ブログ

2026年のコーディング向けローカルLLM

Markdown

2026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 32B20 GB32 GBApache 2.0
DeepSeek Coder V2 Lite 16B10 GB16 GBDeepSeek
Qwen 2.5 Coder 14B9 GB16 GBApache 2.0
Qwen 2.5 Coder 7B4.5 GB8 GBApache 2.0
Mistral Codestral 22B14 GB24 GBMistral NC
StarCoder 2 15B9 GB16 GBBigCode OpenRAIL
Phi-3.5 Mini 3.8B2.4 GB4 GBMIT
Qwen 2.5 Coder 1.5B0.9 GB2 GBApache 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。