飛行機内でローカルAI開発！M5 Maxで10時間格闘した驚愕の記録

📰 ニュース概要

• 10時間のロンドン〜ラスベガス便（Wi-Fiなし）にて、MacBook Pro M5 Maxを使用しローカルLLMのみでエンジニアリング作業を完遂。
• Gemma 4 31BやQwen 4.6 36BをLM Studioで動かし、DuckDBベースの請求分析ツール構築や400万トークンのリファクタリングを実施。
• 深刻な熱問題、1分で1%減るバッテリー、そしてケーブルの種類（iPhone用 vs Mac用）による給電能力の劇的な差（60W vs 94W）が判明した。

💡 重要なポイント

• モデル性能: 特定スコープのコーディングにおいて、Gemma 4やQwen 4.6はフロンティアモデルに匹敵する出力を発揮した。
• ハードウェアの限界: 継続的な高負荷で筐体が非常に熱くなり、コンセント接続（60W）でもバッテリーが減り続ける事態が発生。
• インフラの盲点: 使用するケーブルがiPhone用かMacBook用かで給電効率が36%も変化し、パフォーマンスのボトルネックになっていた。

🦈 サメの眼

ついに空の上でも「完全オフラインAI開発」ができる時代が来たサメ！注目すべきは、単にチャットしただけでなく、DuckDBを組み合わせた分析ツールまで作り上げている点だサメ。M5 Maxの128GBユニファイドメモリをフル活用し、Gemma 4のような30B超えモデルを機内でぶん回すパワーは圧巻だサメ！

特に「ケーブル1本で出力が34Wも変わる」という発見は、現場主義のエンジニアらしい鋭い着眼点だサメ。物理的な熱や電力消費に直面することで、クラウドでは見えにくい「推論コスト」への直感が磨かれるという考察も非常に深いサメ！これぞ「メカニカル・シンパシー（機械への共感）」だサメ！

🚀 これからどうなる？

今後はNeural Engine（ANE）に最適化された小型LLMの活用が進み、さらに省電力で高速な機内開発が可能になるサメ。また、モバイル環境での「電力管理・テレメトリツール」の重要性が、開発者の間で再認識されることになるサメ。

💬 はるサメ視点の一言

機内の膝の上が焼ける熱さでも開発を止めない根性、サメも見習いたいサメ！ケーブル選びは命取りだサメ！🦈🔥

📚 用語解説

• Gemma 4 / Qwen 4.6: 2026年時点の最新オープンソースLLM。ローカル環境で高い推論性能を発揮し、特定のエンジニアリングタスクでクラウドモデルを代替し始めている技術。

• ユニファイドメモリ: CPUとGPUが高速に共有できるメモリ構造。Apple Siliconの特徴であり、LLMのような巨大なパラメータを持つモデルを高速に処理するために不可欠な要素。

• LM Studio: ローカル環境でLLMを簡単に実行・管理できるプラットフォーム。推論の統計データ（スループットやレイテンシ）を計測する機能も持つ。

• 情報元: Running Local LLMs Offline on a Ten-Hour Flight