メインコンテンツへスキップ

M5 Ultra登場。512GB・1.2TB/sのMac StudioはDGX Sparkのライバルになるのか?

    2026年8月25日、Appleが新しい「M6」と「M5 Ultra」を発表しました。

    M6はApple初の2nmプロセスを採用した新世代チップですが、ローカルAI用途で特に注目したいのはM5 Ultraです。

    最大512GBのユニファイドメモリ、1.2TB/sのメモリ帯域幅、最大80コアGPU。

    これだけを見ると、

    「DGX SparkよりローカルLLM向きなのでは?」

    と思うほど強烈なスペックになっています。

    今回は、新しいM5 UltraをAI用途を中心に見ながら、NVIDIA DGX Sparkとの違いを整理してみます。


    M5 UltraはApple初の「4ダイ」構成

    今回のM5 Ultraで大きく変わったのがチップ構造です。

    従来のUltraシリーズは、基本的に2つの大型ダイをUltraFusionで接続する構造でした。

    M5 Ultraでは、

    2つのデュアルダイM5 MaxをUltraFusionで接続

    することで、Apple Siliconとして初めてクアッドダイ構成になりました。

    つまり合計4つのダイを、OSからは1つの巨大なプロセッサとして扱います。

    UltraFusionのダイ間帯域幅も4.4TB/s以上まで拡大されています。Appleによれば接続密度も従来比6倍以上になっています。

    CPUは最大36コア。

    内訳は、

    • スーパーコア:12コア

    • 高性能コア:24コア

    というかなり大型の構成です。


    最大80コアGPU

    GPUは最大80コア。

    さらに今回重要なのが、各GPUコアにNeural Acceleratorが搭載されていることです。

    Appleによると、AI用途でのピークGPU演算性能は、

    • M3 Ultra比:最大4.5倍

    • M1 Ultra比:6倍以上

    まで向上しています。

    Apple Siliconでは以前から16~32コアのNeural Engineが搭載されていましたが、最近はそれだけでなく、GPU側にもAI専用アクセラレーションを積極的に組み込んでいます。

    M5 Ultraには別途32コアNeural Engineも搭載されています。

    つまりAI処理では、

    CPU + GPU Neural Accelerator + Neural Engine

    を利用できる構成です。


    最大512GBのユニファイドメモリ

    そしてローカルAI用途で最も重要なのがこれです。

    最大512GBのユニファイドメモリ

    を搭載できます。

    GPU専用VRAMではありません。

    CPUとGPUが同じメモリ領域を共有するApple Siliconのユニファイドメモリです。

    そのため、一般的なGPU搭載PCのように、

    CPUメモリ
    ↓
    PCI Express
    ↓
    GPU VRAM

    とデータをコピーする必要がありません。

    巨大なモデルを、そのままGPUから扱えるのがApple Siliconの大きな特徴です。


    メモリ帯域は1.2TB/s

    さらにM5 Ultraではメモリ帯域が、

    1.2TB/s

    まで引き上げられました。

    AppleによるとM3 Ultraより50%高速です。

    LLM推論では計算性能だけでなく、モデルの重みをどれだけ高速にメモリから読み出せるかが重要になります。

    特に大規模モデルではメモリ帯域がtokens/secに大きく影響します。

    Apple自身も今回、

    • ローカルに巨大なデータセットを保持

    • 1秒あたりのトークン処理速度向上

    • 数千億パラメータ級LLMを完全ローカル実行

    といった用途を明確に打ち出しています。


    DGX Sparkと比較してみる

    ここでNVIDIA DGX Sparkと比べてみます。

    項目DGX SparkMac Studio M5 UltraSoCNVIDIA GB10Apple M5 UltraCPU20コア Arm最大36コアGPUBlackwell最大80コア Apple GPUメモリ128GB最大512GBメモリ帯域273GB/s1.2TB/sFP4 AI性能最大1 PFLOP非公表CUDA対応非対応主なAI環境CUDA / TensorRT / PyTorchMetal / MLX / Core ML\begin{array}{|l|c|c|} \hline \textbf{項目} & \textbf{DGX Spark} & \textbf{Mac Studio M5 Ultra} \\ \hline \text{SoC} & \text{NVIDIA GB10} & \text{Apple M5 Ultra} \\ \hline \text{CPU} & 20\text{コア Arm} & \text{最大36コア} \\ \hline \text{GPU} & \text{Blackwell} & \text{最大80コア Apple GPU} \\ \hline \text{メモリ} & 128\text{GB} & \text{最大512GB} \\ \hline \text{メモリ帯域} & 273\text{GB/s} & 1.2\text{TB/s} \\ \hline \text{FP4 AI性能} & \text{最大1 PFLOP} & \text{非公表} \\ \hline \text{CUDA} & \text{対応} & \text{非対応} \\ \hline \text{主なAI環境} & \text{CUDA / TensorRT / PyTorch} & \text{Metal / MLX / Core ML} \\ \hline \end{array}

    DGX Sparkは128GB LPDDR5X統合メモリ、273GB/sのメモリ帯域、Blackwell GPUによる最大1 PFLOPのFP4演算性能を備えています。NVIDIAは単体で最大2000億パラメータ級モデル、2台接続で最大4050億パラメータ級モデルをターゲットにしています。


    メモリ容量はDGX Sparkの4倍

    単純にメモリ容量だけ比べると、

    DGX Spark
    128GB

    M5 Ultra
    512GB

    なので、4倍です。

    さらにメモリ帯域は、

    DGX Spark
    273GB/s

    M5 Ultra
    1,200GB/s

    となり、単純計算では約4.4倍です。

    もちろん、これだけでM5 Ultraが4.4倍速いという意味ではありません。

    GPUアーキテクチャもAIアクセラレータもソフトウェアも全く違うからです。

    ただ、巨大LLMを1台に載せるという用途だけを見ると、512GBは非常に大きなメリットです。


    400B級モデルも現実的になる

    4bit量子化をかなり大雑把に計算すると、

    70B
    → 約35GB~

    120B
    → 約60GB~

    200B
    → 約100GB~

    400B
    → 約200GB~

    程度のモデルデータになります。

    実際には、

    • KVキャッシュ

    • コンテキスト

    • 推論エンジン

    • バッファ

    • OS

    などでもメモリを使用するため、単純なモデルサイズだけでは判断できません。

    それでも512GBあれば、400B級モデルをローカルで扱う余地がかなり大きくなります。

    AppleもM5 Ultraについて、数千億パラメータを持つLLMを完全にデバイス上で実行可能としています。


    ただしM5 UltraがDGX Sparkの完全上位互換ではない

    スペック表だけ見ると、

    「512GBあるならMac Studioでいいのでは?」

    となりそうですが、そう単純ではありません。

    DGX Spark最大の武器は、CUDAです。

    NVIDIA環境には、

    • CUDA

    • TensorRT

    • TensorRT-LLM

    • PyTorch CUDA

    • NVIDIA NIM

    • CUDA前提の研究コード

    • NVIDIA向けAIライブラリ

    という巨大なエコシステムがあります。

    DGX Sparkは単なる小型GPU PCではありません。

    デスク上でNVIDIAのAI開発環境をそのまま使えること

    に大きな価値があります。

    NVIDIAもDGX SparkをAI開発者、研究者、データサイエンティスト向けのGrace Blackwell開発機として位置付けています。


    MacはMLXが強み

    一方Macでは、

    • MLX

    • Metal

    • Core ML

    • llama.cpp

    • LM Studio

    などが主な選択肢になります。

    特にApple自身が開発するMLXはApple Siliconのユニファイドメモリを活用しやすいAIフレームワークです。

    今回AppleもCore AI、Core ML、Metal、Xcodeなどから、M5 UltraのGPU Neural Acceleratorや512GBメモリを利用できることを強調しています。

    そのため、既存CUDAコードを動かしたいならDGX Spark。

    一方、巨大LLMをローカルで推論したいならM5 Ultra。

    という違いがかなり明確になってきました。


    DGX Spark系の存在意義はなくならない

    以前紹介したDGX Spark系には、

    • NVIDIA DGX Spark

    • ASUS Ascent GX10

    • GIGABYTE AI TOP ATOM

    • Acer Veriton GN100

    • Dell Pro Max with GB10

    • HP ZGX Nano

    • Lenovo ThinkStation PGX

    • MSI EdgeXpert

    などがあります。

    これらは基本的に同じNVIDIA GB10 Grace Blackwell Superchipを採用しています。

    128GB統合メモリとCUDA環境を、小さな筐体にまとめた製品群です。

    M5 Ultraが登場しても、この強み自体は変わりません。

    むしろ今回の発表によって、

    GB10機とMac Studioは用途が違う

    ことが以前より分かりやすくなったと思います。


    DGX Spark向きの人

    DGX Spark系が向いているのは、

    • CUDAを使いたい

    • TensorRTを使いたい

    • NVIDIA NIMを使いたい

    • Linux環境が欲しい

    • AI研究用コードをそのまま動かしたい

    • NVIDIA GPUサーバー向けの開発をしたい

    • 複数台GB10をConnectXで接続したい

    といった人です。

    特にConnectX-7を使ってDGX Sparkを2台接続すると、NVIDIAは最大4050億パラメータ級モデルまで扱える構成を想定しています。


    M5 Ultra向きの人

    一方M5 Ultra Mac Studioが面白いのは、

    • とにかく大容量メモリが欲しい

    • ローカルLLM推論が中心

    • MLXやllama.cppを使う

    • 静かなデスクトップAIマシンが欲しい

    • AI以外に動画編集や3D制作もする

    • macOSを普段使いしたい

    という人です。

    特に、128GBでは入らないが512GBなら入る

    というモデルでは、DGX Sparkとは全く違った価値があります。


    実はM3 Ultraも512GBだった

    ここは少し注意が必要です。

    512GBという容量自体はM5 Ultraで初めて登場したわけではありません。

    2025年のM3 Ultra搭載Mac Studioも最大512GBのユニファイドメモリに対応していました。

    Appleは当時、6000億パラメータを超えるLLMをメモリ上に保持できると説明していました。

    今回M5 Ultraで特に大きいのは、

    512GBという容量を維持しながら、帯域を1.2TB/sへ引き上げ、AI向けGPU性能も大幅に強化したことです。

    つまり、「512GBになった」というより、
    「512GB Macが本格的な高速ローカルAIマシンへ進化した」
    と見る方が正確です。


    M6 Mac miniも面白い

    今回同時発表されたM6も、別方向で興味深いチップです。

    Apple初の2nmプロセスを採用。

    CPUは12コアで、

    • スーパーコア ×2

    • 高性能コア ×4

    • 高効率コア ×6

    という新しい構成になっています。

    GPUも12コアとなり、それぞれにNeural Acceleratorを搭載。

    さらに、16コアNeural Engineを2基搭載するデュアルNeural Engine構成になりました。


    M6のメモリは最大32GB

    M6は最大32GBユニファイドメモリ。

    メモリ帯域は170GB/sです。

    そのためM5 Ultraとは用途がかなり違います。

    M6 Mac miniは、

    • 7B

    • 14B

    • 30B前後

    • 小型AI Agent

    • コーディングAI

    • ローカル音声認識

    • 画像生成

    といった比較的小さなAIモデルを省電力で常時動かす用途が面白そうです。


    ローカルAI PCが3種類に分かれてきた

    今回の発表を見ると、ローカルAIマシンは大きく3つの方向に分かれてきたように感じます。

    GeForce / Radeon PC

    とにかくGPU演算速度を重視。

    VRAMに収まるモデルなら非常に高速です。


    DGX Spark / GB10系

    128GB統合メモリ。

    CUDA環境。

    AI開発や研究、NVIDIA環境との互換性を重視。


    Mac Studio Ultra

    最大512GBユニファイドメモリ。

    MLX / Metal。

    巨大なモデルを1台のデスクトップに載せることを重視。


    「最速」と「最大モデル」は別の話

    今後ローカルAIマシンを比較するときは、

    AI性能○○TOPS

    だけを見るとかなり分かりにくくなりそうです。

    重要なのは、

    • 演算性能

    • メモリ容量

    • メモリ帯域

    • 使用できる精度

    • ソフトウェア

    • 対応モデル

    • 消費電力

    です。

    たとえばRTX 5090搭載PCの方が、小~中規模モデルでは圧倒的に速い可能性があります。

    しかしモデルがVRAMに入らなくなると状況が変わります。

    DGX Sparkは128GB。

    M5 Ultraは512GB。

    つまり、

    速く計算できること

    と、

    巨大なモデルをそもそも載せられること

    は別の性能指標です。


    M5 UltraはDGX Sparkキラーなのか?

    結論としては、DGX Sparkキラーではないと思います。

    しかし、ローカルLLM用途では非常に強力な競合になりました。

    DGX Sparkは、

    CUDAとNVIDIA AIエコシステムを小型PCで利用するためのマシン。

    M5 Ultra Mac Studioは、

    最大512GBという巨大なユニファイドメモリを使って、大規模モデルをローカルで動かすマシン。

    という違いがあります。


    まとめ

    M5 Ultraの登場で、ローカルAIマシンの選択肢がさらに面白くなりました。

    最大36コアCPU。

    最大80コアGPU。

    各GPUコアにNeural Accelerator。

    32コアNeural Engine。

    最大512GBユニファイドメモリ。

    1.2TB/sのメモリ帯域。

    4.4TB/s以上のUltraFusion。

    これだけの構成を1台のMac Studioに収めています。

    一方DGX Sparkは、

    128GB統合メモリ。

    最大1 PFLOP FP4。

    CUDA。

    TensorRT。

    ConnectX-7。

    というNVIDIAならではの強みがあります。

    したがって現時点では、

    CUDA・AI開発環境重視
    → DGX Spark / ASUS GX10 / GIGABYTE AI TOP ATOM

    巨大LLM・メモリ容量重視
    → M5 Ultra Mac Studio

    という選び分けがかなり分かりやすそうです。

    そして個人的に一番気になるのは実機でのLLM性能です。

    1.2TB/sという巨大なメモリ帯域が、

    llama.cppやMLXで実際に何tokens/sec出るのか。

    ここが分かれば、DGX Spark系との立ち位置もかなり明確になるはずです。

    発売後の実測が非常に楽しみなマシンです。

    あなたへのおすすめ