【検証】M1 Pro / M1 MaxでローカルLLMベンチマーク！MLX vs Ollama、Qwen 2.5〜3.5を徹底比較

こんにちは、七宮さん(@shichinomiya_s)です。

前回の記事ではGTX 1080TiでQwen 3.5がどこまで動くか検証しましたが、今回はApple Silicon（M1 Pro 32GB / M1 Max 64GB）で最新ローカルLLMをガッツリベンチマークしてみました。

Qwen 2.5からQwen 3.5まで、7B〜32Bの全12構成をOllamaとMLX-LMの2つのランタイムで比較。「Apple Siliconでローカル生成AIってどうなの？」という疑問に、数字で答えます。

結論から言うと、MLX-LMが圧倒的に速い。そしてユニファイドメモリの恩恵で、GTX 1080Tiでは動かせない大型モデルも余裕で動きます。

なぜApple SiliconでローカルLLMなのか

Apple Silicon MacはGPUとCPUが同じメモリ（ユニファイドメモリ）を共有しています。これがローカルLLMにとって大きなメリットになります。

• メモリの壁がない — dGPUのようなVRAM制限がなく、搭載メモリ全体をモデルに使える
• MLX-LMが最適化済み — Apple純正のMLXフレームワークがMetal GPUをフル活用
• 静音・省電力 — ファンレスor静音で24時間稼働にも向いている

M1 Proは32GBで27Bモデルまで、M1 Maxは64GBで32Bモデルまで動かせます。GTX 1080Tiの11GB VRAMでは9Bが限界だったことを考えると、圧倒的な柔軟性です。

テスト環境

メモリ帯域が2倍というのがM1 MaxとM1 Proの最大の違いです。LLMの推論速度はメモリ帯域にほぼ比例するため、理論上M1 Maxは2倍近い速度が出るはず。実際にそうなるのか、検証していきます。

Apple Silicon Macは中古市場でも手に入りやすく、ローカルAI用途としてコスパが良い選択肢です。

テストしたモデル

今回テストしたのは以下のモデルです。Qwen 2.5、Qwen 3、Qwen 3.5の3世代を比較しました。

各モデルについて、日本語（短文・長文・要約）、コード（簡単・中程度・バグ修正）、翻訳（日英・英日）、推論（論理・数学）の10タスクでベンチマークを実施しています。

ollama pull qwen3.5:9b
pip install mlx-lm
python -m mlx_lm.generate --model mlx-community/Qwen3.5-9B-MLX-4bit --prompt "hello"

MLX vs Ollama — Apple SiliconではMLXが圧勝

今回の最大の発見がこれです。同じモデル・同じ量子化でも、MLX-LMはOllamaの1.5〜2.3倍速い。

M1 Pro（32GB）での比較

M1 Max（64GB）での比較

特にQwen 3.5系ではMLXの優位が顕著で、2倍以上の速度差が出ています。これはQwen 3.5のThinkingモードでOllamaが内部推論トークンをストリーム出力する際のオーバーヘッドが大きいためです。

Apple SiliconでローカルLLMを動かすなら、MLX-LM一択です。Ollamaは手軽さが魅力ですが、速度を重視するならMLXを使いましょう。

全モデル速度一覧 — M1 Pro vs M1 Max

全モデルの平均生成速度をまとめました。M1 MaxはM1 Proの約1.8倍の速度が出ており、メモリ帯域の差がそのまま性能差になっています。

M1 MaxのGPUコア数は32コアでM1 Pro（16コア）の2倍ですが、速度差は約1.8倍。メモリ帯域（400GB/s vs 200GB/s）がボトルネックになるLLM推論では、ほぼ帯域比に比例した結果になっています。

M1 Pro（32GB）のベンチマーク詳細

M1 Proで最もバランスが良いのはQwen 3.5 9B（MLX 4bit）です。平均29.7 tok/sで、日本語品質も高い。詳細な結果を見ていきましょう。

Qwen 3.5 9B — MLX 4bit（推奨構成）

コードや推論タスクでは30 tok/s超で快適。ただし、翻訳タスクではThinkingモードが暴走してmax_tokens（8,192）に到達するケースが頻発します。Qwen 3.5のThinkingモードは強力ですが、出力トークンが爆発的に増える傾向があります。

Qwen 2.5 7B — MLX 4bit（最速構成）

Qwen 2.5はThinkingモードがないため出力が簡潔で高速。「すぐ答えが欲しい」用途に最適です。M1 Proでも41 tok/s出るのは驚異的。

M1 Max（64GB）のベンチマーク詳細

M1 Maxの真骨頂は速度と大型モデルの動作です。Qwen 3.5 9B MLX 4bitで56.9 tok/sという圧倒的な速度を叩き出しました。

Qwen 3.5 9B — MLX 4bit（最速＋高品質）

全タスクで56〜58 tok/sという安定した速度。ChatGPTのストリーミング表示よりも明らかに速く、体感的にはほぼリアルタイムで文章が生成される感覚です。

Qwen 2.5 7B — MLX 4bit（爆速構成）

74.6 tok/s。M1 Maxでの7Bモデルは文字通り爆速です。質問してから1〜2秒で回答が完了するレベル。

M1 Max限定 — 大型モデルの世界

M1 Maxの64GBメモリだからこそ動かせるモデルも検証しました。

Qwen 3 32BがMLXで15.6 tok/sで動作。32Bパラメータのモデルが実用的な速度で動くのはM1 Max（64GB）ならでは。M1 Pro（32GB）ではメモリ不足で動作しません。

また、コーディング特化のQwen3-Coder-NextもOllamaで18.1 tok/s。プログラミング補助用途なら十分実用的です。

量子化比較 — 4bit vs 8bit

4bitと8bitの量子化でどれだけ差が出るのか比較しました。

M1 Pro（32GB）

M1 Max（64GB）

4bit→8bitで速度は34〜45%低下します。前回のGTX 1080Ti記事では58%の低下だったので、Apple Siliconの広帯域メモリの恩恵で8bitでの速度低下が穏やかです。

とはいえ、回答品質の差は体感でほとんどわかりません。4bit量子化がベストです。

GTX 1080Ti vs M1 Pro vs M1 Max — 三つ巴比較

前回記事のGTX 1080Tiの結果と比較してみましょう。Qwen 3.5 9B（4bit量子化）で統一して比較します。

興味深い結果です。

• 9Bモデルの速度: GTX 1080Ti（34.4 tok/s）がM1 Pro（29.7 tok/s）を上回る。CUDAの最適化は強い
• M1 MaxはGTX 1080Tiの1.65倍: 56.9 tok/sで圧勝
• 大型モデル: Apple Siliconの独壇場。27B・32Bが動くのはユニファイドメモリのおかげ
• 省電力: GTX 1080Tiの250Wに対して、M1 Maxは60W程度。電気代が全然違う

「速度だけならGTX 1080Tiでも戦える」けれど、「大型モデル・省電力・静音性」を含めた総合力ではApple Siliconが圧倒的です。

メモリ使用量まとめ

各モデルのメモリ使用量をまとめます。Apple Siliconのユニファイドメモリなので、GPUとCPUで共有される点に注意してください。

M1 Pro（32GB）

• Qwen 2.5 7B 4bit: ~4.7 GB → 余裕
• Qwen 3.5 9B 4bit: ~5.5 GB → 余裕
• Qwen 3.5 9B 8bit: ~9.9 GB → まだ余裕
• Qwen 3 14B 4bit: ~9.1 GB → 余裕
• Qwen 3.5 27B 4bit: ~15.9 GB → メモリの約50%使用。他のアプリと並行注意

M1 Max（64GB）

• Qwen 3.5 9B 4bit: ~5.5 GB → 余裕すぎる
• Qwen 3.5 27B 4bit: ~15.9 GB → 余裕
• Qwen 3.5 27B 8bit: ~29 GB → まだ余裕
• Qwen 3 32B 4bit: ~19 GB → 余裕

M1 Max 64GBなら27B 8bitモデルですら余裕で動きます。64GBのメモリがあると「メモリ不足」をほぼ意識することがありません。

TTFT（最初のトークンまでの時間）

MLXのTTFT（Time To First Token）は全モデルで0.3〜4.6秒と非常に高速です。一方、OllamaはQwen 3/3.5のThinkingモードで見かけ上のTTFTが数十〜数百秒になります。

* OllamaのTTFTにはThinking（内部推論）トークンの生成時間が含まれます。ストリーミングでは思考トークンも含めて出力されるため、ユーザーが「回答本文」を目にするまでの体感待ち時間はさらに長くなります。

MLXではThinkingトークンも高速に出力されるため、待ち時間のストレスがほとんどありません。

実用性の評価 — 用途別おすすめ構成

向いている用途:

• プログラミングの補助（コード生成、バグ修正）
• 日本語の文章作成・要約
• 翻訳（日英・英日）
• 論理的な質問への回答
• プライバシーが気になるデータの処理（すべてローカルで完結）
• 24時間稼働のAIアシスタント（省電力・静音）

苦手な用途:

• 最新の情報が必要な質問（学習データに依存）
• 画像生成や音声認識（別途モデルが必要）
• Qwen 3.5のThinking暴走による長時間応答（翻訳タスクで顕著）

Apple Silicon MacでローカルLLMを始めるなら、中古のM1 Pro MacBook Proがコスパ最強です。M1 Maxは速度2倍の恩恵がありますが、価格差を考えるとM1 Proでも十分実用的。

まとめ

今回のベンチマークで、Apple SiliconはローカルLLMに非常に適したプラットフォームであることがわかりました。

ポイントをまとめると:

• MLX-LMがOllamaの1.5〜2.3倍速い — Apple SiliconならMLX一択
• M1 MaxはM1 Proの約1.8倍速い — メモリ帯域の差がそのまま性能差に
• M1 Max + Qwen 3.5 9B MLX 4bitで56.9 tok/s — GTX 1080Tiの1.65倍、ChatGPTより速い
• ユニファイドメモリの恩恵で大型モデルが動く — 27B/32Bモデルも実用的
• 4bit量子化がベスト — 8bitとの品質差は体感できないが速度は34〜45%低下
• 省電力・静音 — GTX 1080Tiの250Wに対して30〜60W

「MacでローカルLLMって遅いんじゃない？」と思っている方、MLX-LMを使えばGPUマシンに匹敵する速度が出ます。特にM1 Maxは驚異的な性能です。

中古のM1 Pro/M1 Max MacBook ProはAmazonでも手に入るので、ローカルAI入門にぜひ検討してみてください。

AI開発・ローカルLLM向けのおすすめMac

生成AIをローカルで動かすには、ユニファイドメモリの容量がそのまま扱えるモデルの幅とスピードに効いてきます。最新世代・大容量メモリのPro/Maxモデルをまとめました。

※本記事はアフィリエイトリンクを含みます。価格・在庫は各ショップでご確認ください。