M4 Mac mini 16GB か 24GB？Ollama を1週間回して、買い違えたと分かった

当初は 16GB + 外付け SSD で Ollama を回せば十分だと思っていました。ところが日常のメイン機にして——Chrome タブ20前後、VS Code、Slack に加え qwen3:8b を常駐させると——1週間も経たず Activity Monitor のメモリ圧力が黄色に。Swap は常に 1GB 前後。同じモデル・同じスクリプトの 24GB 機は、圧力バーが緑のままです。

スペック表の転載ではなく、M4 Mac mini（16GB / 24GB）2台を7日間並走した記録です。何を測り、どう測り、数字の出所はどこかを書きます。Qwen3、DeepSeek R1、Gemma 3 を 2026 年にどう選ぶか、OpenHuman、Claude Code、MLX と重ねたときメモリがどう溢れるかも整理します。

1週間実測：同シナリオで qwen3:8b

テスト機：Mac mini M4（10 コア CPU / 10 コア GPU）、16GB 1台・24GB 1台。OS とアプリのバージョンは揃えています。期間：2026.05.26–06.01。毎日2時間の「開発 + チャット」混合負荷。各指標は3回連続計測の中央値。

共通環境（裸の単一タスクではなく、実デスクトップに近づけた）：

• macOS 16（26.x テストチャネル、同一 build）
• Ollama 0.12.3（ollama --version）
• Google Chrome：20 タブ（Notion、GitHub、Gmail など）
• Visual Studio Code + 日本語 Language Pack
• Slack デスクトップ常駐

推論コマンド（定常5分後に読み取り）：

ollama pull qwen3:8b
ollama run qwen3:8b
# 別ターミナル：512 token プロンプトを連続投入し、2分後の Memory / Swap を記録

M4 Mac mini 16GB 実測

M4 Mac mini 24GB 実測

計測方法：「AI まとめ記事」式の測り方を避ける

本文の表の数字はすべて次の手順で取得しています。同じ Mac なら半日程度で再現できます：

1. 重みサイズ — ollama show qwen3:8b --modelfile とモデルディレクトリの *.gguf ファイルサイズ（ディスク ≠ 常駐メモリだが下限になる）。
2. 常駐メモリ — モデルロード後、Activity Monitor の「メモリ」で Memory Used / Swap Used / Memory Pressure（黄/緑）を記録。
3. 生成速度 — 512 token 固定プロンプトで --verbose から eval rate を読む：

ollama run qwen3:8b --verbose \
  "Apple 統合メモリについて400字で説明し、メリット・デメリットを3点ずつ列挙してください。"
# 出力の eval rate（tokens/s）を3回平均

vm_stat | awk '/swap/ {print}'
memory_pressure

含めていない要因：Ollama バージョン、量子化タグ（Q4_K_M vs Q5）で 0.5–1.5GB ずれることがあります。Gemma 3、DeepSeek R1 はタグを変えたら ollama pull 後に自前で再計測してください。下記 14B 行も同じ手順で追加計測しています。

2026 主流モデルの M4 Mac mini 占有（対照表）

記号：✅ 日常マルチタスクで常駐可；⚠️ 動くが Swap しやすい / アプリ整理が必要；❌ 主力非推奨。上記 Chrome+IDE 負荷前提（裸機ではない）。

MLX で同系の重みを回す場合、占有の形は Ollama に近いですがピークが「尖る」傾向があります。モデルカードのパラメータ数だけでなく、Activity Monitor で5分の定常を見てください。

追加実測：14B と DeepSeek（同環境）

Chrome / VS Code / Slack はそのまま、Ollama モデルのみ差し替え：

結論は明快：Qwen3 / DeepSeek 14B を日常主力にするなら、16GB は Swap と格闘し続けます。24GB ならブラウザと IDE を閉じずに済みます。

理論値 vs 実測：「14B Q4 約 8–10GB」の根拠

結論だけ「8–10GB」と書くと AI まとめに見えがちです。ここでは内訳を示し、上表 qwen3:14b と突き合わせます：

• 重みファイル — ollama pull qwen3:14b 後、ローカル GGUF は約 8.4–9.2GB（量子化タグで変動）。ディスク占有で、ロード後の常駐は mmap によりやや小さくなることもあるが、桁は変わらない。
• KV キャッシュ — コンテキスト 8k、batch=1 で 1–3GB 追加が一般的。OLLAMA_CONTEXT_LENGTH を伸ばすと 16GB 機はより早く上限に触れる。
• 実測合計 — 同シナリオ qwen3:14b の 24GB 機使用 19.1GB = 重み級 + KV + Chrome/IDE/システム（約 5–6GB）。モデル単体は 13–14GB 程度と逆算でき、「8–10GB 重み + 数 GB ランタイム」と整合。

つまり：14B Q4 自体は動くが、「フル装備デスクトップ」とはデフォルト共存しない——24GB に上げるか、タブを閉じ context を下げるか、RAG 埋め込みを別マシンへ。

Claude Code、OpenHuman と重ねたとき：メモリはさらに足りない

1週間のうち、2026 年に多い「開発 + ローカルモデル」の組み合わせも試しました：

• Claude Code + ローカル Ollama — ターミナル Agent は Anthropic API、Ollama はオフライン下書きや機密断片用。VS Code / Cursor だけで 1–2GB、Chrome 加算で 16GB 機に 14B の余裕はほぼない。
• OpenHuman + qwen3:8b — デスクトップ Agent と Memory Tree 同期でバックグラウンドが安定して 1GB+。手順はOpenHuman インストールガイド参照。24GB 機なら OAuth 同期 + 8B を Swap なしで維持可能。
• MLX — Xcode / Core ML パイプラインと同時だとコンパイルピークで一瞬メモリ上限。専有 macOS ノードでバッチ処理し、16GB 開発機と役割分担が現実的。

大規模リポジトリに CodeGraph + Claude Code MCP を足すと、索引自体はメモリを食い尽くしませんが、Chrome を閉じたくなくなる——結果的に 24GB 側へ押されます（CodeGraph ローカル構築参照）。

購入結論（実測ベース、スペック表ではない）

• 16GB を選ぶ — ローカルは 8B 級（Qwen3 / DeepSeek R1）中心、Swap とたまのタブ整理は許容；または Claude / GPT API が主力で Ollama は予備。
• 24GB を選ぶ — デフォルトが 14B + ブラウザ + IDE + Agent；Gemma 3 27B を試す余白が欲しい；3–5 年メモリで詰まりたくない。

GPU クラウドとのコスト比較と矛盾しません。メモリ容量は「1台で快適か」、クラウドは「24/7 と固定 IP」の話です。

M4 Mac mini と RTX 5060 自作、どちらを買う？

「ローカル AI」で実際に比較されているのは、Apple Silicon 統合メモリ（Mac mini / Mac Studio） と NVIDIA VRAM（RTX 5060 構成） の2ルートです。ZavCloud は Cloud Mac——専有 macOS の M4 Mac mini——を提供しているので「GPU を買うな」とは言いません。境界をはっきりさせます：どの用途が Mac に、どれが RTX かクラウド GPU に向くか。

Mac Studio はメモリ上限を 64GB+ に上げるだけで、シーンは Apple エコシステム寄り。AWS / 阿里云 GPU は 70B フル、学習、Stable Diffusion バッチ向き。以下は「実デスクトップ負荷」（Chrome + IDE 前提）の整理です。

M4 Mac mini が有利なシーン

RTX 5060 自作が有利なシーン

購入前：1週間試してから決める

16GB と 24GB で迷うなら、次の順が安全です：

1. 閉じないアプリを書き出す（タブ数、IDE、Slack、Agent）；
2. 上記コマンドで Qwen3 8B + 14B を各30分、Swap と tok/s を記録；
3. 14B で Swap が常時 1GB 超なら 16GB は除外。

実機がなければ、同構成 Apple Silicon クラウドで Ollama ワークフロー・ナレッジベース・Agent を1週間走らせ、メモリ曲線を見てから实体を買う方が、盲目的な構成アップより安上がりなことが多いです。

Mac mini クラウド運用では「手元 16GB で開発 + クラウド 24GB で Ollama / OpenHuman 常駐」が定番です——ZavCloud の M4 Mac mini 専有インスタンス（ネイティブ macOS、固定 IP）は購入前の圧測向きで、判断の代行ではありません。詳細はMac mini クラウドレンタルをご覧ください。

• 関連記事 — M4 推論 vs GPU クラウド · OpenHuman × Ollama · Claude Code + CodeGraph

よくある質問（FAQ）

検索で多い質問を、上記実測表と揃えて整理しました。再現時の参照用です。

Qwen3 14B にはどれくらいメモリが必要？

本文と同じデスクトップ負荷（Chrome 約20タブ、VS Code、Slack）で、qwen3:14b 定常時使用約 19.1GB（24GB 機）。16GB 機は 15.8GB 使用 + 2.3GB Swap。モデル本体だけなら GGUF 重み 8.4–9.2GB に KV とシステム分が加わり、実用下限は 24GB 統合メモリ。16GB はブラウザを閉じ OLLAMA_CONTEXT_LENGTH を下げる実験向き。

DeepSeek R1 14B は動く？

deepseek-r1:8b は 16GB で常駐可（Swap 約 1GB、33 tok/s）、Qwen3 8B と同級。14B 級（deepseek-r1:14b 等）は qwen3:14b に近い曲線：24GB なら Swap ゼロ（約 28 tok/s 級）、16GB は長期 Swap で約 18 tok/s。14B 主力なら 24GB、16GB への賭けは非推奨。

16GB はもう時代遅れ？

一夜にして淘汰されないが、2026 年のデフォルト負荷は「たまの ollama run」から「ブラウザ + IDE + 8B 常駐 + Agent」へ移っています。16GB が向くのは 8B 推論、API 中心、タブ整理 OK。Claude Code / OpenHuman をデフォルト ON にしたく Swap も避けたいなら、16GB は「入門」に近づいています。

24GB は何年持つ？

現行ペース（8B–14B 主力、27B 試用）なら 24GB は約 3–5 年「デスクトップ + ローカル Agent」のスイートスポット：14B、埋め込み、開発ツールを同時に載せられる。それ以上（32B+ 常駐）は Mac Studio / クラウド GPU を計画。Mac mini は出荷後メモリ増設不可。

Ollama と MLX、どちらがメモリに優しい？

日常対話推論：Ollama が扱いやすい。 GGUF + 常駐プロセスの footprint が予測しやすく、Activity Monitor の読みと一致。MLX はロード・コンパイル、Xcode パイプライン同時実行でピークが尖る。平均が低くても一瞬で上限に触れ Swap しやすい。Ollama をデフォルトチャット/RAG に、MLX はバッチか専有ノードへ。

Mac mini と RTX 5060、ローカル AI 向きはどちら？

テキスト 8B–14B、Claude Code、iOS 開発：M4 Mac mini（24GB 推奨）。 統合メモリ + macOS ツールチェーンが強み。Stable Diffusion、70B 量子化、ゲーム：RTX 5060。 VRAM と CUDA エコシステムは Mac mini では代替不可。最終形は「Mac mini + RTX かクラウド GPU」の分担が多いです。

M4 Mac mini 16GB で Qwen3 8B は足りる？

足ります。実測 13.2GB 使用、Swap 約 1.1GB、34 tok/s、メモリ圧力黄色。たまのカクつき OK なら 16GB；Swap ゼロのデスクトップなら 24GB（16.4GB 使用、37 tok/s）。

24GB は 16GB より Ollama がどれだけ速い？

同モデル qwen3:8b で約 9%（34 vs 37 tok/s）のみ。24GB の核心はSwap ゼロ、14B と第2小モデルの余裕で、生算力2倍ではありません。

Gemma 3 27B は 24GB Mac mini で動く？

⚠️ 強量化での試用のみ；コンテキストを伸ばすと OOM。8B–14B が 24GB の快適域。27B 主力は RTX かクラウド GPU。

AI のために Mac Studio に課金する価値は？

8B–14B + 開発だけなら M4 Mac mini 24GB のコスパが高い。64GB 統合メモリ、複数 14B/32B、重い MLX パイプラインが必要なら Mac Studio；まず Cloud Mac でメモリ曲線を検証してから Studio 判断も合理的。

どのメモリ容量を買うか迷ったら？

本文コマンドで 8B + 14B を各30分、Swap とメモリ圧力を確認。実機がなければ同構成 M4 Mac mini クラウド（24GB）に Ollama / OpenHuman を載せ1週間観察——盲目の増配や RTX 先行より安いことが多い。

実測データは再現できる？

できます。Ollama 0.12.x、同じ Chrome/IDE/Slack シナリオなら絶対値は ±10% 程度のブレがありますが、16GB で Swap、24GB で Swap ゼロ、14B は 24GB という傾向は一致するはずです。