oMLX開発者のJun Kim氏がHugging Faceに参画、Apple Silicon向けローカルAIエコシステム強化へ

要点

• Apple Silicon向けオープンソースプロジェクト「oMLX」の作者であるJun Kim氏が、Hugging Faceに加入したことが明らかになった。

• oMLXは従来の個人開発から資金提供と専任メンテナンスを受ける体制へと移行し、開発の加速と長期的な安定性を目指す。

• オープンソースライセンスの「Apache 2.0」は維持され、今後もJun Kim氏がプロジェクトの主導を継続する。

• Hugging Faceは「Transformers」モデルからMLX実装への移行プロセスを効率化し、コミュニティ全体の開発支援を推進する方針を示した。

• mlx-lmやmlx-vlm、LMStudioなどの関連プロジェクトと連携を深め、開発成果を上位リポジトリへ積極的に還元していくとしている。

• 機械学習プラットフォームを運営するHugging Faceは2026年9月22日、Apple Silicon向けAI推論ツール「oMLX」の開発者であるJun Kim氏が同社チームに加入したことを公式ブログで発表した。同社はローカル環境で動作するAI（ローカルAI）のエコシステム支援に注力しており、Jun Kim氏の参画によってAppleの機械学習フレームワーク「MLX」に関する開発体制を強化する狙いだ。oMLXの開発支援を通じて、多様な環境でローカルAIを実行しやすい環境整備を推し進めるという。

個人開発から公式支援体制へ移行する「oMLX」

oMLX（Apple Silicon向けに最適化されたオープンソースの機械学習実行ツール）は、これまでJun Kim氏が副業として開発と保守を手がけてきたプロジェクトである。今回のHugging Faceへの加入に伴い、プロジェクトは専任の資金と開発リソースが投入される体制へと移行する。これにより、コントリビューター（開発協力者）への適切なガイダンスや長期的な視点に立った機能構築が可能となり、開発スピードの向上とプロジェクトの安定化が期待されている。

なお、プロジェクトの公開体制や権利関係に変更はなく、オープンソースライセンスである「Apache 2.0」（商用利用や改変が広く認められるライセンス形態）が引き続き適用される。プロジェクトのリーダーシップについても、これまで通りJun Kim氏自身が継続して指揮を執る体制が維持されると説明されている。

Apple Silicon環境におけるMLXの重要性とこれまでの経緯

今回の人事の背景にある「MLX」は、Appleが開発したApple Siliconチップ搭載デバイス向けの高効率な機械学習フレームワークである。2023年末にAwni Hannun氏とAngelos Katharopoulos氏によって公開されて以来、Mac環境におけるローカルAI実行の基盤として急速に支持を集めてきた。

Hugging FaceはMLXの公開当初から同フレームワークを支持しており、自社の「Hugging Face Hub」を通じてMLX対応モデルの配布やコミュニティによる共有を後押ししてきた経緯がある。オープンかつローカルで動作するAIの活用が拡大する中、ユーザーがそれぞれの用途に適したツールを見つけられる健全なエコシステムの構築を目指し、同社はMLXへの投資をさらに進めていると述べている。

実験場としてのoMLXとエコシステム全体への還元方針

Hugging Faceは、コミュニティがあらゆる形でローカルAIを実行できるよう支援し、そのためのツールや構成要素を提供することを最終的な目標に掲げている。その中でoMLXは、新しいアイデアや技術を検証するための「テストベッド（実験場）」としての役割を果たすことが想定されている。

同時に、oMLXが依存している既存の基礎的ライブラリである「mlx-lm」（大規模言語モデル向け推論ライブラリ）や「mlx-vlm」（視覚言語モデル向けライブラリ）の成果も活用される。Hugging Faceは、堅牢なモデリングおよび推論ライブラリがコミュニティ全体の発展に寄与するという認識を示しており、oMLXで得られた知見や開発成果のうち有用なものについては、適切な上位リポジトリ（アップストリーム）へ積極的に還元・統合していく方針を明確にしている。

また、mlx-lmやmlx-vlmの主要開発者であるPrince Canuma氏、LMStudioのCheng氏やYagil Ben-Zion氏ら関連プロジェクトの関係者とも協力関係を一段と強化し、コミュニティへの貢献を目指すとしている。

TransformersモデルからMLX実装への移行パイプラインを迅速化

具体的な注力分野の一つとして挙げられているのが、機械学習モデルの定義でデファクトスタンダードとなっているHugging Faceのライブラリ「Transformers」から、MLXのリファレンス（参照）実装への移行プロセスの円滑化である。

新たに登場したTransformersベースのモデルを、迅速にMLX環境で動作可能なリファレンス実装へと落とし込めるようにワークフローを合理化する計画だという。これにより、MLXをベースとする各推論エンジンやアプリケーションは、基礎的なモデル移植作業の負担を軽減し、それぞれの製品が提供する独自の強みや機能の開発に専念できるようになるとしている。