GoogleのオープンLLM「Gemma 4」は、ローカル環境で動かせる現実的な選択肢として注目されています。今回はMacでLLMを手軽に扱えるOllamaを使い、M2 Mac mini（メモリ16GB）で実際に動作を検証しました。
ローカルLLMとは、ChatGPTのようなAIをクラウドではなく、自分のPC上で直接動かす仕組みのことです。インターネット接続なしでも動作し、データを外部に送らずに使えるのが特徴です。
実際にローカルLLM環境を組み始めると、メモリだけでなく、SSD容量・外付けストレージ・Dock・バックアップ構成まで重要になってきます。
自分が実際に使っているMac mini環境や周辺構成については、Mac mini M4環境構築ガイドにもまとめています。
結論から言うと、16GBでもGemma 4 e4bの動作は可能。ただし「常用するには厳しい」というのが正直なところです。
一方で、Gemma 2 2BやGemma 3 4Bクラスであれば、M2 Mac mini 16GBでもかなり現実的に使えます。この記事では、どこまで使えるのか、どこで限界を感じるのか。そしてAI用途を見据えてMacを選ぶ際に後悔しやすいポイントも整理します。
1. OllamaでGemma 4を動かす手順（最短ルート）
MacでローカルLLMを動かすなら、現時点ではOllamaが最も手軽です。セットアップは数分で終わります。
# Ollamaのインストール
brew install ollama
# サービス起動
brew services start ollama
# Gemma 4の起動（初回は自動DL）
ollama run gemma4:e4bこれだけでターミナル上でAIとの対話が始まります。API経由でn8nや自動化ツールと連携できるのも大きなメリットです。
2. M2 Mac mini（16GB）の実用性はどこまでか
検証環境はDockerとn8nを常時稼働させているサーバー用途のMacです。
Gemma 4 e4b自体は起動し、文章生成も行えます。ただしメモリはほぼ上限に達しており、別のタスクが走るとスワップが発生してレスポンスが目に見えて遅くなります。並列処理はほぼ期待できません。
単発の文章生成や軽いチャット用途、シンプルなAPI連携であれば使えるレベルです。一方でエージェント系の自動化や複数モデルの切り替え運用は厳しい。
体感としては、Gemma 2 2BやGemma 3 4Bは「普通に会話できる速度」です。一方でGemma 4 e4bは、質問内容によっては待ち時間が発生し、長文生成では重さを感じました。
| モデル | M2 Mac mini 16GB | 実用性 |
|---|---|---|
| Gemma 2 2B | 快適 | 常用向け |
| Gemma 3 4B | かなり実用的 | 軽作業・チャット向け |
| Gemma 4 e4b | 動作は可能 | 検証・試用向け |
| さらに大きいモデル | 厳しい | 非推奨 |
モデルの重さで比べると、Gemma 2 2BやGemma 3 4Bは快適に動きます。Gemma 4 e4bはギリギリ動く、それ以上のモデルは実用外と考えておいたほうが無難です。
つまり、16GBは「Gemma 4を試すには十分、Gemma 2 2BやGemma 3 4Bを常用するなら現実的」という立ち位置です。
特にローカルLLM用途では、メモリ不足がそのまま快適性に直結します。
「24GBは本当に必要なのか？」「16GBでは後悔するのか？」については、実際にM2/M4の使用感を踏まえて別記事で詳しく整理しています。
→ Mac mini M4のメモリ24GBは意味ない？16GBとの違いと後悔しない選び方
3. ローカルLLMは「メモリ帯域幅」で体感速度が変わる
LLMのローカル動作では、CPU性能よりもメモリ帯域幅——つまりメモリからデータを読み出す速度——が体感速度に直結します。
モデルの推論中は常に大量のパラメータを読み続けるため、簡単に言うと、この読み込み速度がそのまま「回答の速さ」になります。
実際、M2からM4に乗り換えた場合でもCPU性能の差による体感変化は限定的で、それ以上にメモリ容量やメモリ帯域幅の違いが効いてきます。特にローカルLLMでは、この2つの要素によって「そもそも動くか」「どれだけ快適に使えるか」が大きく変わります。
| チップ | 帯域幅 | 体感 |
|---|---|---|
| M2 | 100GB/s | 標準 |
| M4 | 120GB/s | やや改善 |
| M4 Pro | 273GB/s | 明確に速い |
| M4 Max | 最大546GB/s | 別次元 |
Pro以上になると「返答を待つ感覚」が明確に変わります。
4. AI用途で後悔しないMacの選び方
MacはメモリとSSDの両方を購入時に決める必要があります。後からメモリを増やすことはできません。一方、ストレージは外付けで拡張できます。
よくある失敗は、SSDを1TBに増量してメモリを16GBに抑えるパターンです。ストレージが増えてもAIの動作環境は変わらず、後でメモリ不足に気づいても手の打ちようがありません。
メモリの目安は以下のとおりです。
- 24GB：実用ライン（余裕を持って動かせる最低限）
- 32GB以上：長期運用や複数タスク同時実行を見据えるなら
実際に「ストレージを優先してメモリを削った」構成は、AI用途ではほぼ確実に後悔します。
実際、自分もMac miniをAI用途・NAS・Docker・n8n運用まで広げる中で、「最初にどこへ予算を振るべきか」はかなり重要だと感じました。
現在の実運用構成や、SSD・Dock・バックアップ環境まで含めた全体像は、Mac mini M4環境構築ガイドにまとめています。
5. ストレージは外付けSSDで補う
AIモデルは数GB〜数十GBになるため、内蔵SSDはあっという間に圧迫されます。内蔵は最小構成にしておき、モデルデータは外付けNVMe SSDに逃がす運用が合理的です。
Mac miniはポートが限られているため、外付けSSDや周辺機器を増やすと接続まわりで悩みやすくなります。その点、ドック型SSDを使えばストレージ拡張とポート不足を同時に補えるため、デスク環境もすっきりまとまります。
→ Mac miniのポート構成やドッキングステーションの選び方については、実機レビューと比較記事でまとめています。
Mac mini M4 ドッキングステーション実機レビュー｜USBポート不足とストレージ問題を同時に解決した話
Mac mini M4 ドッキングステーションおすすめ5選｜SSD内蔵モデルを実体験ベースで比較
ポチップまとめ
M2 Mac mini（16GB）でもGemma 4 e4bは動作します。ただし、メモリ使用量にはかなり余裕がなく、常用目的では厳しさも感じました。
一方で、Gemma 2 2BやGemma 3 4Bクラスであれば、M2 Mac mini 16GBでもかなり快適に動作します。軽量モデルを中心に使うのであれば、ローカルLLM環境として十分実用的です。
Gemma 4は「どこまで動くか試したい人向け」、Gemma 2 2BやGemma 3 4Bは「実際に日常利用したい人向け」という印象でした。
| メモリ | 用途感 |
|---|---|
| 16GB | 検証・軽用途向け |
| 24GB | 実用ライン |
| 32GB〜 | 長期・複数タスク向け |
AI用途でMacを選ぶなら、メモリを優先して選び、ストレージは外付けで補うのが長く使える構成です。購入後に後悔しやすいのはメモリの方なので、予算に迷ったらメモリに振ることをおすすめします。
Mac miniでAI環境を構築する場合、実際にはメモリだけでなく、外付けSSD・Dock・NAS・バックアップ構成まで含めて考えるとかなり快適性が変わります。
現在の実運用環境や、Mac mini周辺機器の選び方については、Mac mini M4環境構築ガイドでも詳しくまとめています。