2026年初めの時点では、MacのPyTorchで小さなモデルを動かすだけでも、未対応の演算、急な速度低下、知らぬ間に膨らむメモリをかわしながら作業することがよくありました。Apple向けの作業の多くをHugging FaceのPyTorchチームが担ったPyTorch 2.15は、その差を大きく縮めます。Transformers、Diffusers、ComfyUIなどでApple silicon上でモデルをローカルに動かす人にとって、ここしばらくで最も影響の大きいMac向けリリースです。
目玉は、Mixture-of-Expertsモデルの速度です。トークンごとに重みの一部だけを使うこの方式は、高性能なオープンモデルの一般的な設計になっています。専用のデコード経路をもつネイティブのグループ化行列積と、GPUがCPUを待つ停止の削減により、2.14より5〜6.5倍速くデコードできるようになりました。torch.compileを使ったM3 Ultraでは、Qwen3.6-35B-A3Bが毎秒9.4トークンから61.3トークンに、LFM2.5-8B-A1Bが23.6から123.6になります。密なモデルにも恩恵があります。デコードの層は専用の行列ベクトル積カーネルを使うようになり、実在する96の層形状で平均1.23倍の高速化となったほか、大きな語彙に対するsoftmaxは約8倍速くなりました。
速度と同じくらい重要な修正もあります。AppleのMPSバックエンドにFP8テンソルが加わり、BF16の半分の容量で値を保存し、GPU上で直接掛け算できます。Wan2.2のタイル分割VAEによる動画のデコードは、以前はメモリが約270 GiBまで膨らみましたが、今は最大で約8 GiBです。2.14でQwen-Image-2.1による画像編集の画像をひそかに壊していたパディングの不具合も直り、エンコードとデコードを往復した結果が、10.06 dBだったも のから29.95 dBでCPUと一致するようになりました。
Macの利用者にとっては、モデルがすでにPyTorchで動くのに、私たちがレビューしているApple専用のフレームワークMLXに回り道する理由が減ります。MLXが不要になるわけではありませんが、PyTorch向けに書かれたコードがMacでうまく動くまでの道のりは格段に楽になりました。
更新の前に2つの注意があります。新しい最低条件はmacOS 15とPython 3.11で、古い環境は動かなくなります。速度の数字はHugging Face自身の測定で、主にAppleの最上位機種M3 Ultraでのものなので、普通のノートパソコンでは絶対的な改善幅は小さくなります。アテンションの一部は依然としてAppleの古いMPSGraph層で処理されており、完全にMetalで動くアテンションは2.16で予定されていて、今回のリリースには含まれていません。