2026年のコーディング向けローカルLLM
Markdown2026年のコーディング向けローカルLLMベスト8 — HumanEvalスコア、ファイルサイズ、MacやゲーミングPCで実行できるモデルの実用評価。
← ブログのRoundupに戻る
「コーディング向けローカルLLM」とは、自分のノートパソコン、Mac、またはゲーミングPCで実行できるモデルを指します。API呼び出しもクラウドも不要で、機密性の高いコードベースを第三者に送る必要もありません。
表へ移動。Claude Code CLIからこれらを操作したい場合は、「Claude Codeをローカルモデルで使う」をご覧ください。
以下でベンチマークの全容を紹介します。
PocketLLMは近日公開予定です。 プライベートなオンデバイスAIを、まずiPhoneとiPadで提供し、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。ローンチ通知リストに登録して、いち早く情報を受け取りましょう。
比較方法
以下のベンチマーク数値、ファイルサイズ、ライセンスは、それぞれのモデルが公開している数値で、モデルカードまたはリポジトリまで確認しています。
大まかな性能指標であり、自分のコードで試すことの代わりにはなりません。
- ファイルサイズ: Q4量子化時のサイズです。ローカル実行の要点は「自分のマシンに収まること」です。
- ライセンス: ApacheとMITを高く評価し、非商用ライセンスは低く評価しています。
- エコシステム: llama.cpp、Ollama、MLX、Core MLへの実用的な変換手段があるかどうかです。実際に実行できるかどうかを左右します。
2026年のローカルコーディングLLM
Qwen 2.5 Coder 32B
ワークステーション(Mac Studio、複数GPU搭載PC、または48 GBメモリのMacBook Pro M3 Max)が必要です。その投資に見合う、Claude 3.5 Sonnetにかなり近いコーディング支援が得られます。コードが機密情報で、ワークステーション級のハードウェアを用意できるなら、これが最適な選択肢です。
DeepSeek Coder V2 Lite 16B
Q4で約10 GBのRAMが必要です。16 GBメモリのMacBook Proでは、性能と必要条件のバランスが絶妙です。ライセンスはDeepSeek独自の利用規約です。ほとんどの用途で寛容ですが、商用利用の前に確認してください。
Qwen 2.5 Coder 14B
Qwen 2.5 Coderシリーズの中間モデルです。16 GBメモリのノートパソコンに余裕を残して収まります。ベンチマークではDeepSeek V2 Liteにわずかに劣りますが、ライセンスがより明確で、密なTransformerアーキテクチャもシンプルです。
Qwen 2.5 Coder 7B
8 GBメモリのMacBook Airではぎりぎり動作し、16 GBなら余裕をもって動作します。M2 Airを持っていて、ローカルで実際のコーディング作業をしたいなら、このモデルがおすすめです。
Mistral Codestral 22B
Mistralのコーディング専用モデルです。PythonとTypeScriptに強く、その他の言語にもまずまず対応します。Mistral Non-Commercialライセンスには制限があります。業務成果物に使う場合は、注意深く確認してください。Q4で約14 GBあり、24 GB以上のメモリを搭載したMacで動作します。
StarCoder 2 15B
Hugging Face、ServiceNow、NVIDIAが共同開発した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されているため、「このモデルは何から学習したのか」という来歴が気になる場合に重要です。
Phi-3.5 Mini 3.8B
MITライセンスで、Q4で2.4 GB。スマートフォンで動かせるほど小型です。PocketLLMでは、ワンタップでダウンロードできる形で提供する予定です(近日公開)。ローンチ通知リストに登録してください。
Qwen 2.5 Coder 1.5B
実行する価値のある、最小のコーディング専用モデルです。Apache 2.0ライセンス。Q4で900 MBです。インライン提案向けの高速なローカル補完モデルとして、またはより大きなコーディングモデルの前段で投機的デコードに使うドラフトモデルとして最適です。
比較表
| モデル | サイズ (Q4) | 最小RAM | ライセンス |
|---|---|---|---|
| Qwen 2.5 Coder 32B | 20 GB | 32 GB | Apache 2.0 |
| DeepSeek Coder V2 Lite 16B | 10 GB | 16 GB | DeepSeek |
| Qwen 2.5 Coder 14B | 9 GB | 16 GB | Apache 2.0 |
| Qwen 2.5 Coder 7B | 4.5 GB | 8 GB | Apache 2.0 |
| Mistral Codestral 22B | 14 GB | 24 GB | Mistral NC |
| StarCoder 2 15B | 9 GB | 16 GB | BigCode OpenRAIL |
| Phi-3.5 Mini 3.8B | 2.4 GB | 4 GB | MIT |
| Qwen 2.5 Coder 1.5B | 0.9 GB | 2 GB | Apache 2.0 |
ローカルコーディングモデルの選び方
Mac Studio / ワークステーションPC(32 GB以上): Qwen 2.5 Coder 32B。妥協は不要です。
16 GBメモリのMacBook Pro / ゲーミングノートPC: DeepSeek Coder V2 Lite 16B。MoEアーキテクチャのおかげで、パラメーター数から想像するよりずっと軽快に感じられます。
8 GBメモリのMacBook Air: Qwen 2.5 Coder 7B。ぎりぎりですが、実用できます。実行中はほかのアプリをすべて終了してください。
iPhoneまたは古いMac: Phi-3.5 MiniまたはQwen 2.5 Coder 1.5B。Railsアプリを一発で作り上げ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。どちらもPocketLLMにバンドルされています。
ライセンスに配慮が必要な商用導入: Qwen 2.5 Coderシリーズを選びましょう。現時点でローカルコーディングモデルの中では、Apache 2.0が最も明快なライセンスです。
実際の実行方法
Macの場合: LM StudioまたはOllamaをインストールし、カタログからモデルを選んでDownloadをクリックします。「Ollama、LM Studio、PocketLLMの比較」もご覧ください。GPU搭載のLinuxの場合: ソースからコンパイルしたllama.cpp、またはOllamaを使います。iPhoneの場合: ネイティブのオンデバイスアプリを使います。「iPhoneアプリ特集」をご覧ください。
エディターとの統合は別の話題で、独立した記事にする価値があります。要点だけ言うと、Continue.dev、Cody、Cursor系のプラグインは、OllamaまたはOpenAI互換のlocalhostエンドポイントに対応しており、この一覧のすべてのモデルで利用できます。
まとめ
ワークステーションがあれば32B、ゲーミングノートPCなら14B、手頃なノートパソコンなら7B、スマートフォンなら1.5Bです。例外はDeepSeek Coder V2 Liteです。RAMがちょうど16 GBなら、DeepSeekのMoEアーキテクチャによって、ほぼ同じメモリ使用量のQwen 14Bよりも明らかに高い品質が得られます。この一覧のほかのモデルは、いずれも特定用途向けです。
iPhoneで使えるローカルコーディング支援
PocketLLMでは、Phi-3.5 MiniとQwen 2.5 Coder 1.5Bをワンタップでダウンロードできるようにする予定です。プライベートで高速、アカウント不要。近日公開予定です。ローンチ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
Ailoot APIひとつで、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使い始めましょう。