Apple MLX/CoreML 推論（エムエルエックスアップル）

概要

Apple MLX/CoreML 推論は、Apple Silicon 上で動作する AI 推論フレームワーク群である。
MLX は 2023 年に登場し、Unified Memory を最適化した NumPy‑like API を備えている。
CoreML は Xcode に統合され、ONNX からの変換が可能で、CreateML による転移学習もサポートする。
Metal Performance Shaders (MPS) と ANE (Apple Neural Engine) が組み合わさり、最大 38 TOPS の推論性能を実現する。
PyTorch Metal backend と Ollama Metal によって、Python ベースの開発も容易になっている。
2026 年には M4 Max 128GB で 70B Q4 モデルを実行できるようになり、Apple AI 推論は次世代のデスクトップに定着する見込みである。

主な特徴・仕組み

• MLX：NumPy 互換の API で、GPU と CPU の両方で高速に実行できる。
• mlx‑lm：Llama、Qwen、Phi‑4 などの LLM をサポート。
• mlx‑swift：iOS/macOS での Swift からの呼び出しを可能にする。
• CoreML：モデルの最適化、量子化、プラグインを簡単に追加できる。
• CreateML：転移学習を GUI で行えるため、データセットが少なくても高精度モデルを作成できる。
• MPS：Metal ベースの高速演算ライブラリで、画像生成や CNN 推論を高速化。
• ANE：専用ハードウェアで 38 TOPS の推論性能を提供。
• PyTorch Metal backend：PyTorch モデルを Metal 上で直接実行できる。
• Ollama Metal：Ollama の LLM を Metal 上で動かすためのラッパー。
• M4 Max 128GB：128GB の統合メモリを備え、70B Q4 モデルを実行可能。

スペック/製品比較表

具体例・対応製品

• MacBook Pro 16‑inch 2025：M4 Max 128GB、512GB SSD、4K 60fps 画面。
• iMac Pro 24‑inch 2026：M4 Max 128GB、1TB SSD、120Hz Retina。
• Mac mini M4 Max：M4 Max 128GB、1.5GHz ベースクロック。
• iPhone 15 Pro：M3 Max、12.9‑inch Retina、10.2‑inch Retina。
• iPad Pro 2025：M3 Max、10.2‑inch Retina、1TB SSD。
• RTX 5090：5.7GHz ベース、10.2‑inch Retina 互換。
• Ryzen 9 9950X3D：3.5GHz ベース、64GB DDR5。
• Core Ultra 9 285K：2.5GHz ベース、128GB DDR5。

自作PCでの選び方・注意点

• GPU は Metal 対応であることを確認。
• CPU は 4 コア以上、クロック 3.5GHz 以上が望ましい。
• メモリは 64GB 以上、統合メモリを活かすために高速 DDR5 を選択。
• ストレージは 512GB SSD 以上、NVMe 1.4 以上を推奨。
• 冷却は水冷または高性能空冷を採用。
• 電源は 750W 以上、80 PLUS Gold 以上の認証。
• OS は macOS 13 以降、Xcode 15 以降をインストール。
• Metal ドライバは最新に保つ。
• 開発環境は Python 3.10 以上、PyTorch 2.0 以上を使用。
• モデルは ONNX でエクスポートし、CoreML に変換。

関連用語との違い

• MLX vs CoreML：MLX は低レベル API、CoreML は高レベルモデル最適化。
• ONNX：モデルの相互運用を可能にするフォーマット。CoreML での変換が必要。
• MPS：Metal 上での高速演算ライブラリ。CoreML と組み合わせて使用。
• ANE：専用ハードウェアで、CPU/GPU より高速な推論を実現。

よくある質問

Q1: M4 Max 128GB で 70B Q4 モデルを実行できますか？
A1: はい、128GB の統合メモリと 38 TOPS の ANE により、70B Q4 モデルの実行が可能です。

Q2: CoreML から PyTorch モデルを変換するにはどうすればよいですか？
A2: ONNX 形式でエクスポートし、coremltools で CoreML に変換します。

Q3: Metal Performance Shaders はどのような演算に最適ですか？
A3: CNN 推論、画像生成、トランスフォーマーの前処理など、GPU で高速化できる演算に適しています。

まとめ

Apple MLX/CoreML 推論は、Apple Silicon の統合メモリと ANE を活かし、2026 年には M4 Max 128GB で 70B Q4 モデルを実行できるレベルに到達した。
自作PCでの構築時は GPU の Metal 対応、CPU のクロック、メモリ容量、ストレージ速度、冷却性能、電源容量を総合的に検討する必要がある。
MLX と CoreML の組み合わせにより、NumPy 互換の API から高性能な推論まで、幅広い開発スタイルが実現できる。
次世代の AI アプリケーションを構築する際には、Metal Performance Shaders と ANE の性能を最大限に活用し、最新の Apple Silicon を選択することが鍵となる。