ローカルLLM用Macの選び方と買い方：VM高速化で変わるAI開発の結論

3行要約

• macOSの仮想マシン(VM)でGPUパススルーが可能になり、Llama.cppの推論が11〜16倍高速化した
• ローカルLLMを業務で使うなら、GPU性能より「統一メモリ（RAM）の容量」を最優先してMacを選ぶべき
• 失敗しない基準は「メモリ64GB以上」。32GB以下はDeepSeekなどの大型モデルを動かす際に必ず後悔する

結論: まず選ぶべき構成

MacでローカルLLMを動かすなら、2024年現在は「M2 Ultra / M3 Max / M4 Maxを搭載した、メモリ64GB以上のモデル」が最適解です。 以前はmacOS上の仮想マシン（Ubuntu等）でLLMを動かすと、GPUが使えずCPU推論になるため実用的な速度が出ませんでした。 しかし、最新の検証ではvirtio-gpuの改善によりVM内でもMetal GPUをフル活用できるようになり、Llama.cppで11〜16倍という劇的な高速化が確認されています。

これにより「ホストOS（macOS）を汚さず、VM内のクリーンな環境でAIエージェントやRAGを開発する」というプロの手法が、パフォーマンスを犠牲にせず実現可能になりました。 「とりあえず試したい」ならメモリ24GB以上のMacBook Airで十分ですが、「CursorやClaude Codeと連携させてローカルLLMを裏で常時回す」なら、メモリ64GBがスタートラインです。 VRAM（ビデオメモリ）を別途用意する必要がないApple Siliconの「統一メモリ」構造は、大型のLLMを安価に動かす上でRTX 4090を複数枚買うよりもコストパフォーマンスに優れています。

用途別おすすめ

1. 入門：MacBook Air M3（メモリ24GB）

「AIの勉強を始めたい」「CursorのバックエンドをローカルのGemma 2やLlama 3にしたい」という方はここから。 吊るしの8GBや16GBモデルは避けてください。AI用途ではOSとブラウザだけで10GB以上消費するため、LLMをロードした瞬間にスワップが発生し、レスポンスが10秒以上遅れます。 24GBあれば、現在主流の8B（80億パラメーター）クラスのモデルを4ビット量子化で余裕を持って動かせます。

2. 実務：MacBook Pro M3/M4 Max（メモリ64GB）

仕事で毎日AIを使うなら、Maxチップ一択です。Proチップでも動きますが、メモリ帯域（データをやり取りする速度）がMaxチップの半分以下になるため、トークン生成速度に直結します。 64GBあれば、コーディングに強い32Bクラスのモデルをロードしても余裕があり、ブラウザやIDEを同時に立ち上げても動作が安定します。レスポンス0.5秒以下の快適な環境が手に入ります。

3. 最強：Mac Studio M2 Ultra（メモリ128GB / 192GB）

最新のDeepSeek-V3やLlama 3 70Bをフル活用したい、あるいはローカルでRAG（外部知識参照）環境を構築したいエンジニア向け。 Windows機でVRAM 128GBを確保しようとすると、RTX 6000 Adaのような100万円超えのグラボが必要になりますが、Mac Studioならその半分以下の予算で同等の「推論用VRAM」を確保できます。 今回のVM高速化の恩恵を最も受けるのは、このクラスの重いモデルを開発環境として切り離して運用する場合です。

買う前のチェックリスト

チェック1: 統一メモリは「システムのRAM」と「VRAM」の共有

Apple Siliconの最大の特徴ですが、メモリ64GBを積んでも64GBすべてをLLMに割り当てられるわけではありません。 デフォルトではOSが使用する分を除いた約7割程度がVRAMとして割り当てられます。 「70Bモデルを動かすのに必要なサイズ + 10GB」程度の余裕を持っておかないと、推論中にメモリ不足でプロセスが落ちます。

チェック2: メモリ帯域（Memory Bandwidth）の重要性

LLMの推論速度は、計算能力よりも「メモリからデータを読み出す速度」に依存します（Memory Bound）。

• M3 MacBook Air: 100GB/s
• M3 Pro MacBook Pro: 150GB/s
• M3 Max MacBook Pro: 300GB/s 〜 400GB/s この数字の差が、そのまま「1秒間に生成される文字数」の差になります。仕事で使うなら最低でも300GB/s以上の帯域を持つMaxチップを推奨します。

チェック3: VM環境（macOS仮想化）のセットアップコスト

今回のニュースにある11〜16倍の高速化を享受するには、ただVMを入れるだけでなく、AppleのVirtualization Frameworkに対応した設定が必要です。 具体的には、Llama.cppをMetalサポート付きでビルドし、virtio-gpuを通す設定を行います。 初心者には少しハードルが高いですが、Docker DesktopのVirtioGPUオプションを使うだけでも、従来のCPU推論とは比較にならない速度が出ます。

チェック4: 中古・整備済製品の罠

楽天やAmazonで型落ちのM1 Max / M2 Maxを狙うのは賢い選択です。AI推論に限れば、M1 MaxからM3 Maxへの進化よりも「メモリ量」の方が遥かに重要だからです。 ただし、バッテリーの消耗具合と、キーボードのテカリはチェックしてください。AI開発は意外と高負荷でファンが回るため、冷却性能が落ちていない個体を選ぶのが無難です。

楽天/Amazonで見るべき検索キーワード

楽天で探す際は「CTOモデル」というキーワードを追加すると、標準構成にはない大容量メモリ個体が見つかりやすくなります。

代替案と妥協ライン

「Macは高すぎる」と感じる場合、代替案はWindows自作PC一択です。 RTX 4060 Ti 16GBを1枚挿したPCなら、15万円前後で構築可能です。 推論速度だけならMacより速いケースもありますが、問題は「VRAMの壁」です。 16GBのVRAMでは、少し大きめのモデル（Qwen2.5-32Bなど）をロードした瞬間にパンクします。

妥協ラインとして「推論はクラウド、開発はMac」というハイブリッド構成もあります。 RunPodやLambda GPUなら、1時間数十円でH100やA100が使えます。 しかし、24時間365日常にAIエージェントを裏で走らせるような「AIと共生する開発スタイル」を目指すなら、月額費用がかからないローカルMacを初期投資で買う方が、結果的に2年で元が取れます。 月3万円のサブスク代を払うなら、その分をMacのローン支払いに充てたほうが手元に資産が残ります。

私ならこう選ぶ

私が今、予算50万円前後で一台選ぶなら、楽天で「Mac Studio M2 Ultra (メモリ128GB)」の中古・新古品を探します。 理由は、M3/M4 Maxのラップトップは確かに速いですが、AI推論を数時間回し続けると熱ダレして速度が半分以下に落ちるからです。 Mac Studioの巨大なヒートシンクとファンなら、VM上でLLMをフル回転させても静かで安定しています。

楽天で買う理由は「お買い物マラソン」などのポイント還元です。50万円の買い物なら、ポイントだけで周辺機器（4KモニターやHHKBなどのキーボード）が揃ってしまいます。 Amazonで買うなら、返品が容易な「Amazon整備済み品」からメモリ64GB以上の個体を探し、届いた瞬間にLlama.cppでベンチマークを回して初期不良がないか確認します。

「動かしてみた」レベルで終わるか、実務で「AIを使い倒す」かの分かれ道は、チップの世代ではなく、常に「メモリ容量」にあることを忘れないでください。

よくある質問

Q1: メモリ32GBと64GB、体感でどれくらい違いますか？

32GBだと、ブラウザで数十個タブを開きながらLLMを動かすと動作がカクつきます。64GBあると、OSの存在を忘れてLLMを「常駐ソフト」として扱えるようになります。この「思考を妨げない快適さ」の差は、開発効率に直結します。

Q2: M1 MaxやM2 Maxなど、古いチップでも大丈夫ですか？

全く問題ありません。むしろM1 Maxのメモリ64GBモデルは、中古市場でコスパ最強のAIマシンです。LLM推論においては、チップの演算性能よりもメモリ帯域が重要であり、M1 Maxでも400GB/sという十分な帯域を持っています。

Q3: 外付けGPU（eGPU）でメモリを増やせませんか？

Apple Siliconを搭載したMacはeGPUに対応していません。後からメモリを増設することも不可能です。そのため、購入時に「自分が動かしたいモデルのサイズ」を想定して、一段上のメモリ容量を選択するのが唯一の失敗回避術です。

あわせて読みたい

• Gemma 4 12bをMacで動かすならどれ？MLX vs QAT比較とおすすめモデル・Macスペック選び
• Apple Siliconで爆速LLM。MLXを使ったローカルLLM環境構築ガイド
• RTX 3090/4090でQwen 3.6 27Bを爆速で動かす方法