Apple: MLX、Core ML、Apple Silicon

モデルと提供内容 #

どんな組織か

このハブは、唯一のGPUがMacBookの中にあるエンジニアと、iOSやmacOSのアプリの中にモデルを載せて出荷するすべての人のためのページです。Appleは機械学習をチップに組み込んだハードウェア企業です。Neural Engineは2017年のA11で登場し、Core MLも同年に登場、2020年のM1は高性能なGPUと大容量のユニファイドメモリをノートPCに載せました。Appleの機械学習研究グループによるオープンソースの配列フレームワークMLXは2023年12月に登場し、Mac上でオープンな言語モデルを実行・ファインチューニングする実用的な手段になりました。

この分野でのAppleの立ち位置は特異です。フロンティアモデルを公開せず、モデルAPIを販売せず、関心は自社が販売するデバイス上でローカルに動くモデルにあります。そのため、プライベートでオフラインの推論には最も強いプラットフォームであり、大規模な学習には最も弱いプラットフォームです。効率的な機械学習のトピックでこのトレードオフを扱っています。

ツールとAPI

実験とローカル推論にはpip install mlx mlx-lmです。MLX 0.32.4（2026年10月14日）はMITライセンスで、Python、Swift、C++のバインディングを持ち、CUDAバックエンドも加わりました。複数のMacにまたがる分散学習は、ThunderboltとRDMAを使うJACCLバックエンドで行い、AppleはこれをWWDC 2026でMetal 4対応とともに発表しました。Hugging Faceのmlx-community組織が、主要なオープンモデルの大半の4ビット・8ビット変換版を公開しています。

# snippet
from mlx_lm import generate, load

model, tokenizer = load("mlx-community/SmolLM2-135M-Instruct-4bit")
prompt = tokenizer.apply_chat_template(
    [{"role": "user", "content": "In one sentence, what does a learning rate control?"}],
    add_generation_prompt=True,
)
print(generate(model, tokenizer, prompt=prompt, max_tokens=40))

MLXはField Guideのパイプライン環境にはないため、これは構文チェックのみ行ったスニペットです。PyTorchのMPSバックエンドはmacOS 15以降を必要とし、2.15でFP8に対応し、LoRAファインチューニングのプロジェクトを動かしています。

アプリに載せて出荷するには、Appleの経路が今は3つあります。PyTorchモデルをcoremltools（BSD-3）で変換するCore MLが成熟した経路で、CPU、GPU、Neural Engineで動きます。2026年6月のWWDCでAppleはCore AIを発表し、OSに組み込まれApple Silicon専用に設計されたもので、事前（AOT）コンパイル、きめ細かなメモリ制御、PyTorchモデルを変換するPythonツールを備えると説明しています。Appleのセッション資料は、Core MLはツリーアンサンブル、回帰などの古典的なモデル向けに残り、新しい生成系の機能はCore AIに実装されると位置づけています。2025年に導入されたFoundation Modelsフレームワークは、Apple Intelligenceを支えるオンデバイスモデル（Appleは2025年のオンデバイスモデルを約3 Bパラメータと公表しており、現行モデルのサイズは開発者ページに記載がありません）、Private Cloud Compute上のより大きなモデル、そして2026年以降はLanguage Modelプロトコルを採用した任意のプロバイダー（ClaudeやGeminiのクラウドモデルを含む）へのSwift APIです。Appleによれば、初回ダウンロード数が200万未満のアプリはクラウド料金なしでPrivate Cloud Computeのモデルを利用できます。

これらはすべてOSとともに無料で、App Storeでの配布には有料の開発者プログラムが必要です。つまずきやすい点: Core MLの変換は未サポートの演算子で失敗し、エラーメッセージが乏しいこと、Neural EngineにはCore MLとCore AIを通じてしかアクセスできないこと（MLXとPyTorchはGPUを使います）、そしてCore AIは新しすぎて今秋リリースされたOSバージョンが必要なことです。

移行メモ

CUDAから: MacにCUDAはありません。PyTorchのコードはdevice="mps"でMPS上で動き、演算子の不足分はCPUにフォールバックしますが、torch.cudaのAPI、Tritonカーネル、FlashAttentionを使うものは変更が必要です。LLMの推論とファインチューニングにはMLXのほうが適しており、そのAPIはNumPyとPyTorchに十分近いので、学習ループの移植は午後いっぱいあれば済みます。逆方向では、MLXのCUDAバックエンドがMLXのコードをNVIDIAハードウェア上で動かします。

モデル形式: Hubのsafetensorsは、mlx_lm.convert（量子化も行います）でMLXに、llama.cppのスクリプトでllama.cpp向けのGGUFに（llama.cppのMetalバックエンドはMacでモデルを動かすもう1つの一般的な方法で、OllamaはApple SiliconではMLXを使います）、coremltoolsでCore MLに変換できます。Core AIの変換ツールはAppleによってPyTorchモデル向けのPythonツールと説明されているので、モデル形式については現在のドキュメントを確認してください。いずれの変換も一方向です。

名称: Apple Intelligenceはコンシューマー向けの機能群、Foundation Modelsはフレームワーク、Apple Foundation Modelsはモデル、Private Cloud Computeはサーバー側です。

注意点

ロックインはサービスではなくハードウェアに対するものです。MLXはApple Siliconと、新たにCUDAで動きます。Core MLとCore AIのモデルはAppleデバイスでしか動きません。ここにあるものはどれも大規模学習の助けにはなりません。512 GBのユニファイドメモリを持つMac Studioは大きなモデルを保持できますが、そのGPUはデータセンター向け部品よりはるかに遅く、マルチノードといっても数台のThunderboltクラスタです。

現在のリスクはフレームワークの入れ替わりです。Core AIは2026年に生成モデル向けのCore MLの後継として発表され、ドキュメントはまだ若く、Core MLが非推奨かどうかについてサードパーティの報道は一致していません。Apple自身の表現は、Core MLは従来型のモデル向けに残るというものです。既存のCore MLパイプラインは動き続けますが、新規の作業ではAppleがどちらのフレームワークに投資しているかを確認すべきです。

Foundation ModelsフレームワークはApple Intelligenceに対応するデバイスとOSバージョンでのみ動作し、古いハードウェアと一部の地域は対象外です。オンデバイスモデルは小さいので、ホスト型モデルと同等だと仮定せず、自分のタスクで試してください。Private Cloud Computeは依然としてクラウドへの依存であり、Appleのプライバシー規約のもとにあります。MLXとcoremltoolsはテレメトリを送信しません。AppleはNeural Engineの再現可能なベンチマークを公開していないので、自分のモデルをInstrumentsで測定してください。