Macのユニファイドメモリで大規模モデルは実用的？Mac StudioとRTX GPUの実比較（2026）

ユニファイドメモリとVRAMは何が違う？

ユニファイドメモリはCPUとGPUが共有する一枚のLPDDR5Xで、大容量だが低帯域幅です。VRAMはGPU専用のGDDRで、小容量だが高帯域幅です。 比較値は次のとおりです。

LLMのデコードは帯域幅集約型です。tokenを1つ生成するたびに有効な重みをすべて一度読み込むため、速度 ≈ 帯域幅 ÷ 重みサイズとなります。容量が実行可否を、帯域幅が実行速度を決め、両者はちょうど互いの弱点を持ちます。

同価格帯で動かせる最大モデル

4万人民元以内では、Macが動かせる最大モデルは70B Denseまたは120B MoE、RTXは32B Denseまでです。10万人民元を超えるRTX PRO 6000でようやくMacの容量に追いつきます。 現在の中古価格と4-bit / 8Kで動かせる最大Denseクラス：

M4 Max 128GBの価格はRTX 4090 1枚と同程度ですが、4090には70Bが収まりません。GPUで70Bの4-bitを動かす最安経路はRTX 3090を2枚（48GB、約1万6,000人民元）です。マルチGPU入門を参照してください。

速度比較：すべては帯域幅で決まる

両方に収まるモデルではRTX 4090はM4 Maxの2倍以上高速です。Macにしか収まらない大型モデルでは、RTXはエキスパートをオフロードすると逆にMacより遅くなります。 推定デコード速度（4-bit、8Kコンテキスト）：

結論は3つです。

• 8B〜27BのDenseモデルではMacの体感は明らかに遅く、Qwen3.8 27BはM4 Maxで約18 tokens/s、4090で約41 tokens/sです。
• gpt-oss 120Bのような大型MoEはMacの得意分野で、全体をメモリに置けば約68 tokens/sです。4090はエキスパートをシステムメモリに置くしかなく、約21 tokens/sです。
• DGX SparkとRyzen AI Max+ 395の128GB版は低帯域幅モデルで、同じ70Bは3〜5 tokens/sにすぎず、バッチ処理と開発デバッグ向けです。

70B以上を単体で動かせるのはMacだけ？

いいえ。ただしMacが最も手間の少ない1台です。GPU案は24GBカード2枚か96GBのRTX PRO 6000で、前者はケースと電源を組む必要があり、後者は十数万人民元です。 70B 4-bitの選択肢：

• RTX 3090を2枚：48GB、約1万6,000人民元、推定16 tokens/s。Macの2倍ですが、1000W電源、大型ケース、高い騒音と消費電力が必要です。
• RTX 4090 48GB改造カード：単体48GB、中古約2万5,000人民元、推定17 tokens/s、保証なし。
• RTX PRO 6000 Blackwell 96GB：推定30 tokens/s、128Kコンテキスト可、12万人民元。
• Mac Studio M4 Max / M5 Max 128GB：7〜8 tokens/s、静音、150W以下で、普段使いのPCにもなります。
• Mac Studio M3 Ultra 512GB：DeepSeek V4 Flash（155 GB）とQwen3.8 Flash Nextを丸ごと載せられる唯一の家庭向けマシンで、前者は約47 tokens/sです。

200B超のMoEでは512GB Macが家庭向けの唯一の解です。70B Denseなら3090を2枚にした方が高速かつ安価です。

ソフトウェア環境：Mac上のMLX、llama.cpp、Ollama

llama.cppとOllamaはMacでそのまま使え、Apple Silicon上のMLXはllama.cppより1〜2割高速です。vLLMとファインチューニングのエコシステムは依然CUDAが中心です。

• llama.cpp / Ollama：Metalバックエンドは成熟しており、GGUFを直接利用でき、ollama runは1コマンドです。本記事の速度推定もこれを基準にします。
• MLX：Appleのフレームワークで、重みはMLX形式を使います（Hugging Faceのmlx-communityに一式があります）。デコードは通常llama.cppより10%〜20%速く、LM Studioにも内蔵されています。
• vLLM / SGLang：Metalバックエンドがないため、バッチサービスと高並行処理にはMacは向きません。
• ファインチューニング：MLXでもLoRAは可能ですが、同価格帯のRTXより数倍遅く、本格的なファインチューニングには依然CUDAが必要です。
• メモリ上限：macOSは既定でGPUにユニファイドメモリの約75%しか使わせません。sudo sysctl iogpu.wired_limit_mb=110000で128GB機を110GBまで開放できます。

結論：用途別の答え

70B以上を10 tokens/s以下で許容できるならMac、主力が32B以下で高速かつ安価にしたいならRTX、両方ほしいなら3090を2枚と普通のMacです。

• Macを選ぶ：gpt-oss 120B、GLM 4.5 Air、DeepSeek V4 Flashのような大型MoEを動かす、オフィスや寝室で静音が必須、またはもともとMacを買い替える場合。
• RTXを選ぶ：日常的に8B〜32Bを使い応答速度を最優先する、ファインチューニングやvLLMサービスを行う、VRAM単価で予算を判断する場合。予算で選ぶローカルLLM用GPUも参照してください。
• DGX Spark / Ryzen AI Max+ 395を選ばない：CUDA開発環境（Spark）またはx86 Linux（Strix Halo）が必要な場合を除き、同額ならM4 Maxが2倍高速です。
• AMD GPU：VRAM単価は低い一方でエコシステムに落とし穴があります。AMD GPUでローカルLLMを動かす現状を参照してください。