ブログ

2026年のコーディング向け最良のLLM:モデル比較

Markdown

ローカルで実行できる独自モデルとオープンウェイトモデルを含む、優れたコーディングLLMを比較します。

モデルとコーディングアシスタント

コーディングLLMは、プロンプトを読んでトークンを書き出すモデルです。一方、コーディングアシスタントは、モデルにファイルを渡し、コマンドを実行し、差分を表示するハーネスです。

Claude Code、Codex、Cursor、GitHub Copilot、Windsurfはハーネスです。Claude Opus 5.5、GPT-6 Astra、Qwen3.8-27Bはモデルであり、ハーネスがファイルを渡し、ツールを実行し、変更を提示します。

Anthropic自身のClaude Opus 4.8の発表記事では、脚注でこの違いが具体的に示されています。

クラウド最先端モデルの説明

Claude Opus 5.5 (Anthropic)

主な特徴:

  • 1Mトークンのコンテキスト、128Kの出力、無効化できない適応型思考、そして高ではなく中に設定されたデフォルトの努力レベル
  • Claude APIではclaude-opus-5-5として利用できるほか、Amazon Bedrock、Google Cloud、Microsoft Foundryでも利用可能

Claude Fable 5.1 (Anthropic)

Claude Fable 5.1は、AnthropicのMythosクラスモデルの一般公開版で、2026年9月1日にリリースされました。Anthropicの発表ページによると、Fable 5.1とClaude Mythos 5.1は、セーフガードが異なる同一のモデルです。

主な特徴:

  • 1Mトークンのコンテキストウィンドウと128Kトークンの出力
  • 適応型思考は常に有効
  • 複数ファイルの計画立案に優れ、より幅広く思考し、ツールもより適切に使う

GPT-6 Astra (OpenAI)

モデルページには、1,050,000トークンのコンテキストウィンドウ、128,000トークンの出力、2026年4月30日の知識カットオフ、noneからmaxまでの努力レベルが記載されています。料金は入力トークン100万個あたり$10、キャッシュ済み入力は$1、出力トークン100万個あたり$50です。

主な特徴:

  • Responses APIではhosted_shell、apply_patch、computer_use、tool_searchを利用できます。これらはCodex自体が使うツールセットです。
  • キャッシュ済み入力はトークン100万個あたり$1で、基本料金の10分の1です。同じリポジトリを読み直すエージェントのループでは、この料金が重要になります。
  • AstraはOpenAIのモデルとして初めてPreparedness Frameworkのサイバーセキュリティ最上位レベルに達しているため、一部のセキュリティ関連プロンプトには制限がかかります。

Gemini 3.8 Flash (Google)

Gemini APIの料金ページによると、2026年12月31日までは入力トークン100万個あたり$0.75、出力トークン100万個あたり$3.75で、2027年1月1日からはそれぞれ$1.50と$7.50になります。2027年の料金でも、Opus 5.5の出力料金の3分の1を少し上回る程度です。コンテキストウィンドウは入力1Mトークン、出力64Kトークンです。

主な特徴:

  • ネイティブのマルチモーダル入力に対応しているため、コードと一緒にアーキテクチャ図や、UIの不具合を示すスクリーンショットを渡せます。
  • Googleは大規模なエージェント型作業向けのモデルと位置付け、それに応じた料金を設定しています。

クラウドモデルは以上です。残りのモデルはダウンロードして使えます。

ここでいう「オープンウェイト」とは、重みをダウンロードできることを意味します。実際のライセンスはMITやApache 2.0から独自の条件までさまざまです。

DeepSeek V4.1 Flash (DeepSeek)

主な特徴:

  • DeepSeekの料金ページによると、API料金はオフピーク時に入力トークン100万個あたり$0.15、出力トークン100万個あたり$0.60です。平日のピーク時間(UTC 01:00~04:00および06:00~10:00)には、それぞれ$0.30と$1.20に倍増します。キャッシュヒットはオフピーク時に100万個あたり$0.003です。
  • OpenAI互換API上でdeepseek-flashとして提供されているため、この記事の後半にあるask_coding_model.pyスクリプトは、ベースURLを変更すれば使えます。
  • KVキャッシュはV4 Flashの約4分の1のサイズです。これにより、DeepSeekは長いコンテキストを使う作業を低価格で提供できます。

Kimi K3 (Moonshot AI)

主な特徴:

  • ネイティブのビジョン機能を備えた1Mトークンのコンテキスト。
  • MITやApacheではなく独自ライセンスのKimi K3 Licenseで提供されるため、商用利用の前に確認してください。
  • 推奨される推論スタックはvLLM、SGLang、TokenSpeedです。

Qwen3.8-27B (Alibaba)

Qwen3.8-27Bは、270億パラメーターを持つ高密度モデルで、Apache 2.0の下、2026年8月にリリースされました。

主な特徴:

  • Unslothのコミュニティ製UD-Q4_K_M GGUFは単一の16.5 GBファイルで、24 GBのカードなら32Kのコンテキストを確保できます。UD-Q4_K_XLは17.6 GBです。
  • 高密度アーキテクチャ。
  • Apache 2.0のため、商用製品での利用に制限はありません。

Laguna S 2.1 (Poolside)

Laguna S 2.1はPoolsideの118Bパラメーターのエキスパート混合型コーディングモデルで、8Bのアクティブパラメーターを持ち、2026年7月21日にリリースされました。

このモデルは、端末タスク83,000件、ソフトウェアエンジニアリングのワークフロー168,000件を含む409,000の環境で、4,096台のH200を使って9週間未満で訓練されました。

主な特徴:

  • このサイズでは珍しい1Mトークンのコンテキストウィンドウ。
  • OpenMDW-1.1ライセンスは寛容な条件ですが、法務チームによる確認をおすすめします。

トレードオフ:118Bパラメーターの重みは4-bitでおよそ60~70 GBあり、KVキャッシュを割り当てる前の容量です。そのため、24 GBのGPUでは足りません。

Qwen3-Coder-Next (Alibaba)

主な特徴:

  • 公式のQ4_K_M GGUFは約48 GBです。一般向けGPUを1枚使うより、64 GBのMacやCPUオフロード構成に適しています。
  • ハイブリッドアテンション(標準のアテンション層1つにつきGated DeltaNet層が3つ)により、長いコンテキストでのメモリ使用量を抑えます。
  • モデルカードによると、vLLM、SGLang、Ollama、LM Studio、MLX-LM、llama.cpp、KTransformersでサポートされています。

オープンウェイトのコーディングモデルをローカルで実行する方法

まずはダウンロードです。huggingface_hubライブラリは再開可能な転送とキャッシュを処理するため、大きなファイルの扱いに便利です。

"""Download a quantized coding model from Hugging Face.
 
Qwen3.8-27B at UD-Q4_K_M is a single 16.5 GB file, which leaves room for
a 32K context on a 24 GB GPU. Swap FILENAME for the UD-Q4_K_XL build if you
have the extra 1 GB to spare.
"""
 
from huggingface_hub import hf_hub_download
 
REPO_ID = "unsloth/Qwen3.8-27B-GGUF"
FILENAME = "Qwen3.8-27B-UD-Q4_K_M.gguf"
 
 
def fetch(repo_id: str = REPO_ID, filename: str = FILENAME) -> str:
    """Download one file from the Hub and return its local path."""
    path = hf_hub_download(repo_id=repo_id, filename=filename)
    print(f"Saved to {path}")
    return path
 
 
if __name__ == "__main__":
    fetch()

download_gguf.pyという名前で保存し、uv run --with huggingface_hub python download_gguf.pyを実行してください。Windowsでは、開発者モードが有効でない場合、シンボリックリンクに関する警告が表示されます。

次に、モデルをサーバーとして起動します。

llama.cppのllama-server、LM Studio、Ollamaのいずれでも、OpenAI互換の/v1エンドポイントを公開できます。llama.cppならコマンドは1行で、2つのフラグで設定できます。-ngl 99はすべての層をGPUにオフロードし、-c 32768はコンテキストを32Kに設定します。

llama-server -m Qwen3.8-27B-UD-Q4_K_M.gguf -c 32768 -ngl 99 --port 8080

3つ目はクライアントです。ローカルでもホスト型でも、評価するモデルごとに1つのスクリプトを使い、3つの環境変数で接続先を切り替えています。同じファイルから、上記のローカルサーバー、DeepSeekのAPI、OpenAIのAPIに接続できます。

"""Send one coding prompt to any OpenAI-compatible endpoint.
 
The same script talks to a local llama.cpp or vLLM server, to DeepSeek's
API, or to OpenAI itself. Only three environment variables change:
 
    LLM_BASE_URL   e.g. http://localhost:8080/v1  or  https://api.deepseek.com
    LLM_MODEL      e.g. qwen3.8-27b  or  deepseek-flash
    LLM_API_KEY    anything non-empty for a local server
"""
 
import os
 
from openai import OpenAI
 
PROMPT = (
    "Write a Python function top_n(df, col, n) that returns the n largest "
    "rows of a pandas DataFrame by column col, with a docstring and a "
    "ValueError if col is missing."
)
 
 
def ask(prompt: str = PROMPT) -> str:
    """Return the model's reply for a single-turn coding request."""
    client = OpenAI(
        base_url=os.environ["LLM_BASE_URL"],
        api_key=os.environ.get("LLM_API_KEY", "local"),
    )
    response = client.chat.completions.create(
        model=os.environ["LLM_MODEL"],
        messages=[{"role": "user", "content": prompt}],
        temperature=0.2,  # keep code generation close to deterministic
    )
    return response.choices[0].message.content
 
 
if __name__ == "__main__":
    print(ask())

ask_coding_model.pyという名前で保存し、LLM_BASE_URL=http://localhost:8080/v1 LLM_MODEL=qwen3.8-27b uv run --with openai python ask_coding_model.pyで実行してください。

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。タスクに合ったモデルを選び、Ailootのドキュメントに従って利用を始めてください。