Mac向けユーティリティソフトを開発するDr.Buho Inc.は、2026年9月4日、MacでローカルLLM（大規模言語モデル）を実行する際に必要となるメモリ容量の目安と、ローカルAIの動作が遅い場合に確認すべきポイントをまとめた解説情報を公開しました。
ローカルAIの用途は、文章生成や要約だけでなく、AIコーディング、社内文書の検索、複数のツールを操作するAIエージェントなどへ広がっています。その一方で、「MacでLLMが遅い」「MacのローカルLLMにはメモリが何GB必要なのか」「ローカルLLM向けMacのスペックをどう選べばよいか」と悩む利用者も増えています。
ローカルLLMの速度は、Macのメモリ容量だけで決まるものではありません。モデルのパラメータ数、量子化方式、コンテキスト長、メモリ帯域幅、実行ソフト、同時に開いているアプリなどが総合的に影響します。
ローカルAIには何GBのメモリが必要なのか
Apple Silicon搭載Macで、4ビット量子化された一般的なテキスト生成モデルを1つ実行する場合、ユニファイドメモリの目安は次のとおりです。
上記は、4ビット量子化モデル、単一ユーザー、Apple Silicon搭載Macを前提とした一般的な目安です。モデルの設計や量子化形式、実行ソフト、コンテキスト長によって、実際の使用量と速度は変動します。
ローカルLLMのスペックで、Macのメモリが重要な理由
Apple Siliconは、CPUとGPUが同じメモリ領域に直接アクセスするユニファイドメモリアーキテクチャを採用しています。MLXもこの仕組みを利用し、CPUとGPUの間でデータを移動せずに処理できるよう設計されています。
その一方で、Macに搭載されたメモリのすべてをローカルLLMだけが利用できるわけではありません。macOS、Finder、ブラウザ、IDE、Docker、通信アプリ、開発ツールなども同じメモリを使用します。
ローカルLLMの実行に必要な容量は、概ね次の合計で決まります。
必要メモリの目安
＝モデルの重み＋KVキャッシュ＋実行時バッファ＋macOSとほかのアプリが使用するメモリ
例えば、4ビット量子化されたモデルは、単純計算では1パラメータ当たり約0.5バイトです。そのため、モデルの重みだけを計算すると、8Bモデルは約4GB、32Bモデルは約16GB、70Bモデルは約35GBとなります。
ただし、実際には量子化に必要な追加情報、KVキャッシュ、計算用バッファなどが加わります。4ビット量子化はメモリ消費を大幅に減らせる一方、使用する方式によっては出力結果や速度に違いが生じる場合があります。
AIコーディングとAIエージェントは、なぜ多くのメモリを使うのか
通常のチャットでは、数回の会話だけをモデルへ渡すことも可能です。一方、AIコーディングでは、ソースコード、設定ファイル、エラーログ、Gitの差分、仕様書、過去の会話などをまとめて参照させることがあります。
さらに、AIエージェントを使用するAIワークフローでは、LLMだけでなく、次のような処理が並行して動作します。
- IDEまたはコードエディタ
- ブラウザと開発者向けドキュメント
- ターミナルやビルドツール
- Gitリポジトリと複数のソースファイル
- テスト結果やエラーログ
- Docker、データベース、ローカルサーバー
- コード検索やRAG用の埋め込みモデル
Ollamaの公式ドキュメントでは、Web検索、エージェント、コーディングツールなど、長いコンテキストを必要とするタスクについて、少なくとも64,000トークンの設定が案内されています。同時に、コンテキスト長を大きくすると、モデルの実行に必要なメモリも増えると説明されています。
また、並列リクエストを増やすと、必要なRAMは「並列数×コンテキスト長」に応じて増加します。単独のチャットでは問題がなくても、AIエージェントが複数の処理を同時に実行すると、急にMacの動作が重くなる場合があります。
MacでLLMが遅いと感じたときに確認すべき項目
1．メモリプレッシャーとスワップ使用量
Macでは、空きメモリの数値だけを見るのではなく、「アクティビティモニタ」＞「メモリ」に表示されるメモリプレッシャーを確認します。
Appleによると、緑色はRAMが効率的に使用されている状態、黄色はRAMが不足する可能性がある状態、赤色はより多くのRAMが必要な状態を示します。Appleは、未使用メモリが多いことが、そのまま性能向上につながるとは限らないとも説明しています。
スワップ使用量が継続的に増え、メモリプレッシャーが黄色または赤色になっている場合は、使用しているモデルやコンテキストがMacのメモリ容量に対して大きすぎる可能性があります。
2．コンテキスト長が必要以上に大きい
モデルが8Bや14Bでも、64K、128K、256Kなどの長いコンテキストを設定すると、KVキャッシュが大きくなります。
短い会話や一つのファイルだけを扱う場合は、8K～32Kなど、作業内容に合ったコンテキストへ下げることで、メモリ使用量を抑えられる可能性があります。
3．量子化されていないモデルを使用している
FP16や8ビットのモデルは、4ビットモデルより多くのメモリを使用します。
回答品質や用途とのバランスを確認しながら、Q4などの4ビット量子化モデルへ変更することで、より小さいメモリ容量のMacでも実行しやすくなります。
4．複数のモデルが同時に残っていないか
ローカルLLM実行ソフトによっては、次の応答を高速化するため、使用後も一定時間モデルをメモリ上に保持します。
複数のモデルを切り替えている場合は、使っていないモデルを停止することでメモリを確保できます。Ollamaでは「ollama stop モデル名」でモデルをメモリから解放できます。
5．Macのストレージ空き容量が不足している
メモリとストレージは別のものですが、メモリ不足時には起動ディスク上のスワップ領域が使用されます。また、ローカルLLMのモデルファイル自体も、1つ当たり数GBから数十GBになる場合があります。
Appleも、Macの起動ディスクに十分な空き領域がないことを、Macの動作が遅くなる原因の一つとして挙げています。
Macの空き容量を増やす10つの方法 → https://www.drbuho.com/jp/how-to/free-up-space-on-mac
ローカルLLMを軽くする7つの方法
1. 現在のMacに合った小型モデルへ変更する
32Bモデルが重い場合は14B、14Bが重い場合は7Bまたは8Bへ変更します。用途によっては、小型のコーディング特化モデルの方が、大型の汎用モデルより効率よく結果を得られる場合があります。
2. 4bit量子化モデルを選択する
16bitモデルと比べて、4bitモデルは重みデータの容量を大きく削減できます。ただし、量子化方式によって精度や生成速度が異なるため、モデルの説明を確認してください。
3. コンテキスト長を必要な範囲まで下げる
短い質問や関数単位の修正に、常に64Kや128Kのコンテキストが必要とは限りません。用途に応じて8K、16K、32Kなどへ調整します。
4. AIエージェントの並列処理数を減らす
複数のサブエージェントやリクエストを同時に動かしている場合は、並列数を減らし、メモリ使用量が改善するか確認します。
5. 不要なモデルを停止する
使用していないモデルをアンロードし、必要なモデルだけをメモリに保持します。
6. ブラウザ、Docker、仮想マシンなどを整理する
AIコーディング中は、LLM以外の開発環境も大きなメモリを使用します。不要なタブ、コンテナ、シミュレーター、開発サーバーを終了します。
7. メモリプレッシャーとストレージを継続的に確認する
macOSのスワップ領域は起動ディスク上で使用されます。ストレージの空き容量が極端に少ない場合は、不要なファイルも整理します。
BuhoCleanerでMacのRAM、CPU、ストレージを確認
Macの状態を日常的に確認する方法として、Dr.Buhoが提供するMac専用ユーティリティ「BuhoCleaner」を利用できます。
BuhoCleaner公式サイト：https://www.drbuho.com/jp/
BuhoCleaner無料ダウンロード：https://www.drbuho.com/jp/
BuhoCleanerのメニューバー機能では、RAM使用量、CPU負荷、CPU温度、ファン速度、ネットワーク速度、ストレージ使用量をリアルタイムで確認できます。RAMの使用状況やメモリプレッシャーを把握し、ローカルLLMの実行前後で負荷がどのように変化したかを確認する際に利用できます。
また、不要な起動項目の管理、RAMの解放、キャッシュやログの整理、大容量ファイルの検出、使用していないアプリのアンインストールにも対応しています。
ただし、RAMの解放は搭載されている物理メモリを増設する機能ではなく、モデル自体の必要容量を減らすものでもありません。メモリプレッシャーが継続的に黄色または赤色になる場合は、モデルサイズ、量子化、コンテキスト長、並列処理数、またはMacのメモリ構成を見直す必要があります。
BuhoCleanerでできること
使用していないアプリと関連ファイルを完全に削除 →
https://www.drbuho.com/jp/how-to/uninstall-apps-mac
100GB以上のシステムデータを減らす方法7つ →
https://www.drbuho.com/jp/how-to/clear-system-storage-mac
まとめ
MacでローカルLLMを実行する場合、必要なメモリ容量の目安は次のとおりです。
軽量なローカルAI：16GB
7B～14Bモデルと軽いAIコーディング：24GB
実用的なAIコーディング環境：32GB
30B・32BモデルやAIエージェント：48GB～64GB
70Bモデルや長いコンテキスト：96GB～128GB以上
「MacでLLMが遅い」と感じた場合は、Mac本体の性能だけを原因と考えるのではなく、モデルサイズ、量子化形式、コンテキスト長、KVキャッシュ、並列処理数、ほかのアプリのメモリ使用量、ストレージの空き容量を順番に確認することが重要です。
MacのローカルLLM向けスペックを選ぶ際は、現在動かしたいモデルだけでなく、今後利用するAIコーディングツール、AIエージェント、AIワークフローまで考慮し、余裕のあるユニファイドメモリ構成を選ぶことが推奨されます。
配信元企業：Dr.Buho
プレスリリース詳細へ
ドリームニューストップへ
