重要なポイント
- TurboFieldfare（github.com/drumih/turbo-fieldfare）は、無料・オープンソースのネイティブSwift/Metalランタイムで、llama.cppやMLXのラッパーではない
- Apache 2.0ライセンス、GitHubリポジトリのLICENSEファイルで確認済み
- モデルファミリーはただ1つ、instruction-tunedのGemma 4 26B-A4Bのみを実行（合計260億パラメータ、トークンごとに約38.8億がアクティブ）
- 1.35GBの共有コアと4Kトークン分のKVキャッシュだけをメモリに常駐させ、残りのmixture-of-expertsの重みは生成中に
pread呼び出しでSSDからストリーミングすることで、約2GBのRAM使用量を実現 - ネイティブSwiftUI/AppKit Macアプリ、コマンドラインインターフェース（TurboFieldfareCLI）、実験的なループバックOpenAI互換サーバー（TurboFieldfareServer）の3つの利用方法を提供
- Apple Silicon Mac、Metal 4搭載のmacOS 26、ビルドにはSwift 6.2以降のXcode 26が必要 — パッケージはarm64専用
- このレビュー時点でGitHubスター6,750超、フォーク430以上
📍 一文で説明
TurboFieldfareは、GitHubスター6,750超を持つApple Silicon Mac向けの無料・オープンソース（Apache 2.0）ネイティブSwift＋Metalランタイムで、mixture-of-expertsの重みの大半を14.3GBのモデル全体をメモリに読み込む代わりにSSDからストリーミングすることで、GoogleのGemma 4 26B-A4Bモデルを約2GBのRAMで実行します。
💬 簡潔に説明
TurboFieldfareは、Apple Siliconチップを搭載したMac上でソースからビルドする無料アプリです。モデルの小さな「コア」だけを常にメモリに保持し、残りは必要に応じてディスクから読み込むため、8GBのRAMしかないMacでも大規模（260億パラメータ）なAIモデルをローカルで実行できます — クラウド不要、サブスク不要、Gemma 4 26B-A4B以外のモデルも使えません。
📌補足: このレビューは、Local LLM Software DirectoryにあるTurboFieldfareのエントリーの詳細版です — TurboFieldfareが他の数十のローカルAIツールと一目でどう比較されるかはそちらのページを参照してください。
TurboFieldfareとは何か
TurboFieldfareは、Apple Silicon Mac向けのモデル特化型ローカル推論ランタイムで、汎用エンジンのように任意のモデルをサポートするのではなく、単一のモデル — Gemma 4 26B-A4B — を厳しいメモリ予算内で動かすために作られています。 自身のGitHubのREADMEはこう率直に説明しています。「約2GBのRAMでのGemma 4 26B-A4B推論。8GBのMacでも動く、あらゆるApple Silicon Mac向けの独自Swift + Metalランタイム。」
- 製品タイプ: ネイティブSwift/Metalランタイム、CLI、Macアプリ — 自身のREADMEによればllama.cppやMLXのラッパーではない
- 対象範囲: モデル特化型で、instruction-tunedのGemma 4 26B-A4Bのみを実行、マルチモデルエンジンではない
- リポジトリ: github.com/drumih/turbo-fieldfare、2026年7月17日作成
- ライセンス: ソースコードはApache 2.0。モデルの重みはGoogle独自のGemma利用規約の対象で、Hugging Faceから別途ダウンロード
- 規模: このレビュー時点でGitHubスター6,750超、フォーク430以上、オープンなissue26件
- 混同への注意: 他のGitHubアカウントにほぼ同名・同説明のリポジトリが複数存在する。drumih/turbo-fieldfareがオリジナルかつ最もスターが多く、本レビューが扱う対象
TurboFieldfareのプロジェクト履歴とバージョンの節目
TurboFieldfareのGitHubリポジトリは2026年7月に作成され、比較的新しいプロジェクトですが、それ以降複数のリリースを重ねており、直近ではMacアプリにローカルの会話履歴機能が追加されました。
- 1リポジトリ作成 — 2026年7月17日
Why it matters: GitHubのメタデータによると、TurboFieldfareの正規のGitHubリポジトリ（drumih/turbo-fieldfare）が作成された。 - 2v0.7.2 — 直前のリリース
Why it matters: v0.8.0の直前のリリースで、そのリリースのチェンジログの比較リンクで参照されている。 - 3v0.8.0 — 2026年9月8日: ローカル会話履歴
Why it matters: 公式リリースノートによると、Macアプリが会話履歴をローカルに保存するようになり、保存されたテキストや画像を含む過去のチャットをサイドバーから検索・リネーム・削除・再度開けるようになった。このリリースは明示的に「ソースのみ」とされており、ビルド済みバイナリの添付はない。
TurboFieldfareは実際に何をするのか
TurboFieldfareの機能セットは、控えめなApple Siliconハードウェア上で単一の大規模モデルを使えるようにすることに集中しています。以下は、自身のGitHubのREADMEとドキュメントに基づく、各部分の実際の役割です。
- SSDからのエキスパート重みのストリーミング — 約14.3GBのGemma 4 26B-A4Bモデル全体をメモリに読み込む代わりに、TurboFieldfareは1.35GBの共有コアとFP16のキー・バリューキャッシュだけをメモリに保持し、各トークンに必要なmixture-of-expertsの重みだけを
pread呼び出しでディスクからストリーミングする。SSDに保存されたエキスパートキャッシュにはLFU（least-frequently-used）の追い出し方式を使用 - 独自のMetalカーネル — 量子化されたGEMV、Attention、mixture-of-expertsのルーティング、正規化、サンプリングを、汎用のMLフレームワークに頼らず手書きのMetalカーネルが処理
- チャンク化プリフィル — プロジェクトのシステム設計ドキュメントによると、チャンク化されたプリフィル戦略により、メモリ使用量を抑えたまま最初のトークンまでの時間を短縮
- 3つのインターフェース、1つのモデルストア — ネイティブMacアプリ、コマンドラインインターフェース（TurboFieldfareCLI）、実験的なループバックOpenAI互換サーバー（TurboFieldfareServer）はすべて同じ
.gturboモデルディレクトリを読み込むが、モデルを所有するプロセスは一度に1つだけ実行すべき - オプションのビジョンタワー — 画像入力は、別途インストール可能なビジョンタワー用アドオンパック（約1.1GB）でサポートされ、M2以降のMacが必要。テキストのみの推論はM1でも引き続き利用可能
- アプリ/CLIでのツール実行なし — MacアプリとCLIはユーザー/モデルのメッセージと任意のシステム指示をサポートするが、ツールを公開・実行することはない。READMEによれば、ループバックサーバーはfunction-toolの宣言を受け付け、モデルが生成したツール呼び出しをクライアントが実行できるよう返す
- 音声・動画には非対応 — 自身のドキュメントによると、TurboFieldfareは音声または動画の入力をサポートしない
使用例: TurboFieldfareを使う3つの方法
これらはTurboFieldfare自身のドキュメント化されたREADMEに基づく具体的なワークフローであり、仮想的なユースケースではありません。
TurboFieldfareをインストールする
TurboFieldfareにはビルド済みインストーラーがなく、Swift Package Managerを使ってソースからビルドします。ソースコードはGitHubにあります。 自身のREADMEによると、インストール手順は次のとおりです。git clone https://github.com/drumih/turbo-fieldfare.git、次にcd turbo-fieldfare、次にswift build -c release、そして.build/release/TurboFieldfareMacを実行。
ソース | リンク |
|---|---|
| GitHubリポジトリ（ソースコード、Apache 2.0） | github.com/drumih/turbo-fieldfare |
| システム設計ドキュメント（ランタイムの仕組み） | docs/SYSTEM_DESIGN.md |
| ベンチマーク | docs/BENCHMARKS.md |
| リリース（タグ付きバージョン） | github.com/drumih/turbo-fieldfare/releases |
ビルドには、Metal 4搭載のmacOS 26のApple Silicon Macに加え、Xcode 26とSwift 6.2以降が必要です — パッケージはarm64専用で、IntelのMacや他のプラットフォームはサポートされません。初回実行時にSwift Package Managerが必要なトークナイザーパッケージをダウンロード・ビルドし、その後アプリがテキスト生成前に約15GBのモデルの重みをダウンロードします。要件はリリースごとに変わる可能性があるため、最新の要件をリポジトリのREADMEで直接確認してください。
TurboFieldfareの料金: 本当に無料なのか
はい — TurboFieldfareに有料プランはありません。 ソースコードはApache 2.0ライセンスで、ビルドと実行は無料です。プロジェクト自体によるサブスク、アカウント、利用制限はありません。
- サブスクなし、有料プランなし、TurboFieldfare自体による利用制限もなし
- アプリ、CLI、サーバーをビルド・実行するのにアカウントやサインアップは不要
- Gemma 4 26B-A4Bのモデルの重みはHugging Faceから一度だけダウンロードされ、TurboFieldfareのApache 2.0ソースライセンスとは別に、Google独自のGemmaモデル利用規約の対象
- 継続的なコストは自分のハードウェアとディスク容量のみ: テキストモデルに約14.3GB、オプションの画像ビジョンタワーをインストールする場合はさらに約1.1GB
TurboFieldfare対Ollama
TurboFieldfareとOllamaは異なる課題を解決します。Ollamaは、macOS、Windows、Linuxで動作し、大規模かつ拡大を続けるオープンウェイトモデルのカタログをサポートする汎用ローカルモデルランナーです。一方TurboFieldfareは、Gemma 4 26B-A4Bを約2GBのRAMに収めることに最適化された、Apple Silicon専用の単一モデルランタイムです。
モデルサポート
- TurboFieldfare対Ollama:
- TurboFieldfareはGemma 4 26B-A4Bのみを実行。Ollamaは幅広く、定期的に更新されるオープンウェイトモデルのカタログをサポート。
プラットフォーム
- TurboFieldfare対Ollama:
- TurboFieldfareはApple Silicon macOS専用（arm64、macOS 26以降）。OllamaはmacOS、Windows、Linuxをサポート。
インストール方法
- TurboFieldfare対Ollama:
- TurboFieldfareはSwift Package Manager経由でソースからビルド。Ollamaはプラットフォームごとにビルド済みインストーラー/バイナリを提供。
メモリへのアプローチ
- TurboFieldfare対Ollama:
- TurboFieldfareは8GBのMacに収めるためエキスパート重みの大半をSSDからストリーミング。Ollamaはハードウェアで利用可能なRAM/VRAMに応じてモデルを読み込み、同程度の規模のモデルには一般により多くのメモリが必要。
エンジンの基盤
- TurboFieldfare対Ollama:
- TurboFieldfareはllama.cppをベースにしない独自のSwift/Metalランタイム。Ollamaは推論コアとしてllama.cpp（GGML）をベースにしている。
メモリが限られたApple Siliconハードウェアで1つの特定の大規模モデルを実行することが優先事項であれば、TurboFieldfareの狭い対象範囲こそが強みです。多くのモデルとプラットフォームにわたる柔軟性が優先事項であれば、Ollamaがより幅広い汎用ツールです — 詳細はOllamaレビューを参照してください。選ぶ前に、各プロジェクトの公式サイトで現行の機能詳細を直接確認してください。
TurboFieldfareは誰に向いているか
TurboFieldfareが合うかどうかは、汎用のローカルモデルランナーが必要かどうかではなく、メモリが限られたApple Silicon Mac上で特にGemma 4 26B-A4Bを実行したいかどうかによります。
競合とその他の選択肢
TurboFieldfareは、ローカル推論エンジンの分野では最も多くOllamaやLMDeployと比較されます。最大の違いは、多くのモデルをサポートする汎用エンジンではなく、対象範囲を絞ったモデル特化型ランタイムであることです。
ツール | 最も知られている点 | リンク |
|---|---|---|
| Ollama | 大規模なモデルカタログを持つ汎用ローカルモデルランナー、macOS/Windows/Linux | Ollamaレビュー |
| LMDeploy | LLMの圧縮・デプロイ・提供のためのツールキット、推論スループットに重点 | LMDeployレビュー |
このリストは、ローカル推論エンジンの分野でTurboFieldfareと一般的に比較されるツールを反映したものであり、PromptQuorumによる独自のランキングではありません — TurboFieldfare自身のディレクトリエントリーを含む、定期的に更新される完全なカタログはLocal LLM Software Directoryを参照してください。選ぶ前に、各ツールの現行のプラットフォームとモデルサポートを確認してください。
TurboFieldfareを評価する際によくある誤解
TurboFieldfareに関する混乱の多くは、意図的に持たせていない汎用エンジンの機能を期待したり、同名の別リポジトリを想定したりすることから生じます。
よくある質問
TurboFieldfareとは何ですか。
TurboFieldfare（github.com/drumih/turbo-fieldfare）は、Apple Silicon Mac向けの無料・オープンソース（Apache 2.0）のネイティブSwift＋Metalランタイムで、GoogleのGemma 4 26B-A4Bモデルを約2GBのRAMで実行します。
TurboFieldfareは無料ですか。
はい、TurboFieldfareのソースコードは無料でApache 2.0ライセンスであり、有料プランはありません。Gemma 4 26B-A4Bのモデルの重みは、Google独自のGemmaモデル利用規約の下でHugging Faceから別途ダウンロードします。
TurboFieldfareをどうインストールしますか。
リポジトリをクローンし、swift build -c releaseを実行してから.build/release/TurboFieldfareMacを起動します。ビルド済みインストーラーはありません — TurboFieldfareはSwift Package Manager経由でソースからビルドする必要があります。
TurboFieldfareはどのモデルをサポートしますか。
Gemma 4 26B-A4B（instruction-tuned）のみです。モデル特化型のランタイムであり、任意のモデルをサポートする汎用エンジンではありません。
TurboFieldfareは260億パラメータのモデルをどうやって2GBのRAMで動かすのですか。
1.35GBの共有コアと小さなKVキャッシュをメモリに保持し、生成中に必要に応じてモデルの残りのmixture-of-expertsの重みをSSDからストリーミングします。独自のMetalカーネルと、SSDに保存されたエキスパートキャッシュ向けのLFU追い出し方式を使用します。
TurboFieldfareにはどのようなハードウェアが必要ですか。
Apple Silicon Mac（テキストのみならM1以降、オプションのビジョンタワーにはM2以降）、Metal 4搭載のmacOS 26、テキストモデル用に約14.3GBの空き容量が必要です。ビルドにはXcode 26とSwift 6.2以降が必要です。
TurboFieldfareはWindowsやLinuxをサポートしますか。
いいえ、パッケージはarm64専用でMetal 4搭載のmacOS 26が必要です — Windows、Linux、Intelベースのmacはサポートされません。
TurboFieldfareは画像に対応していますか。
はい、別途インストール可能なビジョンタワー用アドオンパック（約1.1GB）で対応しており、M2以降のMacが必要です。これがなくても、M1のMacを含めテキストのみの推論は引き続き動作します。
TurboFieldfareはtool-callingに対応していますか。
ネイティブMacアプリとCLIはツールを公開・実行しません。実験的なループバックOpenAI互換サーバーはfunction-toolの宣言を受け付け、モデルが生成したツール呼び出しをクライアントコードが実行できるよう返します。
TurboFieldfareはOllamaとどう違いますか。
TurboFieldfareは独自のSwift/Metalランタイムを通じてApple Silicon Mac上でGemma 4 26B-A4Bのみを実行します。Ollamaはllama.cppをベースにした汎用でクロスプラットフォームなモデルランナーで、はるかに幅広いモデルカタログをサポートします。上記のTurboFieldfare対Ollamaの比較を参照してください。
PromptQuorumはTurboFieldfareの主張を独自に検証しましたか。
本レビューは、PromptQuorumによる実際のベンチマークではなく、TurboFieldfare自身のGitHubリポジトリ、README、ドキュメントに基づいています。