このクラウドMacを何に使いますか

よくある一日はこうです。Releaseアーカイブを実行すると、ローカルMacのファンがフル回転し、Xcodeが固まり、タイピングすらカクカクし始めます。中規模のSwiftプロジェクトでは1回のArchiveに7〜10分かかり、リリース日には十数回実行することもあり、それだけで半日が消えてしまいます。

クラウドに切り替えれば話は変わります。OpsMacミニクラウドでM4 Home(16GB / 256GB、$19.4/日)を1台レンタルし、SSHでログインしてfastlaneをセットアップ、matchの証明書リポジトリを同期すれば、以降のビルドはすべてクラウドの物理マシン上で実行されます——ローカルマシンはコードを書くこととコーヒーを飲むことだけに専念できます。

導入チェックリスト

• 注文後、認証情報がメールで届きます。決済からSSHログインまで10分未満なので、リリース当日の朝にレンタルしても間に合います
• マシンにはXcodeがプリインストールされており、プロジェクトに応じてバージョンを切り替え可能。コマンドラインツールも完全に使用できます
• fastlane matchで証明書とプロビジョニングプロファイルを同期。署名環境は一度設定すれば、macOSを再インストールしてもコマンド1つで復元できます
• gymでアーカイブ、pilotでTestFlightにアップロード。全工程GUI不要。シミュレーターを確認したい場合はVNC画面共有を使います
• リリース完了当日に解約すれば、使った日数分だけの支払いで済みます

ホスト型macOSランナーには昔から2つの問題があります。1つは共有VMの性能のブレで、同じパイプラインが今日は9分、明日は14分とばらつき、キャッシュヒットもランダムに失敗すること。もう1つはmacOS仮想化自体のコンプライアンス上の懸念です——Appleのソフトウェアライセンスはmacos実行環境について明確な制約を設けており、仮想化方式には常に説明コストが伴います。

専有物理マシンを1台つなげば、この両方を同時に解決できます。GitHub Actions、Jenkins、GitLab Runnerはいずれも公式のself-hosted方式で登録でき、ビルドはM4チップ上で直接実行されます。仮想化レイヤーもなく、他ユーザーとの競合もないため、ビルド時間のグラフは一直線になるほど安定します。

$ ./config.sh --url https://github.com/your-org/your-repo --token ****
√ GitHubへの接続に成功、タグ:[self-hosted, macOS, ARM64]
$ ./svc.sh install && ./svc.sh start
✓ ランナー「mini-m4-tokyo-01」がオンラインになりました。常駐デーモンが有効です

同時実行数が足りなくなっても、大きなマシンに乗り換える必要はありません。同型機を追加でレンタルし、Thunderbolt 5接続オプション(1台あたり$6.7/月)で複数台を小規模なビルドクラスタとして構成すれば、マトリクスジョブを複数の物理マシンに分散して並列実行できます。

Apple Siliconのユニファイドメモリアーキテクチャでは、CPUとGPUが同じメモリプールを共有します。モデルの重みをメモリに読み込めばGPUがそのまま使えるため、「VRAMが足りないのにメモリは余っている」といった無駄が発生しません。M4 Pro Workstationの64GBユニファイドメモリは、推論用途では64GBクラスの大容量VRAMそのものです。

MLXはAppleが公式に提供する機械学習フレームワークで、Mシリーズチップ向けにネイティブ最適化されています。llama.cppのMetalバックエンドも同様に成熟しており、Core MLはモデルをアプリに組み込む前の変換・検証に適しています。この3つのルートはすべてこのマシン上でそのまま実行でき、1日レンタルしてモデルを試したり、1か月レンタルして長期の実験をしたりして、いつでも解約できます。

量子化モデルのメモリ使用量一覧

使用量は経験値であり、量子化方式やコンテキスト長によって変動します。判断に迷う場合は、まず1日レンタルして実測するのが得策です。$59.9で1日丸ごと検証できるので、推測より確実です。