Tag timeline
同じキーワードで束ねられた更新を確認できます。カテゴリをまたいだ関連ニュースや実装トピックの追跡に使えます。
AI要約Ollama v0.40.0は、Apple Siliconで対応モデルをMLXにより既定実行するようになりました。qwen3.8や意思決定モデル、embeddinggemma-2にも対応し、MacでのローカルAI活用の幅を広げます。
AI SUMMARYOllama v0.40.0 makes MLX the default runtime for supported models on Apple Silicon. It adds qwen3.8, decision models, and embeddinggemma-2, expanding local AI options for Mac users.
AI要約Ollama v0.40.0は、Apple Siliconで対応モデルを既定でMLX実行系へ振り分け、gemma4、qwen3.6、qwen3.5を追加した。判断モデルもMLXで利用でき、Macでのローカル推論の選択肢を広げる。
AI SUMMARYOllama v0.40.0 now routes supported model architectures to MLX by default on Apple Silicon and adds gemma4, qwen3.6, and qwen3.5. MLX support for decision models expands local inference options for Mac users.
AI要約Ollama v0.40.0は、Apple Siliconで対応モデルの実行基盤をMLXへ自動的に切り替える。qwen3.8やgemma4、判断モデルも利用でき、Mac利用者のローカル推論の選択肢を広げる。
AI SUMMARYOllama v0.40.0 defaults supported models to MLX on Apple Silicon, adding qwen3.8, gemma4, and decision models to expand local inference options for Mac users.
AI要約Ollama v0.40.0は、Apple Silicon上の対応モデルをMLXで自動実行します。プレリリース中に対象モデルの追加検証も進め、Mac利用者の実行環境選択を簡素化します。
AI SUMMARYOllama v0.40.0 automatically selects MLX on Apple Silicon for supported model architectures and will test more models during prerelease, simplifying runtime choice for Mac users.
AI要約Ollama v0.34.4は、思考モデルでの構造化出力を1回の処理で完結させ、速度と信頼性を高めた。多数のローカルモデルで起きる検出エラーやmacOSアプリの停止も解消し、Apple SiliconでのQwen 3.8とGemma 4利用を改善する。
AI SUMMARYOllama v0.34.4 processes structured output for reasoning models in one pass, improving speed and consistency. It also resolves large-library lookup failures, macOS app hangs, and enhances Qwen 3.8 and Gemma 4 on Apple Silicon for local users.
AI要約Ollama v0.34.3では、/api/showが各モデルの思考設定と既定値を返すようになり、Apple SiliconでNemotron H Visionモデルにも対応した。macOSアプリのウィンドウ再表示とHugging Faceからの取得も修正され、設定確認と運用を円滑に行える。
AI SUMMARYOllama v0.34.3 exposes thinking controls in /api/show and supports Nemotron H Vision on Apple Silicon. Fixes for Hugging Face pulls and macOS windows ease model use.
AI要約Ollama v0.34.3は、/api/showで思考設定の選択肢と既定値を公開する。Apple SiliconのMLXでNemotron H Visionに対応し、Hugging Face取得とmacOSのウィンドウ再表示を修正して運用を円滑化する。
AI SUMMARYOllama v0.34.3 exposes thinking defaults in /api/show, supports Nemotron H Vision on Apple Silicon with MLX, fixes Hugging Face pulls, and stops macOS reopening closed windows.
AI要約Bonsai 2 27Bは、品質低下を抑えつつ通常の約9分の1となる約5.95GBのGGUFで提供される。実行にはPrism版llama.cppが必要で、Apple silicon搭載Macでのローカル運用を可能にする。
AI SUMMARYBonsai 2 27B comes as a roughly 5.95 GB GGUF, about one-ninth the normal size with little quality loss. Prism's llama.cpp fork is needed, helping Mac users run it locally.
AI要約Ollama v0.34.1は、MLX safetensorsからのモデル作成を正式機能化し、Apple Siliconでのメモリ処理を改善しました。大規模ライブラリ向けに/api/tagsも高速化され、ローカルモデル利用者の待ち時間を減らします。
AI SUMMARYOllama v0.34.1 makes MLX safetensors model creation generally available, improves Apple Silicon memory use, and speeds up /api/tags for users with large local libraries.
AI要約Ollama v0.34.0はChatGPT Desktopからローカルモデルを直接利用可能にし、macOS版アプリから設定できる。Apple Siliconで構造化出力も高速化され、既存の作業手順を保ちたい利用者に役立つ。
AI SUMMARYOllama v0.34.0 links local models with ChatGPT Desktop, adds setup through the macOS app, and speeds structured outputs on Apple Silicon, helping users retain familiar workflows.
AI要約OllamaはChatGPT Desktopからローカルモデルを直接利用できるようにし、MacOS版アプリで設定を提供する。Apple Siliconでの構造化出力も高速化され、既存のデスクトップ業務フローでオープンモデルを使いやすくする。
AI SUMMARYOllama enables its models in ChatGPT Desktop through setup in the macOS app and speeds up structured outputs on Apple Silicon. This helps open-model users keep their existing desktop workflow.
AI要約Ollama v0.33.1-rc0 がリリースされ、MLX バックエンドで Qwen3.8 Flash Next モデルのサポートが追加された。Apple Silicon 環境でのモデル選択肢が広がる。
AI SUMMARYOllama v0.33.1-rc0 adds MLX backend support for the Qwen3.8 Flash Next model, expanding the range of models available for efficient inference on Apple Silicon hardware.
AI要約AppleはM5 MaxとM5 Ultraを搭載した新型Mac Studioを発表し、M4 MaxとM3 Ultraに分かれていた前世代の混在状態を解消した。これにより同製品ラインが単一チップ世代に統一される。
AI SUMMARYApple has announced new Mac Studio models powered by the M5 Max and a new M5 Ultra, resolving the awkward split between M4 Max and M3 Ultra that defined the previous lineup and unifying the line under one chip generation.
AI要約AppleはMac miniにM6、Mac StudioにM5 Ultraを搭載し、処理性能とAI演算能力を大幅に強化した。次世代Macの中核を担う新チップの登場は、クリエイターや開発者に大きな恩恵をもたらす。
AI SUMMARYApple launched the M6 chip in the new Mac mini and M5 Ultra in the new Mac Studio, delivering a significant generational leap in both general performance and on-device AI compute capabilities.
AI要約MiniMaxがテキスト・画像・音声・動画を扱うマルチモーダルモデル「MiniMax-H3」を公開し、PipeNetworkがApple SiliconのMLXフレームワーク上でローカル実行できる実装を提供した。
AI SUMMARYMiniMax released MiniMax-H3, an omni-modal model supporting text, image, audio, and video generation including 15-second clips, and PipeNetwork published an MLX-based implementation enabling local inference on Apple Silicon.
AI要約M1 Max 64GBでQwen3.5-9B Q4量子化モデルを実測したところ、短い日本語回答に対して数千トークンの過剰出力が発生し、「GPT-4超え」の主張は実環境では検証困難であることが示された。
AI SUMMARYHands-on testing of Qwen3.5-9B (Q4, 6.6 GB) on an M1 Max revealed that a 131-character Japanese answer ballooned to 3,936 tokens, exposing a significant verbosity issue and making the widely-circulated "beats GPT-4" claim impossible to verify under real conditions.
AI要約Ollama 0.30.8にMLXバックエンドが統合されたが、バイナリ解析とログ突合の結果、通常の`ollama pull`で取得するGGUFモデルはMLXランナーを経由しないことが判明した。速度改善の恩恵を受けるにはモデル形式の確認が必要となる。
AI SUMMARYOllama 0.30.8 ships with an integrated MLX runner for Apple Silicon, but hands-on investigation on an M1 Max 64GB showed that standard GGUF models pulled via `ollama pull` do not go through the MLX path, meaning users cannot assume a speed gain without verifying the active backend.
AI要約Apple M3 Ultra・512GB搭載のMac Studio 1台でKimi K3を動かすため441GBに枝刈りし、Kimi Code CLIと組み合わせてSWE-Lancerの実タスク8本中5本・$3,500相当を達成した。
AI SUMMARYA developer pruned Kimi K3 down to 441 GB and ran it on a single Mac Studio (Apple M3 Ultra, 512 GB), achieving 5/8 correct on real SWE-Lancer tasks worth $3,500 using Kimi Code CLI as the harness.
AI要約Apple M5 Pro 48GBでの実測値と公開一次ソースを組み合わせ、6GB〜大容量までのVRAM階級ごとに最適なローカルLLMモデルをQwen3.5シリーズ中心にまとめたベンチマーク記事。
AI SUMMARYA practical benchmark guide selecting the best local LLM per VRAM tier (6 GB and up), combining direct measurements on Apple M5 Pro 48 GB with cited third-party data, with Qwen3.5 models dominating the lower tiers.
AI要約Sarashina2.2-OCRをApple Silicon向けMLXフレームワークへ移植する際、モデルカードに記載されていない実装の詳細を調査・解決した過程をまとめた記事。ローカル環境で高精度な日本語OCRを動かしたい開発者にとって実践的な参考資料となる。
AI SUMMARYThis article documents the process of porting the Japanese OCR model Sarashina2.2-OCR to the MLX framework for Apple Silicon, uncovering implementation details absent from the official model card. It serves as a practical guide for developers aiming to run high-accuracy Japanese OCR locally.
AI要約iPhoneのA19チップ上でGemma 4 12Bを動作させる際に投機的デコードを適用し、推論速度を最大2.4倍改善した手法を解説した記事。エッジデバイスでの大規模モデル実用化に向けた具体的な最適化アプローチとして注目される。
AI SUMMARYThis article details how speculative decoding applied to Gemma 4 12B on Apple's A19 chip achieves up to 2.4× inference speedup on iPhone, offering practical techniques for running large models efficiently on edge devices.
AI要約Apple Silicon 上で Core ML を使い Gemma 4 12B を 128K トークンのコンテキスト長で動作させる手順を解説した記事で、ローカル環境での大規模モデル活用の可能性を示している。
AI SUMMARYThis article explains how to run Gemma 4 12B with a 128K context window on Apple Silicon using Core ML, demonstrating that large open models can be deployed locally without cloud infrastructure.
AI要約Apple Silicon 向け MLX フレームワークで動作する gemma4 の e2b/e4b モデルの推論速度を実測・比較した記事。ローカル環境での実用性を判断する上で参考になるベンチマーク結果を提供している。
AI SUMMARYThis article benchmarks gemma4 e2b/e4b models running via the MLX framework on Apple Silicon, measuring real-world inference speed to assess local deployment viability.
AI要約M5 Mac上でGemma 4 12BとGemma 3を実際に比較し、エンコーダーフリー設計による推論速度の向上が実用レベルで体感できるかを検証した記事。ローカルLLM選定の参考になる実測データを提供している。
AI SUMMARYA hands-on benchmark comparing Gemma 4 12B and Gemma 3 on an M5 Mac, examining whether the encoder-free architecture delivers real-world inference speed gains for local LLM users.