ローカルLLM

ローカルAI環境

ローカルLLMでゲームやコードは自作できるか|完全オフライン・反復前提で27〜30B級モデルが到達できる範囲

完全オフラインのローカルLLMでゲームやコードは自作できるのか?Redditで話題になった27B級モデルの想定を踏まえつつ、Qwen3-Coder-30B-A3Bを例に、反復とタスク分解を前提とした開発手法の可能性と、RTX 5080など最新GPUのVRAM要件(量子化)を、海外コミュニティの議論を交えて解説します。
ローカルAI環境

ローカルVLMでデスクトップ操作を自動化|OmniParser前処理で視覚トークン負荷を抑える

ローカルVLMでデスクトップを自動化する際、スクショ直渡しでは視覚トークンが膨らみ処理が重くなります。OmniParser型の前処理でUI要素を構造化すれば視覚トークンを大きく減らせ、未検証のコミュニティ報告では5〜10倍とも(削減幅は実装しだい)。ローカルでGUI操作を自動化するヒントを解説します。
ローカルLLM

Apple Core AIとは|Core MLとは別に登場したオンデバイス推論基盤とMLX・ANEの関係

WWDC 2026で発表されたApple Core AIは、Core MLとは別に用意された生成AI・大規模モデル向けのオンデバイス推論基盤。Foundation Modelsでの位置づけ、MLX・ANEとの役割分担、M4 Max/iPhoneの公開ベンチ、Ollama/RTX勢のローカルLLM実行を整理する。
ローカルLLM

巨大オープンモデルは手元で動くのか比較|GLM-5.2・Kimi K2.6・Qwen3.5 122Bの必要メモリ早見表

GLM-5.2・Kimi K2.6・MiniMax M2.7・Qwen3.5 122Bといった巨大オープンモデルは自宅PCで動くのか。総パラメータでなく量子化後の必要メモリで見ると、122B約77GBから1T約340GBまで段差がある。家庭用GPUの限界と、現実的な消費者向けルートを早見表で整理します。
ローカルLLM

GLM-5.2をローカルで動かせるか|約750B級オープンウェイトに必要なメモリと、消費者向け単体マシンの限界

GLM-5.2は、2026年6月にMITライセンスでフルウェイトが公開されたオープンウェイトのコーディング向けモデル。長期のコーディングやエージェント用途で注目を集め、「重みが公開された=自分のPCで動かせる」と受け取られがちです。ただ、こ...
ローカルLLM

ローカルLLMのベンチマーク数値の読み取り方|その「毎秒○トークン」は自分のPCでも出るのか

ローカルLLMをどれにするか選ぶとき、レビューやベンチ記事で見る「毎秒○トークン」「VRAM○GB」という数字が判断材料になる。ただ、その数字が手元のパソコンでそのまま出るとは限らない。実測では、同じモデルが16GBのGPU1枚で毎秒19ト...
ComfyUI

DiffusionGemmaとは|拡散方式の高速LLMをRTXローカルで動かす要件

DiffusionGemmaとは、テキストをブロック単位で並列に生成する拡散方式のオープンな言語モデルです。Google DeepMindが実験的モデルとして公開し、NVIDIAがGeForce RTX・DGX Spark向けに最適化。従来の逐次生成とは異なる高速なテキスト生成をローカルPCで実現する仕組みと要件を解説します。
GPU・グラフィックボード

ローカルLLM推論エンジン比較|Ollama・llama.cpp・LM Studio・vLLMの選び方

Ollama, llama.cpp, LM Studio, vLLMの4大ローカルLLM推論エンジンを、速度・手軽さ・マルチGPU対応の3軸で徹底比較。RTX 5080+5060 Ti環境での実測データも交え、LM Studioのテンソル並列対応がもたらす影響や、あなたの環境に最適なエンジンの選び方を解説します。
GPU・グラフィックボード

M5 MacBook Air は AI とゲーム両方で何ができるか|実測ベース総合レビュー

2026 年 3 月 11 日に発売された M5 MacBook Air は、 「軽量ノートで AI もゲームもどこまでできるか」 を考えるうえで、 かなり分かりやすい基準になるモデルだ。10 コア CPU + 最大 10 コア GPU の...