de TSMC en nodos de 3 nm para producir los SoC Apple Silicon, y la oferta global de memoria DDR5/LPDDR5 acaparada por la construcción de servidores de IA. Apple ya tiene asignada cuota máxima en ambos proveedores y aumentarla requiere capacidad nueva de fab que tarda años en construirse.
¿Cuándo se normalizará el stock de Mac mini y Mac Studio?
Tim Cook dijo «varios meses» sin dar fecha exacta. Analistas estiman que el equilibrio se alcanzaría hacia el cuarto trimestre de 2026, coincidiendo con la posible llegada del Mac Studio M5 Ultra y con una eventual normalización del precio de la memoria, aunque ambos factores son inciertos.
¿Vale la pena comprar un Mac mini base ahora para correr LLMs?
Para modelos de hasta 8B parámetros con cuantización 4-bit, sí: un Mac mini M4 base con 16 GB de RAM corre Llama 3.3 8B a velocidad razonable. Para modelos de 70B+ necesitás como mínimo 64 GB, ideal 128 GB+, y esas configuraciones son las que están en escasez extrema.
¿La escasez afecta a otros productos Apple?
Hasta el momento Apple no ha reportado escasez crítica en MacBook Pro, MacBook Air, iMac, iPad ni iPhone. La concentración de la demanda en Mac mini y Mac Studio se debe al perfil específico de uso para IA local, donde la relación precio/memoria-unificada de estos dos productos es la mejor del catálogo.
¿Qué alternativas hay a un Mac Studio para correr modelos grandes localmente?
Las opciones principales son: armar una workstation con dos GPUs NVIDIA RTX 4090 o una RTX 6000 Ada (caro y consume mucho), comprar tiempo en proveedores cloud especializados (RunPod, Vast.ai, Lambda Labs) por horas, o usar APIs de inferencia (Together, Anyscale, Fireworks). Cada opción tiene un trade-off distinto entre costo inicial, costo operativo y privacidad.
¿La crisis de memoria es culpa exclusiva de la IA?
Mayoritariamente sí. La construcción acelerada de centros de datos para entrenar e inferir modelos grandes es el principal driver: HBM3e va casi 100% a NVIDIA y AMD para sus aceleradores, y DDR5 de alta capacidad va a servidores. Esto deja a Samsung, SK Hynix y Micron con poco margen para abastecer fabricantes de PC y consola, lo que se traduce en precios spot más altos para todos.
Referencias
- MacRumors — Reporte original con citas de Tim Cook en la llamada de resultados Q2 FY2026.
- Hacker News — Discusiones técnicas sobre el impacto de la escasez en la comunidad de IA local.
- Ollama — Framework open source para correr LLMs localmente, incluyendo Apple Silicon.
- MLX — Framework oficial de Apple para machine learning sobre Memoria Unificada.
📱 ¿Te gusta este contenido? Únete a nuestro canal de Telegram @programacion donde publicamos a diario lo más relevante de tecnología, IA y desarrollo. Resúmenes rápidos, contenido fresco todos los días.
0 Comentarios