2026 Flux.1 CoreML 多解像度はどう設定する?固定サイズかプリセットサイズか

固定形状のFlux.1 CoreML多解像度が中心の運用なら固定形状を選び、横長・縦長・正方形の候補が限られる場合はEnumeratedShapesによるプリセット形状を選びます。入力サイズが予測できない場合だけ、有界の範囲形状を検討してください。すべての解像度をApple Neural Engineへ押し込むのではなく、検証済みのCoreML経路とGPU経路を併存させる構成が、MシリーズMacでは安全です。
この内容は、Flux.1で複数の出力比率を扱うMacアプリ開発者、規格を固定して大量生成するAIGCチーム、MシリーズMacの導入機種を決める技術責任者向けです。
なお、2026年9月11日時点の公式仕様を基準にしています。ツール、macOSのCore MLランタイム、Flux.1のモデル構造が変わった場合は、同じサイズ行列を再実行してください。
サイズの自由度より、候補の管理しやすさを優先する
Core MLの入力形状は、単一の固定形状、複数候補を列挙する形状、有界の範囲形状に分けて考えられます。AppleのFlexible Input Shapes公式ドキュメントでも、EnumeratedShapesとRangeDimは別の用途として扱われています。
固定形状は、正方形だけを生成する広告素材や、納品寸法が決まったバッチ処理に向いています。モデルの入力と後処理を同じ形状で管理しやすく、サイズ切り替えによる予期しない経路変更も抑えやすい構成です。
プリセット形状は、よく使う横長、縦長、正方形を登録する方式です。Flux.1 CoreML 多解像度の候補が有限なら、広いRangeDimよりこちらを先に検討します。登録していない一時的な寸法には対応できませんが、その制限自体が品質検証とキャッシュ管理を簡単にします。
範囲形状は、リクエストの寸法が読めないサービスで便利です。一方、許容範囲を広くすると、端末側の最適化、メモリ使用、実行時のグラフ分割を確認する項目が増えます。「変更できる」ことだけを理由に採用する構成ではありません。
注意:Flux.1の出力サイズを変えられることと、変えたサイズがANEで実行されることは別です。計算単位の指定は実行保証ではなく、実機上のグラフ分割を確認する必要があります。
Apple Neural Engineへの適応は、形状指定だけで判断しない
Core MLではCPU、GPU、ANEなどの計算単位を選択できます。計算単位に関する公式説明が示す通り、指定した単位と、モデルの全演算が実際にそこで実行されることは同義ではありません。
固定形状はテンソルの寸法が一定なので、端末側の最適化対象を限定しやすい方式です。EnumeratedShapesも候補が明示されるため、対応する横長・縦長・正方形だけを製品仕様にできます。RangeDimは柔軟ですが、入力ごとの形状処理や未対応演算子によって、一部がGPUまたはCPUに分かれる可能性があります。
特にFlux.1では、変換した一つのサブモデルだけを見てはいけません。テキスト処理、拡散処理、デコーダー、入出力変換を含めて、どこがANEに入り、どこがGPUへ戻るのかを記録します。動的reshape、カスタムControlNetノード、Core MLで未対応の演算子が境界になる場合、全体のANE実行を期待する設計は危険です。
MLComputePlanの公式資料や、coremltoolsの公式リポジトリを使い、変換後モデルの分析結果と端末上の実行結果を分けて保存します。AppleのTyped Executionの説明も、入力型と形状を固定する際の確認材料になります。
初回コンパイルとサイズ切り替えを別の指標で測る
出力時間を一回だけ測って、固定形状が速い、またはRangeDimが遅いと断定するのは不十分です。少なくとも次の待ち時間を分けて記録します。
- モデルパッケージのコンパイル待ち
- 端末用の最適化やキャッシュ生成
- デフォルトサイズでの初回実行
- 非デフォルトサイズへ切り替えた直後の実行
- 同じサイズを繰り返した安定実行
固定形状はモデルを分けるほど管理対象が増えますが、各モデルの入力が明確です。プリセット形状は一つのモデルで候補を扱える反面、サイズ切り替え時のキャッシュ挙動を確認する必要があります。RangeDimはモデル数を増やさずに済む可能性がありますが、初回処理と実行時のグラフ分割が複雑になります。
Appleのcoremltools公式リリース記録で使用バージョンを固定し、変換ツールの更新前後で同じ測定を行います。公式資料にない具体的なコンパイル時間や出力速度は、実機測定なしに記載できません。
構成別の負担を一覧で比較する
| 方式 | サイズ対応 | ANE適応の確認 | 初回・切り替え負担 | メモリと保守 | 向いている用途 |
|---|---|---|---|---|---|
| 固定形状 | 一つの寸法に限定 | 最も追跡しやすい | モデルを分けると管理対象が増える | モデル配布と更新が増える | 固定納品サイズ、定型バッチ |
| EnumeratedShapes | 登録した候補のみ | 候補ごとに確認しやすい | 候補切り替えと初回実行を測定 | 製品仕様と一致させやすい | 横長・縦長・正方形の限定運用 |
| 有界RangeDim | 範囲内で柔軟 | 入力ごとの分割確認が必要 | 動的処理と回帰経路を要検証 | モデル数は抑えやすいが診断が難しい | 寸法が予測できないサービス |
この表は優劣の確定値ではなく、検証項目の違いを示したものです。温度、消費電力、メモリピークは計算単位の設定から推定できません。同一のMシリーズMac、同じモデル、同じプロンプト、同じバッチ条件で測定する必要があります。
Core MLの入出力型に関する資料を確認し、画像の前処理、テンソル型、出力変換の負担も含めて評価します。CoreML部分だけのメモリ値を採用すると、GPUへ戻ったコンポーネントや画像変換の負担を見落とします。
画面品質で回帰経路を判定する
横長、縦長、正方形を比較する際は、各形状で同じプロンプト、同じ乱数シード、同じ入力前処理を使います。確認対象は、構図の欠落、端部の異常、色の偏り、明らかな数値差です。
固定形状で問題がなく、RangeDimだけで崩れるなら、形状処理や実行経路を疑います。全方式で崩れるなら、モデル精度、前処理、変換条件を先に確認します。ANEを使ったから画質が変わったと決めつけると、原因を誤ります。
Flux.1のモデル配布条件やファイル構成は、Black Forest LabsのFlux.1モデル情報で確認します。第三者の変換スクリプトやカスタムノードは、公式Core ML機能とは分けて扱います。
実装前に行う検証チェック
- [ ] 使用するFlux.1モデル、変換スクリプト、coremltoolsのバージョンを固定する
- [ ] 固定形状、EnumeratedShapes、有界RangeDimの三方式で入力仕様を記録する
- [ ] 横長、縦長、正方形を同じプロンプトとシードで比較する
- [ ] デフォルトサイズと非デフォルトサイズの初回実行を別々に測る
- [ ] 安定実行時の推論時間、メモリ、温度、消費電力を同一端末で測る
- [ ] MLComputePlanと端末ログでANE、GPU、CPUの分割を確認する
- [ ] 品質不合格の寸法は、検証済み固定形状またはGPU経路へ戻す
- [ ] モデル更新、OS更新、変換ツール更新を再測定のトリガーに登録する
経験上、サイズ候補が製品仕様として決まっているなら、RangeDimで将来の自由度を先に買うより、検証済み候補を少なく保つ方が障害調査を短くできます。
最終判断は三つの運用パターンに分ける
固定規格のバッチ生成では、固定形状が第一候補です。複数の納品比率が必要でも、候補が限定されているならEnumeratedShapesを優先します。横長と縦長を別モデルにするか一つのプリセットモデルにまとめるかは、キャッシュ、配布、品質検証の結果で決めます。
入力寸法が予測できないアプリでは、CoreMLに登録する代表サイズを限定し、未登録サイズはGPUへ回す二重経路が現実的です。これにより、ANEの適応を確認できる領域と、柔軟性を優先する領域を分離できます。
単一のMacだけで一度測って購入機種を決めると、モデル更新後の回帰、端末差、キャッシュ差を見落とします。固定、プリセット、動的の三方式を複数のMシリーズMacで比較する前提で、MシリーズMacの利用環境を確認すると、検証用の端末を必要な期間だけ組みやすくなります。長期の安定した高負荷処理や物理インターフェースが必要なら、自社保有機の方が適する場合もあります。
一方、現行の単一Mac運用は、購入後に構成を変えにくいこと、機種一台の結果を全体へ一般化しやすいこと、複数形状の検証で本番環境を占有しやすいことが弱点です。固定形状とRangeDimの比較を先に済ませたい段階では、ProxyMacの料金プランを使い、期間を調整できるMac環境で検証する方が、実機購入前の判断材料を増やせます。
よくある疑問
FAQでは、Flux.1をCoreMLへ変換した後のサイズ変更、固定形状とEnumeratedShapesのANE適応、動的入力のGPU・CPU回帰、横長と縦長のモデル分割を整理します。いずれも「設定できるか」ではなく、実機で安定して使えるかを基準に判断してください。