Apple、iPhoneからMac StudioまでのローカルAI容量を提示

2026年9月26日、AppleはiPhone、iPad、Mac、Mac Studioクラスタについて、ローカルAIで扱える言語モデルの規模を整理した能力表を公表した。表はクラウドでの学習ではなく、端末内でモデルを動かす推論を対象としている。機種ごとに統一メモリ容量やメモリ帯域幅の条件を置き、対応可能とするモデル規模を示す内容だ。

公開情報によると、16GBの統一メモリを備えるiPhoneとiPadは、最大140億のアクティブパラメータを持つモデルに対応する位置付けとなる。AppleはローカルAI推論の条件として毎秒76GBのメモリ帯域幅も記載した。報道ではA20 Proの帯域幅は毎秒115.2GBで、この基準を上回るとされる。ただし、帯域幅が基準を超えることだけで、あらゆる140億パラメータモデルの動作や同一の速度が保証されるわけではない。

容量の目安であり、速度の公約ではない

今回の数値は主にモデルを保持し実行するための容量区分であり、生成速度、応答時間、あるいは特定アプリの性能を示す保証ではない。iPhoneとiPadについては「アクティブパラメータ」という表現が使われているが、提供された資料にはテスト方法、量子化形式、コンテキスト長、入力負荷、毎秒の出力トークン数は詳細に記されていない。パラメータ数が同じでも、モデル構造や重みの精度、推論ソフトウェアによって必要資源と実行結果は変わる。

また、16GBの統一メモリはモデルだけに使える領域ではない。OS、実行中のアプリ、画面表示なども同じメモリ資源を利用する。統一メモリはCPUやGPUなどが共通のメモリプールを使う設計で、大きなデータのコピーを抑える利点がある一方、表記された容量を常にモデルだけへ割り当てられるという意味ではない。実運用では空きメモリとアプリの状態を確認する必要がある。

Macではメモリ規模に応じて上限が上がる

MacBook AirとMac miniは、最大700億アクティブパラメータのモデルを扱う区分として示された。関連資料では、これらの機種は最大64GBの統一メモリと毎秒307GBまでのメモリ帯域幅を備えるとされる。Appleの教育コミュニティに関する情報では、M5 Pro搭載Mac miniがローカルで最大700億パラメータのモデルを実行できるとされ、Llama 3.3 70Bや通義千問3.6 35Bがオフライン利用の例として挙げられている。

MacBook Proは最大1,200億パラメータのAIモデルに対応する区分で、統一メモリは最大128GBとされる。モデルの重みが大きくなるほど、保存に必要なメモリとデータ供給の速度が重要になる。もっとも、搭載メモリが十分に見えても、量子化の方法、推論フレームワーク、並行して実行する処理により利用感は変わる。資料は各機種で想定する精度や既定の量子化設定を明示していない。

• 16GB統一メモリのiPhoneとiPad：最大140億アクティブパラメータ。表には毎秒76GBの帯域幅条件が記載された。
• MacBook AirとMac mini：最大700億アクティブパラメータ。資料上は最大64GB統一メモリ、毎秒307GBまでの帯域幅。
• MacBook Pro：最大1,200億パラメータのモデル。統一メモリは最大128GB。
• M5 Ultra搭載Mac Studio：単体で最大4,800億パラメータ、複数台クラスタでは最大1.6兆超の規模。

Mac Studioは単体構成で最上位に置かれた

単体システムでは、M5 Ultraを搭載するMac Studioが最大4,800億パラメータのローカルモデルを扱うプラットフォームとして位置付けられた。資料に示された上限仕様は、512GBの統一メモリ、毎秒1.2TBのメモリ帯域幅、最大36コアCPU、80コアGPUである。教育コミュニティに関する情報も4,800億パラメータという区分と一致するが、引用資料には検証に使ったモデル名、詳細な設定、実際の生成速度は掲載されていない。

複数台構成については、4台のMac Studioをクラスタ化し、統一メモリ合計を最大2TBにすることで、1.6兆パラメータのモデルを動かせると説明されている。別の報道は、4台のMac Studioが1兆パラメータモデルの実行に成功したとしている。ただし、「実行」の定義、重みの分散方法、機器間ネットワーク、出力速度について、提供された情報に一貫した技術的説明はない。

このため、1.6兆という数値は、Appleが示したクラスタ容量と条件付きの能力主張として読む必要がある。利用者が4台を用意すれば同じ結果を直ちに再現できるという意味ではない。大規模モデルのローカル配備には、対応する推論ソフト、モデルファイル、ストレージ、複数マシンを連携させる仕組みも必要になる。元情報も、メモリ容量と帯域幅に加え、モデル自体の最適化が実行可否を左右するとしている。

オフライン利用の可能性と導入時の条件

ローカル推論では、一部の処理をオフライン環境で完結でき、問い合わせごとにデータを外部サービスへ送る必要を減らせる可能性がある。資料ではプライバシーとコストの見通しやすさが価値として挙げられている。しかし、端末内実行がすべての用途に適するわけではない。大規模モデルを扱うハードウェアは高価になり得るほか、モデルの入手、更新、保存、設定は利用者や組織の負担となる。出力の品質もパラメータ数だけでは決まらない。

Wccftechは、同媒体が確認した米国のAppleオンラインストアでは、M5 Ultra版Mac Studioは当時256GBメモリ版のみが販売表示され、一部の都市では出荷に15〜17週間を要すると報じた。同報道は、36コアCPU、80コアGPU、32コアNeural Engine、1TB SSDを備えるM5 Ultra構成を1万700ドルと記載している。これは特定時点の米国市場についての同媒体の確認であり、日本での価格、在庫、納期や全構成を示すものではない。

日本でローカルAIを検討する個人や組織にとって、この表は機種選定の出発点にはなる。スマートフォンやタブレットは比較的小さいモデル向け、Macはより大きなメモリ空間向け、Mac Studioとクラスタは専門性の高い用途向けという整理だ。導入前には、使いたいモデルの重み形式、量子化版、必要メモリ、推論フレームワーク、既存の業務手順を確認したい。今回の発表はハードウェア上限の輪郭を示すもので、実用性は個別モデルによる再現可能な検証で判断する必要がある。