MLX変換モデル17個公開して25日。DL数2,300超から見えた「日本語×ローカルAI」の空白地帯
先に結論
「japanese」でMLXモデルを検索すると25モデルしかない。上位3つが全部僕。日本語MLXは空白地帯だった
空白の理由は「日本語モデルを作る人」と「MLX変換する人」の間に誰もいないから
DL/日は「9Bの最高品質」と「120Bの最大サイズ」の両端に集中。中間サイズは横並び
MoE版がDense版を圧倒。同じQwen3-Swallowで約4倍の差
FC対応×日本語のNemotron JPが1位。エージェント時代の新しい選択軸が見え始めている
本記事はDL数を眺めていたら少し面白い傾向が見えたので、あくまで仮説に基づく僕個人の考察としてまとめたもの。データの解釈には推測が含まれているので、その前提で。
HuggingFaceプロフィール → https://huggingface.co/tocchitocchi
前回記事(FC-Bench)→ https://note.com/tocchidegozaru/n/ne08e0d8349a5
なぜMLX変換をやったのか
僕はAIのモデル知識ほぼゼロからスタートしている。外資系ITベンダーのインフラエンジニアで、AIリスキリングを始めたのが最近。MLX変換に手を出したのは「経験として得られるものがあるだろう」というシンプルな理由。
変換作業はClaudeにほぼお任せのバイブコーディングで、技術的に難しいことはやっていない。最初にSFT版に着手したのも、よくわからないうちに手をつけた結果。今の知識でやるならRL版だけ出していた。
ただ、変換をきっかけに学んだことは多かった。トークナイザー、日本語強化モデルの価値、Function Callingの重要性。後続の記事(トークン記事、FC-Bench記事)はすべてこの変換が入口になっている。
あとは、M4 Max 128GB MBPなんていう、バカみたいな価格の機材を買ったので、少しでも活用できることないかと考えて、変換作業もこのマシンサイズならではの貢献を少しでも、と思ったのも少しだであります。
DL数ランキング(3/21時点)
まずDL総数順。公開日数は最長25日、最短12日。
🥇 Nemotron Nano 9B JP fp16 413DL / 14日
🥈 GPT-OSS-Swallow 120B 6bit 254DL / 12日
🥉 Qwen3-Swallow 30B-A3B SFT 4bit 247DL / 25日
4位 Nemotron Nano 9B JP 4bit 215DL / 14日
5位 Nemotron Nano 9B JP 8bit 209DL / 14日
6位 Qwen3-Swallow 30B-A3B SFT fp16 159DL / 25日
7位 GPT-OSS-Swallow 20B fp16 143DL / 12日
8位 Qwen3-Swallow 30B-A3B SFT 8bit 138DL / 25日
9〜10位 GPT-OSS-Swallow 20B 6bit / 8bit 126〜132DL / 12日
11〜17位 Qwen3-Swallow RL 各量子化 49〜73DL / 14日
合計:約2,327DL / 17モデル
ただし公開日数がバラバラなので、DL/日でソートすると景色が変わる。
🥇 Nemotron JP fp16 29.5DL/日(413DL / 14日)
🥈 GPT-OSS-Swallow 120B 6bit 21.2DL/日(254DL / 12日)
🥉 Nemotron JP 4bit 15.4DL/日(215DL / 14日)
4位 Nemotron JP 8bit 14.9DL/日(209DL / 14日)
5〜7位 GPT-OSS-Swallow 20B 各量子化 10.5〜11.9DL/日(126〜143DL / 12日)
8位 Qwen3-Swallow 30B-A3B SFT 4bit 9.9DL/日(247DL / 25日)
9位以下 Qwen3-Swallow SFT残り + RL全量子化 3.5〜6.4DL/日(49〜159DL)
DL総数3位のQwen3-Swallow SFT 4bit(247DL)がDL/日では8位に落ちる。25日の蓄積で上位に見えていただけ。公開日数を無視してDL総数だけ見ると、人気を見誤る。
ファミリー別合算:本当の需要ランキング
同じベースモデルの量子化違い・SFT/RL違いを合算する。SFTとRLは別モデルではなく、RLがSFTの上に強化学習を重ねた上位版なので合算が妥当。
🥇 Nemotron JP(9B) 837DL合計 / 59.8DL/日
🥈 GPT-OSS-Swallow(120B + 20B) 655DL合計 / 54.6DL/日
🥉 Qwen3-Swallow 30B-A3B 775DL合計 / 31.0DL/日
4位 Qwen3-Swallow 32B 189DL合計 / 13.5DL/日
GPT-OSS-Swallowが合算でNemotron JPに迫っているが、内訳は注意が必要。120B 6bit単体が21.2DL/日に対し、20Bは各量子化10〜12DL/日。勢いで突出しているのは120Bで、合算値はモデル数の多さで嵩上げされている面がある。
一方で20Bの3量子化がほぼ均等(143/132/126)なのは面白い。fp16は64GB以上、8bitなら32GBで動く。特定のメモリ環境に偏らず幅広いMacユーザーから需要がある。
DL数から見える3つの構図
ランキングを眺めていて気づいた点をもう少し。
ベースモデルの「ブランド力」は効いている気がする。 Nemotron JPはNVIDIA、GPT-OSS-SwallowはOpenAIの名前がモデル名に入っている。Qwen3-SwallowはAlibaba+東京科学大学。ローカルLLMユーザーがLM Studioで検索したとき、NVIDIAやOpenAIの名前が目に入るだけで安心感が違う。DL数にブランドバイアスがゼロとは考えにくい。
MoE版がDense版を食っている。 Qwen3-Swallow 30B-A3B MoE(775DL)vs 32B Dense(189DL)で約4倍差。軽くて速いMoEが選ばれるのは今やトレンド通り。
DL/日は「9Bの最高品質」と「120Bの最大サイズ」の両端に集中している。 中間サイズ(20B〜32B)はどれもDL/日10前後で横並び。Apple Siliconのメモリ制約の中で、「小さくても一番いい状態で使いたい」層と「載る限界まで攻めたい」層に二極化している。
日本語MLXモデルはなぜ少ないのか
LM Studioで「japanese」をMLXフィルタで検索すると全25モデル。上位3つがすべて僕のNemotron JP。4位以下は1年以上かけて100DLという水準で、DL/日の差は約120倍。
「nemotron」173モデル中Japanese付きは僕だけ。「GPT-OSS」148モデル中Swallow版も僕だけ。
なぜこんなに空いているか。
mlx-communityやlmstudio-communityは英語の汎用モデルを高速変換するオペレーションで、日本語強化モデルはそもそも対象外。一方、日本語強化モデルの開発チーム(SwallowやNVIDIA)はSafetensors形式での公開までがスコープで、MLX変換はやらない。
「作る人」と「変換する人」の間に誰もいない空間があった。変換自体はClaudeに聞きながらできる程度のこと。にもかかわらず空いていたのは、日本のローカルLLMユーザーがまだ少ないか、GGUFで十分と考えている人が多いか。どちらにしても「MLXで日本語モデルを求めている人が確実にいる」ことは今回のDL数で証明された。
なお、今回はMLXに絞った分析。GGUFを含めると状況は変わるので、それは別の機会に。
エージェント時代とFunction Calling
LM StudioはMCP対応が進んでいて、ローカルLLMにWeb検索やファイル操作を接続できる。ただしモデル側にFunction Calling能力が必要。
DL数1位のNemotron JPはFC対応(FC-Benchで全テスト合格)。中位のQwen3-SwallowはFC非対応。もちろんNVIDIAブランド×日本語×9Bという組み合わせ自体の強さもあるけど、「エージェントとして使えるか」がモデル選びの新しい軸になりつつあるのでは、という仮説は持っている。
日本語強化モデルの開発チームがFC対応トレーニングも組み込むようになれば、この市場はもっと動くはず。
Swallow MLX市場の現在地
「swallow」でMLX検索すると44モデル。うち11個がtocchitocchi。市場の1/4を一人で供給している。
loan-starさんのLlama-3.3-Swallow-70B 6bit(477DL / 24日 = 19.9DL/日)が直近の注目株で、僕の120B 6bit(21.2DL/日)とほぼ同ペース。
Qwen系MLXは「Qwen」で検索すると714モデルのレッドオーシャン。Swallow版の価値はDL数ではなく、日本語特化という質の差別化にある。
HuggingFaceのDL推移グラフから見えること
各モデルのHuggingFaceページに「Downloads last month」のグラフがある。全17モデル分を確認したところ、いくつかのパターンが読めた。
Nemotron JP fp16は初速バーストが落ち着き始めている。 グラフが右肩上がりから下降に転じている。一方でNemotron JP 4bitと8bitは最近になって伸びている。「まずfp16を試して、その後メモリ節約のために量子化版に移る」という動線があるのかもしれない。
GPT-OSS-Swallow 120Bは波がある。 一度落ちてまた上がるパターンで、安定需要というより話題になるたびにスパイクが出る感じ。120Bモデル市場全体の注目度に連動している可能性がある。
Qwen3-Swallow RL版は今が伸び盛り。 公開14日のRL各量子化が、グラフ上で直近に上昇カーブを描いている。SFT版は初期スパイク後に落ち着いたが、RL版はまだ上昇フェーズ。SFT版とのDL数差は今後縮まるかもしれない。
おまけ:このペースが続いたら?
グラフの傾向を踏まえて、モデルごとに減衰率を変えた予測をしてみた。バースト減衰中のNemotron JP fp16やSFT版は現在のDL/日を0.5掛け、伸び盛りのRL版や4bit/8bitは0.8掛け、波のある120Bは0.6掛け。一律0.7で計算するよりは実態に近いはず。
2週間後の予測:
🥇 Nemotron JP 約1,380DL(fp16は減速するが4bit/8bitが補う)
🥈 GPT-OSS-Swallow 約1,160DL(120Bの波次第で上振れも)
🥉 Qwen3-Swallow 30B-A3B 約1,110DL(SFT減速、RL上昇で構成が逆転する可能性)
4位 Qwen3-Swallow 32B 約320DL
全体:約4,000DL
1ヶ月後の予測:
🥇 Nemotron JP 約2,000DL 🎯
🥈 GPT-OSS-Swallow 約1,740DL
🥉 Qwen3-Swallow 30B-A3B 約1,500DL(RL版がSFT版を逆転している可能性あり)
4位 Qwen3-Swallow 32B 約470DL
全体:約5,700DL
Nemotron JP 2,000DL到達はfp16が減速しても4bit/8bitが伸びているので現実的。Qwen3-Swallow 30B-A3Bは1ヶ月後にはRL版がSFT版を上回っている可能性がある。答え合わせは1ヶ月後に。
まとめ
25日で17モデル、2,327DL。大手コミュニティの万DL単位には遠いけど、見えたことがある。
日本語×MLXは空白地帯だった。 変換はClaudeに聞きながらできる。参入障壁は低い。
需要は両端に集中している。 9Bの最高品質と120Bの最大サイズ。中間サイズは横並び。
MoEが選ばれている。 Dense版との差は約4倍。トレンド通り。
FC対応が次の選択軸。 エージェント時代にローカルLLMに求められる能力が広がっている。
ブランドは効く。 NVIDIAやOpenAIの名前がモデル名にあるだけで注目度が違う。
AI知識ゼロから始めて、変換を通じてトークナイザーやFCの意味を学んで、DL数がその学びを裏付けてくれた。リスキリングの一歩目としては悪くないルートだったと思う。
次回はLM Studioのエージェント機能の検証に進む予定。
(参考リンク)
HuggingFaceプロフィール: https://huggingface.co/tocchitocchi
前回記事(FC-Bench): https://note.com/tocchidegozaru/n/ne08e0d8349a5
トークン記事(東京都は1トークン?3トークン?): https://note.com/tocchidegozaru/n/n0fe62ae2e35f
グランピング記事: https://note.com/tocchidegozaru/n/n5531674cb43a
note.comプロフィール: https://note.com/tocchidegozaru