要点
- MLX は Apple Silicon 向けの Apple の機械学習フレームワークです。mlx-lm はその上で言語モデルを動かします。
- llama.cpp は高速な C/C++ の推論エンジンで、Metal を通じて Mac を含むほぼあらゆるハードウェアで GGUF モデルを動かします。
- Ollama は手軽なフロントエンドです。コマンド 1 つでモデルをダウンロードして実行でき、ローカル API も備えています。Apple Silicon では現在、MLX を使ったプレビューがあります。
- Mac ネイティブで最速を求めるなら MLX、モデルとプラットフォームの選択肢の広さなら llama.cpp、いちばん手軽に始めるなら Ollama か LM Studio です。
1それぞれの正体
2Apple Silicon での速さ
テキストを生成するとき、3 つとも同じものに制限されます。メモリ帯域幅です。違いは、それぞれが GPU をどれだけうまく使うか、モデルがどう量子化されているかから生まれます。
MLX は Apple Silicon のユニファイドメモリ向けに書かれており、M5 チップでは GPU のニューラルアクセラレータを使います。Apple の測定では、最初のトークンまでの時間が M4 より 3.3〜4.1 倍速くなりました（Apple）。2026 年 3 月、Ollama は Apple Silicon で MLX への移行をプレビューとして始め、対応モデルで大幅な高速化を実現しています（Ollama）。これは、Mac の性能がどこにあるのかをよく物語っています。
llama.cpp も Mac で非常に速く、よく計測されています。その公開ベンチマークのスレッドは、チップを比べるための最良の参考資料です（llama.cpp）。MLX に特化した数値は MLX Bench をご覧ください。
3どれを使うべきか
- 今日すぐにモデルとチャットしたい： LM Studio（MLX と GGUF の両方のモデルを動かせるアプリ）か Ollama。
- ローカル API が必要なアプリを作っている： Ollama、または MLX で OpenAI 互換のエンドポイントを提供する
mlx_lm.server。 - Mac で最高の速さを引き出したい、またはファインチューニングしたい： MLX と mlx-lm。
- Mac、Linux、Windows で同じ環境が必要、または特定の GGUF 量子化が必要： llama.cpp。
Mac で LLM を動かす手順ガイドで、すべてを解説しています。
41 台の Mac を超える MLX
MLX は、Thunderbolt 5 と RDMA を使って複数の Mac にまたがって動かすこともできます（Mac の AI クラスタ）。そして MLX は MLX Network のエンジンでもあります。MLX Node は MLX フレームワーク上でネットワークの AI のジョブを実行し、検証された仕事に対して MLX トークンを獲得します。MLX Network は Apple が作ったものではない独立したプロジェクトです。違いはこちら。
5よくある質問
- MLX は llama.cpp より速いですか？
- Apple Silicon では、MLX は生成で同等かそれ以上に速いことが多く、M5 チップでのプロンプト処理では特に速くなります。結果はモデルと量子化によって変わるので、ご自身の Mac で比べてください。
- Ollama は MLX を使えますか？
- 使えます。Ollama 0.19 以降の Apple Silicon 版でプレビューとして、対応モデルについて、メモリが 32GB を超える Mac で利用できます。
- MLX と GGUF のモデルは違うものですか？
- 同じ種類のモデルを収める、異なるファイル形式です。人気のモデルの多くは両方の形式で公開されています。Hugging Face の mlx-community には、MLX に変換されたモデルが何千もあります。