2026年のコーディング向けLLM(オープンウェイトとホスト型)
MarkdownHumanEval、実際のタスク、プライバシーに基づいて順位付けした、2026年のコーディング向けLLMベスト15。オープンソースモデルとホスト型モデルを、公正な評価基準で比較します。
← ブログ記事一覧に戻る
下にスクロールして全ランキングを見るか、概要表に移動してください。
PocketLLM は近日公開予定です。 iPhone と iPad から提供を開始する、デバイス上で動作するプライベートなAIです。今後、さらに多くのプラットフォームに対応する予定です。アカウントは不要で、アプリ内トラッキングもなく、チャットの処理はデバイス上で完結します。公開通知リストに登録して、いち早くご利用ください。
比較方法
大まかな段階分けには役立ちますが、日々の使いやすさを予測するには不向きです。
- コンテキストの扱い: 公開されているコンテキストウィンドウ。1つのプロンプトに収められるコードベースの量の上限を決めます。
- プライバシー: コードを外部に送信せずにモデルを実行できるかどうか。これは程度の差ではなく、構造上の違いとなる唯一の特性です。
- ライセンス: モデルリポジトリを参照し、重みの商用利用が許可されているかどうかを確認しました。
2026年のコーディング向けLLM
Claude 3.5 Sonnet
長いコンテキストをうまく扱い、推論を明快に説明し、存在しないAPIをでっち上げることもめったになく、競合モデルよりも高い頻度で実際にコンパイルできるコードを生成します。一方、ホスト型のプロプライエタリモデルであり、ローカルやデバイス上では実行できません。コードが機密情報なら、続きをご覧ください。
GPT-4o
OpenAIのフラッグシップモデルです。純粋なコーディングベンチマークではSonnetよりやや劣りますが、コードについて自然言語で推論する能力ではやや優れています。「このスタックトレースを読んで、何が問題か教えて」といった依頼が得意です。Sonnetと同じ注意点があります。ホスト型のプロプライエタリモデルであり、コードはOpenAIに送信されます。
Qwen 2.5 Coder 32B
Mac StudioやゲーミングPCをお持ちなら、これがローカルで使えるコーディングモデルです。
DeepSeek Coder V2 236B
236Bの完全版混合エキスパートモデルです。マルチGPUワークステーションが必要なため、おそらく実行できないでしょう。小型のLite版(#6)は能力の大部分を受け継ぎ、はるかに実用的なので、ここでは紹介しています。
Gemini 1.5 Pro
長いコンテキストを扱うGoogleのチャンピオンです。最大の強みは2Mトークンのコンテキストウィンドウで、小さなコードベースを貼り付け、複数ファイルにまたがる質問をできます。コーディング品質はSonnetやGPT-4oより一段劣りますが、実際にはかなり近い水準であり、コンテキストの優位性は実務で役立ちます。
DeepSeek Coder V2 Lite 16B
トークンごとに有効化されるパラメータは2.4Bのみ(混合エキスパート方式)なので、約3Bモデルの速度で動作します。ローカルでコード支援を受けたいものの、ワークステーション級のハードウェアがないなら、これがおすすめです。
Llama 3.3 70B
現世代で最大のMeta製オープンモデルです。コーディング専用ではありませんが、ほとんどのタスクを十分にこなせる賢さがあります。快適に使うには高性能なハードウェアが必要です(Q4で48 GB以上のRAM)。コーディングと一般的な推論の両方に1つのモデルを使いたく、実行に必要なRAMがある場合に選びましょう。
Mistral Codestral 22B
Mistralのコーディング専用モデルです。Mistralの非商用研究ライセンスには制限があるため、商用利用の前に確認してください。Q4で約14 GBのメモリを使用し、コード補完とチャット形式のコーディングタスクの両方で優れた性能を発揮します。特にPythonとTypeScriptが得意です。
Qwen 2.5 Coder 7B
おすすめ第3位の7B版です。16 GBのMacBook Airに最適です。1.5B版を試して、ワークステーション級のハードウェアを使わずにもっと高い能力を求めているなら、次のステップとして最適です。
StarCoder 2 15B
Hugging Face、ServiceNow、NVIDIAによるオープンなコーディングモデルです。寛容なライセンスのコードで学習しており、ツールが何から学習したのかを重視する人にとって重要な点です。ベンチマークではQwen 2.5 CoderやDeepSeek V2 Liteよりやや劣りますが、学習データの来歴が最も明確です。
Phi-3.5 Mini
Microsoftの小型3.8Bモデルです。MITライセンスで、Q4では2.4 GB、スマートフォンでも動作します。
Qwen 2.5 Coder 1.5B
おすすめできる中で最小のコーディング専用モデルです。上限性能よりもレイテンシが重要な場合、最初に使うコード補完モデルとして実用的です。
Llama 3.1 8B
コーディング専用ではありませんが、役立つだけの能力があり、あらゆるランタイムで広くサポートされています。広く普及しているため、すべてのコードエディター用プラグインにすでに統合手段があることから、ここに含めました。
Codestral Mamba 7B
Mistralの実験的なMambaアーキテクチャを採用したコーディングモデルです。定時間のアテンションにより、非常に長いコードファイルを効率よく扱えるため、取り上げる価値があります。品質はTransformerベースの競合モデルより一段劣りますが、長いコンテキストのコードだけを扱うなら、より適した選択肢になることがあります。
CodeLlama 13B
「ローカルで動くコーディングLLM」を現実のものにした2023年のモデルです。歴史的なベンチマークとして掲載しています。これから始めるならCodeLlamaは選ばないでください。すでに設定済みなら、アップグレードしましょう。
概要表
| モデル | ローカル実行 | ライセンス |
|---|---|---|
| Claude 3.5 Sonnet | いいえ | プロプライエタリ |
| GPT-4o | いいえ | プロプライエタリ |
| Qwen 2.5 Coder 32B | はい(ワークステーション) | Apache 2.0 |
| DeepSeek Coder V2 236B | はい(マルチGPU) | DeepSeek |
| Gemini 1.5 Pro | いいえ | プロプライエタリ |
| DeepSeek Coder V2 Lite | はい(ノートPC) | DeepSeek |
| Llama 3.3 70B | はい(ワークステーション) | Llama Community |
| Mistral Codestral 22B | はい(ノートPC) | Mistral NC |
| Qwen 2.5 Coder 7B | はい(ノートPC) | Apache 2.0 |
| StarCoder 2 15B | はい(ノートPC) | BigCode OpenRAIL |
| Phi-3.5 Mini | はい(スマートフォン) | MIT |
| Qwen 2.5 Coder 1.5B | はい(スマートフォン) | Apache 2.0 |
| Llama 3.1 8B | はい(ノートPC) | Llama Community |
| Codestral Mamba 7B | はい(ノートPC) | Apache 2.0 |
| CodeLlama 13B | はい(ノートPC) | Llama Community |
コーディングモデルの選び方
コードを第三者に送信できるクローズドソースの作業向け: Claude 3.5 Sonnet。現時点で、実際のタスクにおいてこれを上回るコーディングアシスタントはありません。GPT-4oとの差は小さいものの、一貫しています。
ワークステーションで機密コードを扱う場合: Qwen 2.5 Coder 32B。最先端モデルに十分近いため、Sonnetがなくてもあまり物足りなさを感じません。コードがマシンから外部に出ることもありません。
16 GBのノートPCで機密コードを扱う場合: DeepSeek Coder V2 Lite 16B。
スマートフォンで機密コードを扱う場合: Phi-3.5 MiniまたはQwen 2.5 Coder 1.5B。Railsのコントローラーを一度で完成させることはできませんが、既存のコードを理解したり変更したりする助けには十分なります。PocketLLMの次期リリースでは、両方をバンドルします。公開通知リストに登録してください。
長いコンテキストを使ったコードの質問向け: Gemini 1.5 Proの2Mウィンドウは唯一無二です。
まとめ
答えが「はい」ならClaude 3.5 Sonnetです。「いいえ」なら、ハードウェアが対応するサイズのQwen 2.5 Coderを選びましょう。スマートフォンでコーディングの支援を受けたい場合は、ローカルモデルの性能が実用に値する水準になりました。ローカルコーディングモデルを特集した記事では、デバイス上で使えるモデルを詳しく紹介しています。
iPhoneで使えるローカルコーディングモデル。
PocketLLMではPhi-3.5 MiniとQwen 2.5 Coderを、ワンタップでダウンロードできる完全オンデバイスのモデルとして提供予定です。公開通知リストに登録してください。
このガイドをAilootで活用する
1つのAiloot APIを通じて、AIモデルをアプリケーション、エージェント、自動化に接続できます。タスクに合うモデルを選び、Ailootのドキュメントに従って設定を始めてください。