Apple、Mac専用の機械学習フレームワーク「MLX」をオープンソース公開

MLX は、Apple の機械学習研究チームが Apple Silicon 向けに一から設計したオープンソースの機械学習フレームワークです。ディープラーニング用データ読み込みライブラリ「MLX Data」とともに公開されました。

端的に言えば、手元の Mac で生成 AI モデルをより軽快かつネイティブに動かすためのツールキットです。

何ができるのか

MLX は、MacBook などの Apple Silicon デバイス上で直接、基盤モデルの学習や推論を効率よく実行できるように作られています。

Computerworld の報道によると、Meta の大規模言語モデル「Llama」や画像生成モデル「Stable Diffusion」を訓練・実行できるだけのパワーを備えています。

同時にリリースされた MLX Data は、機械学習におけるデータ読み込みを効率化するためのパッケージです。

Apple の機械学習研究者 Awni Hannun 氏によると、MLX Data は特定のフレームワークに依存せず、MLX だけでなく PyTorch や Jax と組み合わせて使うことも可能です。

共有メモリを活かした仕組み

MLX の API や設計思想は、PyTorch、Jax、ArrayFire といった定番の深層学習フレームワークを参考にしています。そのため、既存の機械学習エンジニアにとっても馴染みやすい構成です。

最大の特徴は、Apple Silicon の強みであるユニファイドメモリ（共有メモリ）を前提に設計されている点です。

一般的な環境では CPU と GPU の間でデータをコピーしてやり取りする必要がありますが、MLX では同じメモリ領域を直接参照して処理を行います。データをデバイス間で移動させるオーバーヘッドがなく、現在は CPU と GPU の双方に対応しています。

現在、MLX と MLX Data はどちらも GitHub や PyPI で公開されており、誰でもすぐに手元の環境にインストールして試すことができます。

なぜ重要か

Apple Silicon 搭載の Mac を使ってローカルで大規模モデルを実験・調整したいエンジニアなら、すぐに触ってみる価値があります。これまで Mac 上でのモデル実行は互換性や最適化の面で制約が多かったものの、公式の研究チームがハードウェアの特性に合わせた専用の道具を用意してくれました。

もちろん、巨大なエコシステムを誇る PyTorch などの実績と比べると、コミュニティや対応ライブラリの蓄積はまだこれからです。それでも、Mac の大容量ユニファイドメモリをローカル AI 開発にフル活用できる道が開けたという意味で、開発者にとって大きな選択肢が増えたと言えます。