Mac Studio でローカルLLM を動かす完全ガイド 2026年版：M4 Max / M3 Ultra の Unified Memory 容量別に何が動くか
Mac Studio M4 Max / M3 Ultra でローカルLLM を動かす実用ガイド 2026年版。Unified Memory 64GB / 96GB / 128GB / 256GB / 512GB / 512GB の各構成で何B モデルまで動くかを整理し、llama.cpp / Ollama / MLX の使い分けと量子化選択を解説します。
- #Mac Studio
- #ローカルLLM
- #Apple Silicon
- #M4 Max
- #M3 Ultra
- #Unified Memory
- #MLX
- #Ollama
- #DeepSeek R1
- #Llama 3.3
本記事は Amazon.co.jp および各販売店のアフィリエイトリンクを含む場合があります。推奨は性能・コスパ・実機ベンチマーク基準で編集判断しており、提供記事は受け付けていません。詳細は プライバシーポリシー をご覧ください。
入手性の注記（2026 年 8 月時点）: M3 Ultra Mac Studio は DRAM 供給制約により、512GB 構成が 2026 年 3 月に、256GB 構成が 5 月に終了しました。新品で選べるのは 96GB 構成のみです。本記事の 512GB / 256GB を前提とした記述は、中古および既存機での参考値として読んでください。
結論：Mac Studio でローカル LLM を動かすなら、まず M4 Max 64GB を「30〜32B が量子化で快適に回る最小ライン」と覚えてください。70B クラスを Q4 で 8〜15 tok/s 級の実用速度にしたいなら M4 Max 128GB か M3 Ultra 96GB、Llama 3.3 70B を FP16 で扱う研究用途や DeepSeek R1 671B クラスを 1 台に押し込みたいなら M3 Ultra 256GB 以上、それ以下は構成的に意味が薄いです。
「Mac Studio でローカル LLM はどこまで動きますか」は、Mac Studio の新規購入相談で 2026 年に最も多くなった質問です。M3 Ultra と M4 Max の二段構成、しかも Unified Memory の選択肢が 64GB / 96GB / 128GB / 256GB / 512GB（M3 Ultra のみ）と幅広く、組み合わせの数だけで判断が止まりがちです。この記事では、Mac Studio に絞って Unified Memory 容量別にどのモデルがどの量子化で動くか をマトリクスで整理し、ランタイム選択（llama.cpp / Ollama / MLX / LM Studio）と量子化（Q4_K_M / Q5_K_M / Q8_0 / FP16）の判断軸まで整理します。
Mac Studio と MacBook Pro を含む「Claude Code 用途」での選び方は別記事「Mac で Claude Code とローカルLLM を動かす Apple Silicon 構成 2026年版」、Mac Studio vs NVIDIA dGPU の比較ベンチマークは「Mac Studio M3 Ultra vs RTX 5090 ローカルLLM 推論ベンチマーク 2026年版」を合わせて参照してください。本記事は「Mac Studio に絞って、買う前にどの容量を選ぶか」という購買判断のガイドです。
2026年5月時点の Mac Studio ラインナップ
まず現行ラインを整理します。Apple は 2025 年に M3 Ultra と M4 Max の 2 チップで Mac Studio を構成しており、2026 年 5 月時点でも継続しています。
| チップ | Unified Memory 選択肢 | メモリ帯域 | 価格目安（税込） |
|---|---|---|---|
| M4 Max | 36 / 48 / 64 / 128 GB | 410〜546 GB/s | 36〜90 万円 |
| M3 Ultra | 96 / 192 / 256 GB | 約 800 GB/s | 80〜180 万円 |
512GB オプションは 2026 年 4 月に静かに撤去され、256GB の価格も上方修正されました。DRAM 価格の高騰を背景にした調整と見られています。M5 Ultra の Mac Studio は 2026 年後半に予定されており、メモリ帯域 1,200 GB/s 超・最大 256GB という噂が流れていますが、本記事ではまだ流通している M3 Ultra / M4 Max を前提に判断します。
ローカル LLM 用途で見ると、M4 Max は「中規模モデルを安定して回す」、M3 Ultra は「70B 以上を 1 台で完結させる」という役割分担になっており、両者の中間（96GB / 128GB あたり）が最も悩ましいゾーンです。
Unified Memory 容量別：何B モデルがどこまで動くか
macOS は Unified Memory の最大 75% を GPU 側（≒ LLM 推論側）にデフォルトで割り当てます。Terminal から sudo sysctl iogpu.wired_limit_mb を叩いて引き上げれば 90% 級まで GPU 用に確保できますが、その分 OS とアプリの動作領域が圧迫されるので、まずデフォルト 75% で見ます。
下表は各構成で「実用速度（5 tok/s 以上、Swap に落ちない）」で動かせるモデル × 量子化の上限目安です。
| 構成 | GPU 用枠（≒75%） | Q4_K_M 上限 | Q5_K_M 上限 | Q8_0 上限 | FP16 上限 |
|---|---|---|---|---|---|
| M4 Max 64GB | 約 48GB | 〜 32B | 〜 32B | 〜 14B | 〜 7B |
| M4 Max 128GB | 約 96GB | 〜 70B | 〜 70B | 〜 32B | 〜 14B |
| M3 Ultra 96GB | 約 72GB | 〜 70B | 〜 32B | 〜 32B | 〜 8B |
| M3 Ultra 256GB | 約 192GB | 〜 235B (MoE) | 〜 120B | 〜 70B | 〜 70B |
モデルファイルのサイズだけを見て買うと必ず外します。推論時には KV キャッシュ（コンテキスト長に比例）と推論バッファが追加で必要で、Q4_K_M の Llama 3.3 70B（実ファイル 42GB）を 32k context で回すと実効 55〜60GB、128k context にすると 70GB 近くまで膨らみます。「ファイルサイズ + 30〜50%」を目安に余裕を持って構成してください。
購入判断の直前で「M4 Max と M3 Ultra、同じ 128GB 級で迷ったらどちらか」を tok/sec で切り分けたい場合は「Mac Studio M4 Max vs M3 Ultra ローカル LLM 推論ベンチマーク 2026年版」、Mac Studio vs NVIDIA dGPU（RTX 5090）で購入前に後悔しないかを確認したい場合は「Mac Studio M3 Ultra vs RTX 5090 ローカルLLM 推論ベンチマーク 2026年版」、そもそも「Unified Memory とは何か・NVIDIA VRAM と何が違うか」を先に理解したい場合は「Apple Silicon の Unified Memory と NVIDIA VRAM、ローカルLLM では何が違うのか 2026年版」を合わせて参照してください。
ベンチの実測：構成別の推論速度
2026 年 5 月時点で公開されている主要ベンチを Mac Studio に絞って整理します。MLX（Apple 純正）と llama.cpp（Ollama / LM Studio が内部で使う）の 2 系統で測った値です。
| 構成 | モデル / 量子化 | ランタイム | 推論速度（短コンテキスト） |
|---|---|---|---|
| M4 Max 64GB | Qwen3 14B MLX | MLX | 約 24 tok/s |
| M4 Max 64GB | Qwen2.5 32B Q4_K_M | Ollama | 約 11 tok/s |
| M4 Max 128GB | Llama 3.3 70B Q4_K_M | Ollama | 約 8.5 tok/s |
| M4 Max 128GB | Llama 3.3 70B MLX 4bit | MLX | 約 11 tok/s |
| M3 Ultra 96GB | Llama 3.3 70B Q4_K_M | Ollama | 約 13 tok/s |
| M3 Ultra 256GB | DeepSeek R1 671B Q4 (MoE) | llama.cpp | 約 17〜18 tok/s |
| M3 Ultra 256GB | Qwen3 235B MoE 4bit | MLX | 約 30〜40 tok/s |
人間が読み流す速度はおおよそ 8〜10 tok/s なので、Q4 70B を 10 tok/s 級で常用したい人は M4 Max 128GB か M3 Ultra 96GB が下限になります。M3 Ultra 256GB で DeepSeek R1 671B が 17〜18 tok/s 出るのは、MoE（Mixture-of-Experts）で 1 トークンあたり実際にアクティブになるパラメータが 37B 程度に減ることが効いています。MoE モデルが Mac Studio 大容量機の主役用途です。
llama.cpp 系より MLX が 10〜25% 速いのは、Apple Silicon の AMX 命令や Metal 上の最適化が MLX に集約されているためです。同じモデルでも MLX 版（Hugging Face の mlx-community org にプリビルドあり）を選ぶだけで体感が変わります。
VRAM 割当の挙動：macOS の 75% ルールと引き上げ方
Mac Studio で「128GB あるのに 70B FP16 が乗らない」と詰まるケースの多くは、VRAM 割当の上限が原因です。デフォルトでは Unified Memory の 75% までしか GPU が掴めません。
# 現在の上限を確認（バイト単位）
sysctl iogpu.wired_limit_mb
# 引き上げ例：128GB 機で 110GB（112640 MB）まで GPU に許可
sudo sysctl iogpu.wired_limit_mb=112640この設定は再起動で消えます。常用するなら /etc/sysctl.conf に追記するか、ログイン時の LaunchAgent で叩く運用が一般的です。M3 Ultra 512GB（流通在庫）で DeepSeek R1 671B を動かす場合は、iogpu.wired_limit_mb=458752（448GB）まで上げる例が報告されています。
ただし GPU 枠を上げすぎると OS とアプリ側が窮屈になり、Swap が走り始めると推論速度が一気に崩壊します。実測で M4 Pro 24GB に 32B Q8 を押し込んだケースでは、Swap 突入で 10 tok/s が 0.28 tok/s（理論の 1/35）まで落ちました。Mac Studio でも 90% 超のアグレッシブ割当は、必ず実運用テストをしてから常用してください。
ランタイム選択：llama.cpp / Ollama / LM Studio / MLX
Mac Studio で実用的に使える 4 つのランタイムを役割で整理します。
| ランタイム | 速度 | セットアップ | GUI | 対応モデル数 |
|---|---|---|---|---|
| MLX (mlx-lm / mlx-vlm) | ◎（最速） | △（pip） | × | ○（増加中） |
| llama.cpp（直叩き） | ○ | △（make） | × | ◎（最多） |
| Ollama | ○ | ◎（1コマンド） | ×（CLI） | ◎（公式 + Hub） |
| LM Studio | ○〜◎ | ◎（GUI） | ◎ | ◎（MLX も対応） |
2026 年 5 月時点の推奨はシンプルで、「速度を最大化するなら MLX、楽さなら Ollama か LM Studio、両方欲しいなら LM Studio + MLX バックエンド」です。 Ollama も 2025 年後半に MLX バックエンドのプレビュー対応を入れたので、Ollama を使いつつ MLX の速度メリットを取る選択肢も実用ラインに入ってきました。
具体的な使い分けは、研究・最大速度が必要なら MLX を直接叩く（mlx_lm.generate ...）、日常運用なら Ollama（ollama run llama3.3:70b で即実行）、GUI で家族や同僚に触ってもらうなら LM Studio、というのが標準的な構成です。
量子化選択：Q4_K_M / Q5_K_M / Q8_0 / FP16 の体感差
Mac Studio で意外と差が出るのが量子化選択です。GPU 帯域が NVIDIA に比べて控えめ（M4 Max 546GB/s、M3 Ultra 800GB/s、対する RTX 5090 は GDDR7 で約 1,792GB/s）なので、量子化を細かくしても帯域律速で速度が頭打ちになりやすい一方、品質低下は確実に効いてきます。
| 量子化 | サイズ目安（70B） | 速度（M4 Max 128GB） | 品質 | 推奨用途 |
|---|---|---|---|---|
| Q4_K_M | 42 GB | 約 8.5 tok/s | △〜○ | 常用、コード生成、要約 |
| Q5_K_M | 50 GB | 約 7.5 tok/s | ○ | 翻訳、構造化出力 |
| Q8_0 | 73 GB | 載らない | ◎ | 研究、品質重視 |
| FP16 | 140 GB | 載らない | ◎ | 研究（M3 Ultra の大容量構成） |
Mac Studio では、「常用なら Q4_K_M で十分、構造化出力やコード生成の精度が問題になったら Q5_K_M に上げる」「品質をきっちり評価するときだけ M3 Ultra で Q8_0 / FP16 を回す」 の三段階で運用するのが現実解です。Q3 以下は品質低下が体感で分かるレベルなので、メモリ節約で Q3 を選ぶより 1 つ下のサイズ（70B → 32B）の Q4 を取るほうが結果が安定します。
用途別の推奨構成
ここまでを 3 つのプリセットに整理します。
入門：30B 級までを安定して回す
| 項目 | 構成 |
|---|---|
| 機種 | Mac Studio M4 Max |
| メモリ | 64 GB |
| 用途 | Qwen3 14B / Qwen2.5 32B Q4 を 11〜24 tok/s で運用 |
| 価格目安 | 50〜55 万円 |
ローカル LLM を本格的に触る人の最小構成です。70B クラスは現実的に厳しいので、「30B 級で十分」が事前に確定している人向けです。M4 Max 64GB は MLX の最適化が効いて 32B クラスでの体感が良好で、Claude Code を主、ローカルを補助で使うハイブリッド派にもよく合います。
実用：70B を Q4 で常用する
| 項目 | 構成 |
|---|---|
| 機種 | Mac Studio M4 Max 128GB または M3 Ultra 96GB |
| メモリ | 128 GB / 96 GB |
| 用途 | Llama 3.3 70B Q4 を 8〜13 tok/s で日常運用 |
| 価格目安 | 80〜95 万円 |
「Mac Studio × ローカル LLM」で迷ったら、まずこのラインを基準にしてください。M4 Max 128GB は GPU 枠が約 96GB と Q5 70B まで実用域、M3 Ultra 96GB は GPU 帯域 800GB/s で同じ Q4 70B が 1.5 倍速で回ります。価格が同じなら M3 Ultra 96GB を取るほうがローカル LLM 用途では合理的で、M4 Max 128GB はメモリ容量で勝負したい人向けです。
研究：70B FP16 / 100B+ MoE を 1 台で
| 項目 | 構成 |
|---|---|
| 機種 | Mac Studio M3 Ultra |
| メモリ | 192 / 256 GB |
| 用途 | Llama 3.3 70B FP16、Qwen3 235B MoE、DeepSeek R1 671B Q4 |
| 価格目安 | 130〜180 万円 |
M3 Ultra の大容量構成は MoE モデル時代の Mac Studio の強みが活きる 構成です。Qwen3 235B MoE 4bit が 30〜40 tok/s、DeepSeek R1 671B Q4 が 17〜18 tok/s で動くマシンは、2026 年 5 月時点で個人レベルの予算では他にほぼ選択肢がありません。NVIDIA で 671B を Q4 で回そうとすると H100 80GB を 4〜5 枚 + InfiniBand という構成になり、桁が変わります。「研究で 100B+ クラスを 1 台で完結させたい」が確定している人だけの構成です。
結局どの構成を買うべきか：用途別チャート
最後に、迷ったときの判断フローです。
| やりたいこと | 推奨構成 |
|---|---|
| Claude Code 主体、ローカルは補助 | M4 Max 64GB |
| 30B 級を常用、70B は時々 | M4 Max 64GB（妥協）or M3 Ultra 96GB |
| 70B Q4 を常用 | M3 Ultra 96GB（コスパ最良） |
| 70B Q5 / 32B Q8 を常用 | M4 Max 128GB |
| 70B FP16 で精度評価したい | M3 Ultra（大容量構成） |
| MoE 100B+ や DeepSeek R1 を動かしたい | M3 Ultra 256GB |
| 学習・ファインチューニング主体 | Mac Studio ではなく NVIDIA dGPU 機 |
最後の行は重要で、Mac Studio は推論には強いが学習・LoRA ファインチューニングは NVIDIA に大きく劣ります。MLX も学習対応は進んでいますが、PyTorch + CUDA エコシステムの厚みには現状追いついていません。学習主体なら最初から RTX 5090 や Pro 6000 系を検討するのが筋です。Unified Memory と NVIDIA VRAM の構造的な違いは「Apple Silicon の Unified Memory と NVIDIA VRAM、ローカルLLM では何が違うのか 2026年版」で詳しく整理しています。
入手先・関連商品
当サイトは Amazon.co.jp アソシエイト・プログラムに参加しています。下記リンク経由で購入された場合、紹介料を受け取ることがあります。読者の負担は増えません。リンクは記事評価とは独立しており、編集判断には影響しません。なお本記事の入手先リンクはメーカー公式サイト宛てで、こちらからは紹介料が発生しません。掲載機種は Amazon.co.jp で新品の取り扱いが無いため、公式サイトを案内しています。
Mac Studio 本体（用途別 3 構成）
- Mac Studio M4 Max 64GB を Apple公式サイトで見る — 30B 級を Q4 で安定運用する入門ライン
- Mac Studio M3 Ultra 96GB を Apple公式サイトで見る — 70B Q4 常用のコスパ最良ライン（本記事の推奨中心）
- Mac Studio M3 Ultra 256GB を Apple公式サイトで見る — DeepSeek R1 671B クラスを動かす研究用途
あなたに合うPCを診断する
用途や予算をもう少し細かく入力すると、3つの候補構成を提案します。
→ 診断スタート
関連記事
- Mac で Claude Code とローカルLLM を動かす Apple Silicon 構成 2026年版 — Mac Studio + MacBook Pro を横断した Claude Code 用途の選び方
- Mac Studio M3 Ultra vs RTX 5090 ローカルLLM 推論ベンチマーク 2026年版 — Mac Studio と NVIDIA dGPU を実測ベンチで比較
- Apple Silicon の Unified Memory と NVIDIA VRAM、ローカルLLM では何が違うのか 2026年版 — Unified Memory と VRAM の構造的な違い
- Mac mini vs Mac Studio 2026年版：据え置き Mac の選び方 — 据え置き Mac の用途別比較
- Apple Silicon で MLX と llama.cpp を使い分けるローカル LLM 2026年版 — FAQ #6 で触れたランタイム選択の詳細
- メモリ・SSD 価格高騰 2026年版：買い時判定 — FAQ #5 で触れた DRAM 供給制約と 512GB 廃止の背景
よくある質問
- M3 Ultra でローカル LLM は何 tok/sec 出ますか？
- 本文「Unified Memory 容量別」節で整理した通り、M3 Ultra 96GB で Llama 3.3 70B Q4_K_M が 8〜15 tok/sec（実測 Ollama で約 13 tok/sec）、256GB なら 235B クラス（MoE）まで実用速度で、DeepSeek R1 671B Q4（MoE）が約 17〜18 tok/sec、Qwen3 235B MoE 4bit が約 30〜40 tok/sec 出ます。M4 Max との差はメモリ帯域が 546GB/s → 800GB/s と約 46% 上がる分に相当し、同じ Q4 70B で 1.5 倍前後の速度差になります。
- Mac Studio M3 Ultra 256GB は何 B モデルまで動きますか？
- 本文表を要約すると、M3 Ultra 256GB は GPU 用枠が約 192GB（Unified Memory の 75% デフォルト）で、Q4_K_M なら 235B クラス（MoE）、Q5_K_M なら 120B クラス、Q8_0 と FP16 なら 70B クラスが実用速度（5 tok/sec 以上・Swap に落ちない）の上限目安です。KV キャッシュとコンテキスト長で 30〜50% の余裕を見る必要があるため、Llama 3.3 70B Q4_K_M（実ファイル 42GB）を 128k context で回すと実効 70GB 近くまで膨らむ点は考慮してください。
- Mac Studio 512GB でローカル LLM を動かせますか？
- 本文「2026年5月時点の Mac Studio ラインナップ」節の通り、512GB オプションは 2026 年 4 月に静かに撤去済みで、現行の最大構成は M3 Ultra 256GB です。DeepSeek R1 671B クラスを 1 台で動かしたい場合の代替は、M3 Ultra 256GB を Q3 で回す（品質低下は体感で分かるレベル）か、流通在庫の 512GB モデル中古を探すかの二択です。256GB でも DeepSeek R1 671B Q4（MoE）は約 17〜18 tok/sec で実用範囲に入るため、多くの用途では 256GB で足ります。
- Mac Studio M4 Max の Unified Memory は最大何 GB ですか？
- 本文の Mac Studio ラインナップ表の通り、M4 Max の Unified Memory は 36 / 48 / 64 / 128 GB の 4 段階で、メモリ帯域は 410〜546 GB/s です。ローカル LLM 用途では 128GB が最大構成で、GPU 用枠が約 96GB（75% デフォルト）確保でき、Q4 の 70B クラスが実用範囲に入ります。同じ 70B Q4 を M3 Ultra 96GB（800GB/s）と比べると、M4 Max 128GB は容量で勝り、M3 Ultra 96GB は帯域で勝つ関係になります。
- Mac Studio M3 Ultra 512GB モデルはまだ買えますか？
- 本文冒頭の入手性注記と「2026年5月時点の Mac Studio ラインナップ」節の通り、M3 Ultra Mac Studio は DRAM 供給制約により 512GB 構成が 2026 年 3 月に、256GB 構成が 5 月に終了しました。新品で選べるのは 96GB 構成のみで、512GB / 256GB は流通在庫と中古のみが選択肢です。DeepSeek R1 671B クラス（Q4 で約 350GB）を 1 台で動かしたい場合は 512GB 中古か 256GB 新品の二択で、後者でも DeepSeek R1 671B Q4（MoE）は約 17〜18 tok/s で実用範囲に入るため多くの用途では 256GB で足ります。
- Mac Studio でランタイムは MLX と Ollama のどちらを使うべきですか？
- 本文「ベンチの実測」節で整理した通り、llama.cpp 系（Ollama / LM Studio が内部で使用）より MLX が 10〜25% 速く、M4 Max 128GB で Llama 3.3 70B 4bit を回すと Ollama 約 8.5 tok/s に対し MLX 約 11 tok/s です。Apple Silicon の AMX 命令や Metal 上の最適化が MLX に集約されているためで、同じモデルでも MLX 版（Hugging Face の mlx-community org にプリビルドあり）を選ぶだけで体感が変わります。ただしモデル対応数は llama.cpp のほうが圧倒的に多いため、日常運用は Ollama、速度が必要な場面で MLX という使い分けが 2026 年の実務解です。
- Mac Studio でローカル LLM を動かすとき、Unified Memory の GPU 割当は増やせますか？
- 本文「VRAM 割当の挙動」節の通り、macOS は Unified Memory の最大 75% を GPU 側（≒ LLM 推論側）にデフォルトで割り当てます。Terminal から `sudo sysctl iogpu.wired_limit_mb=<バイト数>` を叩けば 90% 級まで GPU 用に確保できます（例: M3 Ultra 96GB なら約 86GB まで）。ただしその分 OS とアプリの動作領域が圧迫されるため、Safari のタブが少ない・ビルドを走らせないなど OS 側の負荷を減らした状態でのみ実施してください。再起動でリセットされる一時的な設定で、常用するなら `/etc/sysctl.conf` に追記します。