ホーム › カタログ › 2026年、128 GBのユニファイドメモリ搭載Macに最適なLLM

2026年、128 GBのユニファイドメモリ搭載Macに最適なLLM

◆ Mac — MacでローカルAIを最大限に活用 — ユニファイドメモリ、MLX、お使いのチップに適したモデル · 24 € · または全キットを49 €で →

ランキング更新日:22/10/2026

128 GBのユニファイドメモリは、プレミアムなAIワークステーションの水準です。しかも、もはやデスクトップだけのものではありません。14/16インチのMacBook Proも、40コアGPU版を選べば、M5 MaxでもM4 Maxでもこの容量に対応します(M5 Maxでは614 GB/s、32コアGPU版では460 GB/s)。Llama 70BをQ8(約75 GB)で、MoE 150BをQ4で実行でき、企業向けRAGには200kのコンテキストを使えます。

ローカル AI のオファーと代替案

価格を比較する: MacBook Pro M5 Pro — 24 GB / 1 TB 提携販売店にて(製品ページを確認済み):

この購入リンクは一時的にご利用いただけません:この国に配送できる適切な販売先がまだ見つかっていません。

予算に合わせてどの PC を選ぶべき?800~3,500 €のおすすめをご紹介 →

アフィリエイトリンク — ローカルLLMナビは、追加費用なしで購入に対する手数料を受け取る場合がありますが、これは独立して作成されたランキングに影響しません。Amazonアソシエイトとして、ローカルLLMナビは条件を満たす購入から利益を得ています。

ランキング

1

🇺🇸 Laguna XS.2

Poolside · 33B パラメータ · Apache 2.0 · 131 072 トークン ctx

MoE 33B(アクティブパラメータ3B)。Apache 2.0ライセンスで、エージェント型コーディングに特化。SWE-Bench Verifiedで68.2%、128kのコンテキスト。メモリ36 GBのMacで動作。2026年4月28日リリース。

このランクの理由 MoE 33B(アクティブパラメータ3B)。Apache 2.0ライセンスで、エージェント型コーディングに特化。SWE-Bench Verifiedで68.2%、128kのコンテキスト。メモリ36 GBのMacで動作。2026年4月28日リリース。
ollama run laguna-xs.2
Apple M5 Max(128 GB)上で
FP16
66 GB · 100 tok/s
2

🇨🇳 GLM 4.7 Flash

Zhipu AI · 31B パラメータ · MIT · 128 000 トークン ctx

GLM-4.7-Flash(MoE 31B、アクティブパラメータ約3B):30Bクラスでコード性能とVRAM使用量のバランスが最も優れています。MITライセンス、128kコンテキスト、3090/4090で非常に高速。

このランクの理由 GLM-4.7-Flash(MoE 31B、アクティブパラメータ約3B):30Bクラスでコード性能とVRAM使用量のバランスが最も優れています。MITライセンス、128kコンテキスト、3090/4090で非常に高速。
ollama run glm-4.7-flash
Apple M5 Max(128 GB)上で
FP16
62GB · 100トークン/秒
3

🇺🇸 Flint 40B-A2.5B

RecursiveSI · 39.8B パラメータ · Apache 2.0 · 262 000 トークン ctx

コードエージェント向けの MoE(39.8B/アクティブ 2.5B)、262k コンテキスト、Q4 で VRAM 約 23 GB、Apache 2.0:小型モデル並みの速度で、公式 Ollama タグがあります。

このランクの理由 コードエージェント向けの MoE(39.8B/アクティブ 2.5B)、262k コンテキスト、Q4 で VRAM 約 23 GB、Apache 2.0:小型モデル並みの速度で、公式 Ollama タグがあります。
ollama pull flint
Apple M5 Max(128 GB)上で
FP16
80 GB · 130 tok/s
4

🇺🇸 Granite 4.0 H-Small 32B-A9B

IBM · 32B パラメータ · Apache 2.0 · 128 000 トークン ctx

Mamba-2とMoEのハイブリッド。総パラメータ32B、アクティブパラメータ9B。長いコンテキストではRAM使用量が約70%少ない。Apache 2.0。

このランクの理由 Mamba-2とMoEのハイブリッド。総パラメータ32B、アクティブパラメータ9B。長いコンテキストではRAM使用量が約70%少ない。Apache 2.0。
ollama run granite4:small-h
Apple M5 Max(128 GB)上で
FP16
64 GB · 75 tok/s
5

🇨🇳 Qwen3-Coder 30B-A3B

Alibaba · 30B パラメータ · Apache 2.0 · 262 144 トークン ctx

エージェント型コーディングに特化したMoE 30B(アクティブパラメータ3.3B)。ローカルで非常に高速に動作し、標準で256kのコンテキストに対応。Ollama経由で使う16~24 GB環境の定番モデル。

このランクの理由 エージェント型コーディングに特化したMoE 30B(アクティブパラメータ3.3B)。ローカルで非常に高速に動作し、標準で256kのコンテキストに対応。Ollama経由で使う16~24 GB環境の定番モデル。
ollama run qwen3-coder:30b
Apple M5 Max(128 GB)上で
FP16
61 GB · 100 tok/s
6

🇨🇳 Qwen 3 Omni 30B-A3B

Alibaba · 30B パラメータ · Apache 2.0 · 131 072 トークン ctx

Omni MoE、総パラメータ数30B/アクティブパラメータ数3B。音声ストリーミング。119言語のASR。Apache 2.0。

このランクの理由 Omni MoE、総パラメータ数30B/アクティブパラメータ数3B。音声ストリーミング。119言語のASR。Apache 2.0。
ollama run qwen3-omni:30b
Apple M5 Max(128 GB)上で
FP16
62GB · 100トークン/秒
7

🇨🇳 Qwen 3 VL 30B-A3B

Alibaba · 30B パラメータ · Apache 2.0 · 262 144 トークン ctx

ビジョン対応のMoEモデル。総パラメータ30B、アクティブパラメータ3B。Qwen 3のビジョンモデルの中でバランスのよい選択肢。256kコンテキスト。

このランクの理由 ビジョン対応のMoEモデル。総パラメータ30B、アクティブパラメータ3B。Qwen 3のビジョンモデルの中でバランスのよい選択肢。256kコンテキスト。
ollama run qwen3-vl:30b
Apple M5 Max(128 GB)上で
FP16
62GB · 100トークン/秒
8

🇨🇳 Qwen3-Coder-Next 80B-A3B

Alibaba · パラメータ数 80B · Apache 2.0 · 262 000 トークン ctx

Gated DeltaNet + Attentionを組み合わせたハイブリッドMoE。24 GBのGPUで動作するローカルのコーディング支援アシスタント。

このランクの理由 Gated DeltaNet + Attentionを組み合わせたハイブリッドMoE。24 GBのGPUで動作するローカルのコーディング支援アシスタント。
ollama run qwen3-coder-next
Apple M5 Max(128 GB)上で
Q8
86 GB · 50 tok/s

比較表

順位 モデル Params VRAM Q4 コンテキスト ライセンス Apple M5 Max(128 GB)上で
#1 Laguna XS.2 33B 19 GB 131 072 Apache 2.0 100 tok/s · FP16
#2 GLM 4.7 Flash 31B 19 GB 128 000 MIT 100 tok/s · FP16
#3 Flint 40B-A2.5B 39.8B 23 GB 262 000 Apache 2.0 130 tok/s · FP16
#4 Granite 4.0 H-Small 32B-A9B 32B 19 GB 128 000 Apache 2.0 75 tok/s · FP16
#5 Qwen3-Coder 30B-A3B 30B 19 GB 262 144 Apache 2.0 100 tok/s · FP16
#6 Qwen 3 Omni 30B-A3B 30B 19 GB 131 072 Apache 2.0 100 tok/s · FP16
#7 Qwen 3 VL 30B-A3B 30B 19 GB 262 144 Apache 2.0 100 tok/s · FP16
#8 Qwen3-Coder-Next 80B-A3B 80B 48 GB 262 000 Apache 2.0 50 tok/s · Q8
Macキット

あなたのMacでローカルAIを最大限に活用:ユニファイドメモリ、MLXとGGUFの比較、お使いのチップに合ったモデル、Apple Silicon向けに調整済みのOllamaとLM Studio。

  • 永久に利用できるオンラインスペース
  • PDF + ファイル
  • 30日間返金対応

無料の要点まとめ

あなたのマシンでどのコーディング用モデルを動かせばよいですか?

メモを受け取る VRAM → 最適なコーディング用モデル → Ollamaコマンド (1画面に収まり、コピー&ペーストできます)。そして、実際に動く環境を整えるために、ローカルコパイロットキットをご利用ください。

ローカルコパイロットキット — そのまま貼り付けて使える Ollama + Cline + Aider の設定、調整済みの Modelfiles、トラブルシューティング、無期限で利用できるオンラインスペース →

スパムは送りません。配信停止は1クリックで可能です。お客様のデータは当サイトで保管し、転売することはありません。

ランキングの方法論

フィルター:30〜250Bのモデルで、Q4_K_Mが96 GB未満に収まるもの(macOSと大容量コンテキスト用に32 GBを残します)。70〜150B(ピーク128 GB)と最大250BのMoEモデルを優遇。

考慮した基準:

  • Q4_K_M ≤ 96 GB
  • 70BをQ8で快適に実行
  • 利用しやすいMoE 150B以上
  • 200kのコンテキストで安定

スコアリングの仕組みはすべて公開しています。 私たちの方法論 でVRAMやtokens/secの計算の詳細をご確認ください。

よくある質問

128 GBのMac:Llama 70B Q8と123B Q5、どちらを選ぶ?

Llama 70B Q8(約75 GB)をM4 Max上で毎秒10〜14トークン。Mistral Large 123B Q5(約85 GB)を毎秒8〜12トークン。70BのQ8は一般により実用的です(ほぼFP16で、他のモデルのQ6よりわずかに優れています)。全体的な能力では123Bがなお上です。

128 GB環境で最先端のMoEモデルは動かせるか?

DeepSeek V4 Flash 284B(13B アクティブ MoE)Q3_K_M(約140 GB)は収容できません — Mac Studio 192GB以上が必要です。Granite 4 Mamba 150B Q4(約80 GB)は収容可能です。200B以上を対象にすると、 Mac Studio Ultra.

MacBook Pro M5 Max 128 GB:ノートPCに本当に128 GBを搭載できる?

はい、この価格帯では市場で唯一のポータブル製品です。14インチおよび16インチのMacBook Proは、M5 MaxでもM4 Maxでも最大128 GBのユニファイドメモリを搭載できますが、40コアGPU版に限られます。M5 Maxでは、この構成だけが614 GB/sにも対応します(32コア版は460 GB/s)。Llama モバイル環境で70B Q8+128kコンテキストを、クラウドなしで実行できます。参照 MacBook Pro M5 Maxの製品ページ.

Mac 128 GB対サーバー2× H100 80 GB?

2× H100 = 70Bで約10倍高速(カードあたり1700 GB/s vs ユニファイド546 GB/s)。しかし約80,000 € + 1 kW vs Mac 128 GB 約5,000 € + 100 W。個人使用や小規模チームの場合、Macは€/GBで圧倒的です。

さらに詳しく

QuelLLM キット 用途別のリファレンスガイド
すべてのキットを生涯利用可能 — 49 €