Trik je v tom, že minimálně iOS (o MacOS nevím) posílá do sluchátek dva streamy: jeden multimediální a druhý se systémovými zvuky, k mixování dochází až ve sluchátkách po dekódování. Na multimédia používají AAC 265 kbps, což jim nechává dost pásma na další stream. O tom, co je jaký stream, dávají sluchátkům vědět přes signály, které jsou součástí standardu Bluetooth. Pokud tedy mají obsah, který můžou poslat rovnou v AAC, tak ho pošlou, zbytek můžou poslat druhým streamem. U mobilního systému to je jednoduché, tam typicky generuje zvuk jenom jedna multimediální aplikace, takže tam je to fakt jenom o mixování streamu z jednoho multimediálního zdroje a systémových zvuků. Samozřejmě pokud si uživatel na tom multimediálním zdroji zapne třeba ekvalizér, tak jim nezbyde nic jiného, než to dekódovat a zase kódovat, ale to je záležitost té aplikace, ta může systému zase předat jenom AAC a ten to rovnou posílá dál. Detaily jsou popsané zde: https://developer.apple.com/accessories/Accessory-Design-Guidelines.pdf
Samozřejmě tento přístup je mnohem hůře uplatnitelný u desktopového systému, kde jsou nároky na mixování vyšší. Navíc úspora výpočetního výkonu a energie tu hraje mnohem menší roli než na mobilu. I tam to popravdě dnes není zásadní problém.