Mac Studio 大規模モデル実証実験：M3 Ultra、クラスター構成と M5 Ultra の見込み

2026 年 4 月、DeepSeek V4 Pro、Kimi K2.6 など 1 兆參數級モデルが相次いでリリースされ、「自分のマシンで最先端のオープンソース LLM を動かす」ことが実現可能な選択肢になりました。自作の H100 ワークステーションは作りたくない一方で、完全なローカル推論能力を持ちたいエンジニアや小規模チームにとって、**Mac Studio M3 Ultra 256GB** は現段階で最もコストパフォーマンスの高い単体ソリューションであり、Thunderbolt 5 のクラスタリングと組み合わせれば 1T 參數まで探ることができます。本稿では、M3 Ultra で大規模モデルを走らせた実測データ、クラスタ方案、MLX フレームワークの強み、そして M5 Ultra の想定スケジュールを整理します。

M3 Ultra 規格現況：256GB 統一メモリ、819 GB/s 帯域

2026 年 4 月時点で、Mac Studio の最高グレード SKU は依然として M3 Ultra で、構成上限は 32 コア CPU、80 コア GPU、256GB 統一メモリ、819 GB/s のメモリ帯域です。Apple は M4 Ultra 世代をスキップしており、市場には M4 Ultra の Mac Studio はありません。これはよくある誤解です。M5 Ultra は 2026 年の WWDC（6 月 8-12 日）で発表される見込みですが、Bloomberg の Mark Gurman による 4/19 の報道では、サプライチェーンのボトルネックの影響で 10 月に延期される可能性があります。

LLM 推論において、「統一メモリ」は Mac Studio の最大の差別化優位です。GPU と CPU が同じ DRAM を共有し、モデルの重みを PCIe 上で行き来させる必要がありません。NVIDIA H100 の 80GB HBM3＋マザーボード DDR5 の二層アーキテクチャに対して、Mac Studio の 256GB 統一プールは 405B Q4 の完全な量子化モデルを収められ、多カード協同の複雑さを省けます。

Llama 3.1 405B：256GB 機では Q4 量子化で単体起動可能

Meta Llama 3.1 405B は 4-bit 量子化後、約 235GB で、ちょうど 256GB の Mac Studio M3 Ultra のメモリ予算内に収まります。そのため、**完全にロードして単体で推論** できます。実測のトークン生成速度は毎秒 5–10 tokens の範囲（prompt の長さと batch size により異なる）で、H100 クラスタの数百 tok/s には遠く及ばないものの、「オフライン研究、個人利用」のシーンでは十分に実用的です。

必要要件との対照：本番サービスを作り、同時スループット（例えば同時に 10+ ユーザーにサービス提供）を必要とする場合、Mac Studio は不適で、依然として H100/H200 のクラウド方案が必要です。

DeepSeek V3 671B：単体では動かない、必ずクラスタへ

DeepSeek V3（671B 総パラメータ、37B アクティブ）を量子化すると約 350-400GB で、単台の Mac Studio 256GB の上限をすでに超えます。実現可能な方案は「8 台の M4 Pro Mac Mini クラスタ」です。コミュニティの実測では、Thunderbolt 5 接続により 5.37 tok/s に到達します。速度はやや遅いものの、Apple Silicon のクラスタが 600B+ 級モデルを支えられることを証明しています。

DeepSeek V4 Pro（1.6T 総パラメータ、49B アクティブ）については、量子化後でも主流の Mac Studio クラスタのメモリ総量を超えており、より大規模なローカル基盤が必要か、あるいは Ollama Cloud／DeepSeek 自社 API に戻ってクラウド推論を使う必要があります。

Kimi K2 Thinking 1T 參數：4 万ドルのクラスタで 25 tok/s

2026 年に最も代表的な Mac Studio クラスタ実験は Kimi K2 Thinking（1T 総パラメータ）で、4 台のトップグレード Mac Studio M3 Ultra（256GB 各台）、Thunderbolt 5 で相互接続、RDMA over Thunderbolt プロトコルを使用し、総投資は約 4 万ドル（約 NT$130 万）で、この構成で 25 tokens/s の単発リクエスト推論速度が出ました。

この数字の意味：4 万ドルの「最高階 Mac Studio クラスタ」は、単一の NVIDIA H100（約 3 万ドル、80GB HBM3）と比べると、前者は 1T 參數の完全推論ができ、後者はできません。とはいえ、H100 クラスタ（4 枚＝12 万ドル）のスループットは Mac Studio クラスタを大きく上回ります。**選択ロジック：研究級の単人単発リクエスト → Mac Studio；本番級の複数人多重同時 → H100。**

MLX フレームワーク：< 14B モデルは llama.cpp より 20-87% 速い

Apple 自社の MLX（Machine Learning eXchange）フレームワークは、Apple Silicon の統一メモリと、各コア GPU に内蔵された Neural Accelerators 向けに最適化されています。コミュニティの実測では、14B 參數以下のモデルにおいて、MLX は llama.cpp より 20-87% 速いことが示されています。Llama 3 8B、Phi-4、Qwen 2.5 7B のような一般的な「個人アシスタント級」モデルでは、MLX がデフォルトの第一選択です。

より大きなモデル（30B+）では、MLX の優位性が相対的に縮小します。Ollama、llama.cpp にはそれぞれ独自の適用シーン（エコシステムが完全、コミュニティが活発）があります。実務上の推奨：小モデルは MLX、大モデルは Ollama／llama.cpp、超大規模モデルはクラスタかクラウドへ。

M5 Ultra の想定：1,100 GB/s 帯域、6 月または 10 月に発表

2026 年 4 月の最新リークでは、M5 Ultra の仕様は 32-36 コア CPU、80 コア GPU、256GB 統一メモリ（同等）、約 1,100 GB/s のメモリ帯域（+34%）とされています。LLM 推論では、メモリ帯域が tok/s を決める重要なボトルネックです。M5 Ultra は同じ 256GB 容量でも、405B Q4 の単体推論速度を 30% 以上引き上げる見込みです。

スケジュールの観察：

WWDC 2026（6 月 8-12 日）：最も楽観的なシナリオで初回リリース

10 月：Bloomberg の Mark Gurman が 4/19 で挙げた「サプライチェーン延期」の予備時点

現時点で M3 Ultra 256GB モデルは供給が逼迫しています：納期 10-12 週、また一部構成は品切れ

5–6 月に購入予定の買い手：M5 Ultra が確定するまで待つことを推奨します。現在の M3 Ultra 256GB の中古の保値率は、新製品投入の影響を受けやすいからです。

Mac Studio を買う vs GPU ワークステーションを自作：二つの道の判断

同じ予算（NT$30-130 万）で、二つの道のバランスは次の通り：

Mac Studio M3 Ultra 256GB で GPU ワークステーションを自作する（RTX 5090×2 または H100×1）入口価格 ~ NT$30 万 RTX 5090×2 ~ NT$25 万；H100 ~ NT$80 万+ 最大で走らせられるモデル 405B Q4（単体） RTX 5090×2: 70B-120B Q4；H100: 405B Q8 推論速度（70B Q4） 15-25 tok/s RTX 5090×2: 30-60 tok/s 消費電力（典型的な推論） ~ 200W 800-1200W 騒音 ほぼ無音 サーバー級ファン騒音 想定最適シーン 研究者、個人開発者、長期オフライン利用 小チーム 本番運用、必要な fine-tuning

結論：**個人の単人利用は Mac Studio、チームの複数人利用は GPU ワークステーション**。Mac Studio の強みは、統一メモリで大規模モデルを収められること、静かで、低消費電力であることです。GPU ワークステーションの強みは、ネイティブ CUDA エコシステム、複数人の同時処理スループット、そして訓練／微調整ができることです。abmedia の多くの読者（個人開発者、研究者、AI 愛好者）にとって、Mac Studio M3 Ultra 256GB は 2026 年第 2 四半期の最良の立ち上げ構成のままです—M5 Ultra を待つ気がある場合を除いて。

この記事の Mac Studio で大規模モデルを走らせた実測：M3 Ultra、クラスタ方案、M5 Ultra の想定 は 最初に 鏈新聞 ABMedia に掲載されました。