Apple M6とM5 Ultraはなぜ「クラウドに出さないAI」を選んだのか

この記事のまとめ

AppleのM6とM5 Ultraは、演算の速さよりも「大きなモデルを手元のメモリに載せきる」ことを軸にした設計です。CPUとGPUが同じメモリを共有する仕組みが、その土台になっています。読み進める前に押さえておきたいポイントを4つに整理します。

M6は最大32GB・170GB/sで、小型から中型のモデルを静かに常時動かす用途が中心です。
M5 Ultraは最大512GB・1.2TB/sで、数千億パラメータ級のモデルを完全に手元で動かす射程に入ります。
Thunderbolt 5とリモートダイレクトメモリアクセス（RDMA）で複数台をつなぐと、大きな共有メモリのかたまりを作れます。
本格的な学習用途や生の推論速度ではNVIDIA系が上回るため、用途を絞った判断が必要です。

M6とM5 Ultraの基本仕様

M6の12コア構成と32GBの上限

M6搭載Mac miniのユニファイドメモリは、最大32GBです。この数字は、ローカルで動かせるモデルの上限を直接決めるため、仕様の中でも特に注意して見ておく必要があります。

M6搭載のMac miniは、まったく新しいデュアル16コアNeural Engineを備え、前世代と比べて最大2倍高速な性能を出します。ユニファイドメモリは16GBが標準で、構成は最大32GBまでです。メモリ帯域幅は最大170GB/sに上がっています（参照*1）。

価格の側も押さえておきます。M6搭載Mac miniはメモリ16GBで899ドルから、M5 Pro搭載構成は1,699ドルからです（参照*2）。

ここで大事なのは、32GBが構成上の天井であり、あとから増やす選択ができないことです。生成AIの業務利用では、入力情報や出力形式、そして動かすモデルの規模をあらかじめ決めておく必要があると私は常々感じています。M6を選ぶ場合も、動かしたいモデルの大きさを買う前に決めておくことが前提になります。

M5 Ultraのクワッドダイと512GB

M5 Ultraは、最大512GBのユニファイドメモリに対応します。

M5 Ultra搭載のMac Studioは、12個のスーパーコアと24個のパフォーマンスコアからなる最大36コアCPUを備え、M3 Ultraと比べて最大1.3倍のマルチスレッド性能を出します。最大80コアGPUはAppleシリコンで最もパワフルなGPUで、Ultraチップとして初めてNeural Acceleratorを載せ、M3 Ultra比で最大4.3倍のピークAI演算性能に達します（参照*3）。

メモリの側はさらに差が出ます。M5 Ultraは最大512GBのユニファイドメモリを載せ、帯域幅は1.2TB/sで、これはM3 Ultraより50パーセント高い値です。この構成により、巨大なデータのかたまりをすべて手元のメモリに置き、1秒あたりのトークン速度を高めながら、数千億パラメータの大きなモデルを完全にデバイス上で動かせます（参照*4）。

これらの倍率はいずれもピーク値の公称です。Appleの発表資料を見るときは、コア数だけでなく、メモリ容量と帯域幅をセットで確認する習慣を持つべきだと思います。宣伝文句ではなく、手元のタスクに引き付けて実力を確かめる姿勢が、ここでも重要になります。

ローカルLLMのメモリ制約

容量と帯域という二つの壁

手元でモデルを動かすとき、壁は2つに分かれます。私が生成AIを業務で使い続ける中で感じてきたのも、まさにこの2つの壁です。

1つ目は容量の壁です。70億パラメータのモデルで推論を動かすには約28GBのGPU専用メモリ（VRAM）が必要で、いまでは7Bクラスは比較的小さいモデルと考えられています。より新しいモデルは数千億のパラメータを持ち、学習と推論の両方で複数のGPUが要ります（参照*5）。

この28GBという数字は、精度を落とさない状態での目安です。4ビットや8ビットに圧縮すると必要な容量は大きく変わります。

2つ目は帯域の壁です。メモリは以前からローカル推論の主な制約でした。モデルの重みは、生成する1トークンごとにメモリから演算ユニットへ流し込む必要があり、容量と帯域幅の両方に厳しい制限がかかります（参照*6）。

この2つは性質が違います。容量は「載るかどうか」を決め、帯域は「どれくらいの速さで返ってくるか」に効きます。必要メモリの数字を見るときは、どの精度（量子化ビット数）を前提にしているかを合わせて確認する形になります。スペックの数字だけを追っていると、実際に動かしたときのギャップに驚くことになります。

専用GPUとユニファイドメモリの差

専用GPUとユニファイドメモリでは、利用できるメモリの構造が異なります。

高性能GPUのメモリ容量は24〜48GBです。モデルがGPUのメモリ容量を超えると、処理はより遅いシステムRAMに戻り、性能が落ちます（参照*7）。

Appleのユニファイドメモリは、この前提を変えました。CPU側のメモリとGPU側のメモリという従来の分離をなくし、GPUがシステムメモリ全体へ高い帯域幅で直接アクセスできるようにしています（参照*6）。

電力の面でも副次的な差が出ており、M3 UltraはRTX 5090より1ジュールあたり最大23倍多くのトークンを生成します。これはシステムオンチップ（SoC）設計で、部品間の電力を食うデータ転送を最小限にした結果です（参照*8）。

ここから言えるのは、Appleシリコンの構造上の強みが主に容量の側にあるという点です。演算そのものの速さで勝つ話ではないので、比較するときは「載る容量」と「演算の速さ」を分けて並べる必要があります。用途を絞らずに「AppleシリコンかNVIDIAか」という二項対立で考えると、判断を誤ります。

メモリ容量別のモデル運用

M6とM5 Proの現実的な射程

M6とM5 Proは、32GBと64GBのメモリ帯を担います。

M5 Pro搭載のMac miniは、最大64GBのユニファイドメモリと307GB/sのメモリ帯域幅に対応します。これにより、より大きなローカルAIモデルの実行、複雑な3Dシーンの処理、ProRes RAWファイルの編集、研究用の大規模なカスタムデータセットの読み込みができます。ワット当たりの性能が高いため、AIエージェントや制作作業向けの常時稼働デスクトップとしても向いています（参照*9）。

実際に載るモデルの規模も、測定例があります。MacBook Proの24GBでは、16ビット浮動小数点形式（BF16）の8Bモデル、または4ビット量子化した30Bの混合専門家モデル（MoE）を問題なく保持でき、どちらの構成でも推論の使用量を18GB未満に収められました（参照*10）。これはMacBook Proでの検証であり、M6で同じ条件を測った結果ではありません。

この帯は、小型から中型のモデルを常に立ち上げておく使い方と相性が良い領域です。私自身が生成AIを毎日の文章作成に使う中でも、常時起動している小型モデルの応答速度は体験として大きく違います。判断のときは、動かしたいモデルの量子化後の容量と、24GBや32GBという上限を並べて見る形になります。

M5 Maxの128GBと70B級

128GB帯には、70B級を含む複数のモデルが収まります。

128GBに収まるのは一段下の層です。Qwen3-Coder-Nextは3Bのアクティブパラメータを持つ80BのMoEモデルで、4ビットで約47GBです。

約63GBのgpt-oss-120bも収まり、16GBのQwen3.8-27Bも入ります（参照*11）。

先行世代でも同じ傾向が確認できます。M4 Max搭載の128GB MacBook Proは、Q8精度で700億パラメータのモデルをローカルで動かせました（参照*7）。

47GBと63GBという数字を足しても128GBには収まるため、大きめのモデルを複数同時に置く構成も見えてきます。ただし収まることと快適に使えることは別の話です。容量の計算と、実際の応答の速さは分けて確かめる必要があります。AIの出力品質を見るときは、正確性や具体性だけでなく、応答速度という実務適合性も外せない観点です。

M5 Ultraの256GB以上の領域

M5 Ultraは、256GB以上の大容量メモリを単体で利用できる領域を担います。

M5 Ultraは最大512GBのユニファイドメモリと1.2TB/sの帯域幅を持ち、数千億パラメータのモデルを完全にデバイス上で動かせる設計です（参照*4）。この射程は先行世代の実績からも裏づけられます。

M3 Ultra搭載の512GB Mac Studioは3,000億以上のパラメータのモデルに対応し、専用GPUのシステムで起きがちな性能低下なしに動かせました（参照*7）。

買う時期にも段差があります。M5 MaxとM5 Ultra搭載の新しいMac Studioは8月25日から予約でき、店舗での販売と配送は9月22日に始まります。512GBのユニファイドメモリを載せたMac Studioは、10月下旬に登場します（参照*12）。

M5 Ultra搭載構成は5,499ドルからで、構成によってはこれよりはるかに高額になります（参照*2）。512GB構成そのものの価格は公表されていません。

4ビット量子化を前提にすれば、256GB帯でも大型のMoEモデルが視野に入ります。一方で、512GBでも収まらない兆パラメータ級のモデルは存在するため、単体構成で完結するかどうかは動かす対象で決まります。「大容量だから何でも動く」という理解は危険で、対象モデルの量子化後サイズを先に確認するのが正しい順番です。

Thunderbolt 5クラスタの拡張

単体のメモリで足りないときは、複数台をつなぐ構成を選べます。

複数のMac Studioを使うと、AI推論をさらに広い規模へ広げられます。Thunderbolt 5とRDMAの標準サポートで複数のMac Studioをクラスタにでき、システムをまたいだ大容量の共有メモリのかたまりが作られます。

これにより、いま手に入る中でも最大級で負荷の重い、最先端のオープンウェイトモデルを読み込めます（参照*13）。

Mac miniは、モデルによって接続の条件が分かれます。背面のポートはM6搭載Mac miniがThunderbolt 4を3つ、M5 Pro搭載Mac miniがThunderbolt 5を3つで、HDMIとEthernetも付きます。Thunderbolt 5により、複数のMac miniをクラスタにして大きなAIモデルを完全に手元で動かすこともできます（参照*1）。

つまり、Mac miniでクラスタを組む前提ならM5 Pro構成が条件になります。

連結が話題になる背景には、一般向けハードウェアのメモリ制約があります。平均的な仕様のMacBook Proのような一般向けハードウェアの多くは、動かせるモデルの大きさという点でまだ遅れており、通常の開発用マシンですべてをローカルで動かす状況には至っていません。

だからこそ、Mac miniやMac Studioを連結する取り組みが進んでいます（参照*2）。台数を増やす判断では、置き場所と電源の口数、ケーブルの本数も一緒に見る形になります。生成AI導入で最初に詰まるのは技術仕様よりも、こうした物理的・運用的な制約であることが多いと、私は支援の現場で繰り返し実感しています。

MLXとCore AIの実行環境

MLXとCore AIは、Appleシリコン上でモデルを動かすソフトウェア基盤です。ハードウェアの仕様と並んで、この実行環境の理解が、実際の生成速度を左右します。

Core AIは、Appleシリコン上でAIモデルを作り、動かし、配るための新しい枠組みです。ユニファイドメモリ、CPU、GPU、Neural Engineに合わせた設計になっており、開発者は大規模言語モデル（LLM）を手元に置き、自作のモデルをアプリへ組み込めます。

Appleシリコン向けに最適化されたオープンソースの機械学習フレームワークであるMLXにより、Mac上でモデルの実行、学習、ファインチューニングを効率よく進められます（参照*3）。

MLXによる量子化の手順は短く済みます。MLXは、モデルの数値を低い精度で保存して使用メモリを減らす量子化に、標準で対応しています。mlx_lm.convertを使えば、Hugging Faceからダウンロードしたモデルを数秒で量子化できます（参照*10）。

実行基盤によって、生成速度や最初の応答までの時間が変わります。ある比較では、MLXが最も高い持続的な生成スループットを出し、MLC-LLMは中程度のプロンプトでは最初の応答までの時間が一貫して短く、すぐ使える推論機能の面で強みがありました（参照*14）。

MLX上の実装では、Qwen3-0.6BからNemotron-30Bまでのテキストモデルでllama-cppより21%から87%高いスループットを達成し、16件の同時リクエストで合計スループットを4.3倍まで伸ばす連続バッチ処理も提供します（参照*15）。これらの数値は特定の機種とモデルでの測定条件に依存します。同じモデルでも土台のソフトを替えると結果が動くため、比較は条件をそろえて行う形になります。私がChatGPTやClaudeなど複数モデルを同じタスクで比較するときも、条件をそろえることを徹底しています。ソフトウェア基盤の違いも、同様に変数として扱う必要があります。

クラウド課金との比較軸

3年コストと損益分岐点

購入とクラウド利用の比較は、期間で割った金額で見ると判断しやすくなります。私自身、Claude MaxやPerplexityといったサブスクを複数契約しながら、月額コストの積み上がりを実感しています。その観点からも、この比較軸は現実的な意味を持ちます。

128GBのM5 Max Studioの3年間の所有コストは約5,000ドルで、月あたり約140ドルです。これは月200ドルのClaude Maxより安く、月100ドルの下位プランより高い金額です。

従量制のAPIを使う企業環境では、Claude Codeの費用は開発者1人あたり稼働1日につき約13ドル、1人あたり月150〜250ドルで、利用者の90%は1日30ドル未満という記載もあります（参照*11）。この試算は米国の電気料金や利用時間の仮定に基づく第三者の算出です。

課金以外の効き方もあります。手元でLLMを動かすと、ネットワークの往復がなく、問い合わせごとのクラウド費用もかからず、便利なエージェント機能を使うためにサブスクの料金プランへ頼る必要もありません（参照*16）。

損益分岐は、構成と使う量の両方で動きます。為替や電気料金の前提が変われば金額も変わるので、自分の利用時間と契約プランの単価を入れ直して比べる形になります。「月200ドルのサブスクを払い続けるより、一度ハードウェアを買う」という判断が合理的になるかどうかは、業務での生成AI利用頻度次第です。

プライバシー要件と判断基準

費用とは別に、データを外に出せないという条件があります。

1,500人を超える企業のテクノロジーリーダーと実務担当者を対象にした調査では、4分の3がクラウドサービスを通じたデータ漏えいの可能性を心配しています。オンデバイスのAIには、送信されないデータは送信中に漏れないという分かりやすい利点があります。99%がAIの作業で自社独自のデータを扱っており、手元で処理できることは重要なセキュリティ要件になりつつあります（参照*7）。

分野によっては、選択肢がさらに狭くなります。医療データは特に機密性が高く、プライバシー要件や規制の遵守、あるいはその両方のため、クラウドのAIサービスへ送ること自体が選択肢にならない場面が少なくありません（参照*17）。

こうした場面では、手元での実行は安く済ませる手段ではなく、条件を満たす手段になります。生成AI導入では、技術的性能よりも組織のルール整備や規制要件の整理が先に来るべきだというのが、私が支援を続ける中で感じていることです。手元で動かせば法令を守れる、という話ではありません。

契約や規制で求められる項目を先に洗い出し、そのうえで容量と構成を選ぶ順番になります。

導入前に確認すべき限界

導入前には、応答速度やメモリ容量の限界を確認する必要があります。性能の宣伝文句ではなく、実際の業務課題に対してどの程度使えるかを検証する姿勢が、ここでも求められます。

まず引っかかるのは、返答が始まるまでの待ち時間です。512GBのM3 Ultraでローカルモデルに対してClaude Codeを動かした開発者は、16,000トークンのシステムプロンプトで最初のトークンが出るまで約90秒かかったと報告しました（参照*11）。

この傾向は測定でも確認できます。冷えた状態での最初の応答までの時間は、文脈の長さに対してほぼ比例して伸び、Gemmaは32Kで172秒かかりました。

DeepSeekは層が少なく隠れ次元も小さいため、32Kで3.6倍速いという結果でした（参照*18）。

生の速さの比較でも、上限は見えています。最適化されたTensorRT-LLMを使った場合、最上位のRTX 5090は毎秒265トークンのピークスループットに達し、MLXを使ったM3 Ultraの毎秒155トークンを70%上回りました（参照*19）。到達点の評価も同じ方向です。

Appleシリコンの推論の枠組みは、絶対的な性能ではvLLMなどのNVIDIA GPUを使うシステムにまだ及びませんが、外に出さない手元での推論としては実用的で本番品質の解へ急速に育っている、という整理でした（参照*14）。ここで注意したいのは、これらの数字が旧世代のM3 Ultraでの測定であり、新しいチップの性能ではないことです。新モデルが出るたびに、宣伝文句ではなく手元のタスクで実力を確かめることが重要です。

公称値は、独立した検証の有無も確認する必要があります。Appleが公表した数値では、M6のAI性能は旧M4より4倍高速で、M5 Proの大規模言語モデル処理はM4 Proより4倍高速です。ただしこれらはApple独自のベンチマークで、まだ独立した検証を受けていません（参照*16）。

加えて、M6のメモリは最大32GBが天井で、大きなモデルは物理的に載りません。判断を急がず、長い文脈での初動の待ち時間、動かしたいモデルの量子化後の容量、そして独立した実測が出そろう時期の3点を見比べる形になります。Deep Research系のレポートと同様、見た目が整っているほど検証なしに信じてしまう危険があります。

おわりに

M6とM5 Ultraの設計は、演算の派手さより「載せきる」ことを優先した形です。M6は最大32GB・170GB/sで小さめのモデルを静かに回す役割、M5 Ultraは最大512GB・1.2TB/sで数千億パラメータ級を手元で動かす役割と、担当がはっきり分かれています。私がこの設計を興味深いと思うのは、クラウドにデータを出せない業務環境や、月額サブスクのコストが積み上がっている現場に対して、具体的な答えになり得るからです。

選ぶときに見る場所も、その順番で決まります。動かしたいモデルの量子化後の容量、帯域幅、MLXやCore AIといった実行環境、そして3年で割ったコストとサブスクの単価です。生の速さや本格的な学習ではNVIDIA系が上回るため、用途を絞って比べるのが現実的です。「AIに何をさせるか」を業務側が先に定義できていれば、この比較は難しくありません。逆に、用途が曖昧なまま高額な構成を選ぶのは、生成AI導入で繰り返し見てきた失敗パターンの一つです。

監修者

安達裕哉（あだちゆうや）

デロイトトーマツコンサルティングにて品質マネジメント、人事などの分野でコンサルティングに従事しその後、監査法人トーマツの中小企業向けコンサルティング部門の立ち上げに参画。大阪支社長、東京支社長を歴任したのち2013年5月にwebマーケティング、コンテンツ制作を行う「ティネクト株式会社」を設立。ビジネスメディア「Books&Apps」を運営。
2023年7月に生成AIコンサルティング、およびAIメディア運営を行う「ワークワンダース株式会社」を設立。ICJ2号ファンドによる調達を実施(1.3億円)。
著書「頭のいい人が話す前に考えていること」が、95万部（2026年6月時点）を売り上げる。
（“2023年・2024年上半期に日本で一番売れたビジネス書”（トーハン調べ／日販調べ））