Zed 推奨スペック｜「描画用GPU」と「AI推論用GPU」を切り分けるRust製ネイティブエディタの必要環境

Zedとは、Rust製のネイティブなコードエディタである。

新しいエディタを導入するとき、最初に気になるのが、自分のPCで快適に動くかどうか。とくにAI支援機能を備えたエディタでは、専用のグラフィックボードが要るのではと身構える方もいます。ところがZedの場合、AIの処理そのものはクラウド側で動くため、AI推論用の専用GPUは通常不要です。効いてくるのは、RAM・CPU・SSDという地味な部分。本記事では、Zedの必要環境を「描画用のGPU」と「AI推論用のGPU」に切り分けながら、実務上の目安として整理していきます。

Zedとは｜Rust製ネイティブエディタが「軽い」とされる理由

Zedは、Rustで書かれたネイティブのコードエディタです。多くのモダンなエディタがWeb技術ベースの土台で動くのに対し、Zedは独自のGPUアクセラレーテッドなUIエンジンで画面を描画する構造を取ります。公式は、高速な起動と低いメモリ使用量、滑らかなスクロールを特徴として挙げています。つまり、エディタ本体そのものは軽量に作られているわけです。

対応OSは、macOSとLinuxが主軸。Windowsは2025年10月に正式サポートされ、2026年時点ではmacOS／Linux／Windowsの3OSで利用できます。3つのOSのいずれでも利用でき、OSによってエディタの土台が大きく変わるわけではありません。

ここで押さえておきたいのは、この「ネイティブで軽い」という性質が、必要スペックの考え方を素直にしてくれる点。Web技術ベースのエディタにありがちな、起動するだけでメモリを大きく占有するという挙動は、Zedの設計方針とは方向が異なります。古めのマシンでも、エディタとしての操作感は確保しやすいと考えられます。

Web技術ベースのエディタとの常駐コストの違い

Web技術を土台にしたエディタは、描画やUIの仕組みをそのランタイム上で動かすため、編集しているコード量とは別に一定のメモリを常時使う傾向があります。拡張機能を多く入れるほど、その常駐分は積み上がっていきます。一方のZedは、UIをネイティブのGPU描画で処理する構造のため、同じ作業をしても常駐コストが抑えられやすい、という違いがあります。ただし、ここで使われるGPUの役割は次のセクションで切り分けが必要です。同じ「GPU」という言葉でも、担う仕事がまったく違うからです。

「描画用GPU」と「AI推論用GPU」は別物｜最大の誤解

Zedのスペックを考えるうえで、最も誤解されやすいのがGPUの扱いです。Zedが使うGPUは、UIを滑らかに描画するためのGPU。AIの推論を回すためのGPUではありません。この2つを混同すると、「AIエディタだから高性能なグラフィックボードが必須」という誤った結論にたどり着いてしまいます。

画面の描画に求められるGPUは、一般的な内蔵GPU(iGPU)でも足ります。文字をきれいに、スクロールを滑らかに表示するための仕事だからです。一方、AIによるコード生成や補完といった推論は、Zedの標準的な使い方ではクラウド上のモデルが担います。手元のGPUが推論を計算しているわけではない、という点が肝心。

整理すると、Zedで描画に使うGPUと、AIの計算に使うGPUは、求められる性能の方向がまったく違います。クラウドのモデルを使うなら、推論用のGPUは一切要りません。描画は内蔵GPUで十分に滑らか。重いGPUが効いてくるのは、後述するローカルOllamaを自分で回すと決めたときだけです。

Zedの推奨スペック早見表（実務目安）と「重い」ときの見直し

公式はRAM・ディスク容量の最小値を数値で明記していません。一方、描画用GPUについてはOS別の要件があり、LinuxではVulkan 1.3ドライバ、WindowsではDirectX 11対応GPUと適切なGPUドライバが必要です（これはUI描画のための要件で、AI推論用GPUとは別物）。以下のRAM・ディスクの数値はあくまで本記事の実務上の目安であり、公式の動作要件ではありません。

上の表は公式の動作要件ではなく、一般的な開発環境から逆算した実務目安です。Zed自体が要求する固定の下限値ではない点に注意してください。

体感として重い、あるいは固まると感じる場合、原因がZedのGPU描画そのものにあるケースは多くありません。大きく効くのは、開いているプロジェクトの規模とRAMの空き。巨大なリポジトリを丸ごと開いたり、巨大なログファイルやビルド生成物を抱え込んだりすると、編集体験が鈍くなりがちです。対処の方向は、不要なディレクトリをワークスペースから外す、扱うフォルダを絞る、SSDの空き容量を確保する、といった素直な見直しになります。GPUの増設では、この種の重さは直りません。なお、具体的なメモリ使用量として出回る数字は環境依存で、非公式の報告にもとづく体感値が多い点も覚えておくとよいでしょう。

AI機能はクラウドが基本｜ローカルOllama併用時だけVRAMが要る

Zedのエージェントパネル、インライン編集、複数ファイルにまたがる編集、そして編集予測(Zeta)といったAI機能は、クラウドのフロンティアモデルか、ローカルのOllamaモデルを選んで使う仕組みです。クラウド側の選択肢には、Claude・OpenAI・Gemini・Grokといったモデルが含まれます。標準的な使い方では、これらクラウドのモデルが推論を担当するため、手元のPCにAI用の負荷はかかりません。なお、ZedのAI機能にはZed Agentだけでなく、ACP経由のExternal Agents（Claude・Codex・OpenCode・Copilot・Cursor 等）もあります。External Agentsは各エージェント側がモデル・認証・課金・データ処理を持つため、Zed本体のモデル設定とは別に確認が必要です。

一方で、推論をローカルのOllamaで動かす構成を選ぶと、話は変わります。このときだけ、AI推論のために別途VRAMを積んだGPUが要ります。ローカルでLLMを動かす場合、必要なリソースはモデルのパラメータ数と量子化方式で決まる構造。モデル本体に加えて、KVキャッシュなどの確保分でメモリやVRAMを消費します（新しめのアーキテクチャほど、このキャッシュを抑える工夫も進んでいます）。目安としては、7〜8BクラスをQ4量子化で動かすなら6〜8GiB前後、14B級なら量子化しても12〜16GiB程度を見ておくと安全です。長いコンテキストを与えるほどKVキャッシュ分が上乗せされるため、VRAMには少し余裕を持たせておくと、モデルの切り替えや並行作業でも詰まりにくくなります。

Ollamaを使うときは、まずバックエンドが動いているか、どのモデルがどれだけの容量を占めるかを確認しておくと見積もりが楽になります。

ollama serve          # Ollamaのバックエンドを起動
ollama pull <モデル名>   # 使いたいモデルを取得
ollama list           # 取得済みモデルとサイズを確認

Ollamaで動かす場合のVRAMの考え方

必要なVRAMは、モデルが大きいほど、また量子化を緩くするほど増えます。小さいモデルなら少ないVRAMで足り、大きいモデルほど多くを要する、という素直な関係です。当サイトの検証環境では、量子化した10B級前後のモデルが16GBのVRAMで動作することを確認しています(詳細は別記事で扱っています)。明確な公式の数値基準があるわけではないため、使いたいモデルのサイズに合わせて見積もるのが安全。クラウド利用なら不要だった推論用GPUが、ローカル構成では初めて意味を持つ別の軸として登場する、と捉えてください。

プライバシーと外部送信｜「ローカルで完結」ではない

Zedのソースコードはオープンソースで公開されており、主にGPL-3.0-or-later（UIフレームワークのGPUI等はApache-2.0）というライセンス構成です。エディタ本体は無料で使えます。ここは事実として言い切れる部分。ただし、データの扱いはどのAIモデルを使うかで変わるため、「ローカルで完結する」「外部に出ない」と無条件には断定できません。

クラウドのモデルを使うとき、AIが文脈を理解して回答を返すために、コードの文脈が処理のためにモデル提供元へ送られます。これはクラウド推論である以上、避けられない動き。逆に、推論をローカルのOllamaで完結させる構成を選んだ場合は、その範囲ではコードを手元で処理できます。つまり「外部に出ない」と言えるのは、ローカルOllama構成という条件付きの話に限られます。なお、Zedホストのモデル（Zed-hosted models）については、Zedはプロンプトやコード文脈をデフォルトで保持せず、モデル提供元に学習利用させない契約上のコミットメントを示しています（一部のプロバイダ指定モデルでは安全目的の保持例外あり）。ただし、自分のAPIキー（BYOK）、Gateway、既存サブスク、External Agents、Terminal Threads、ローカルモデルでは、それぞれデータ処理の主体と条件が異なるため、使う経路ごとに確認するのが安全です。

機密性の高いコードを扱う場合、確認すべきは3点。どのモデルを使っているか、そのモデル提供元のデータ取り扱い方針はどうなっているか、組織として許可された構成か。データの保存有無や学習利用の扱いは、利用するモデルやプランの設定で変わり得ます。Zedの公式データ取り扱い方針と、選んだモデル側のポリシーの両方を確認してから、機密プロジェクトに使うのが安全策になります。

料金プラン｜Personal・Pro・Businessの違い

Zedの料金は、Personal・Pro・Businessの3プランです（以下は2026年6月時点の内容。最新は公式Pricingで確認してください）。

Personalでもエディタの全機能が使え、自分のAPIキーや外部エージェント、ローカルのOllamaは無制限です。編集予測（Zeta）は月2,000 accepted predictionsの枠があり、これを外して無制限にしたい、あるいはZedホストモデルを使いたい段階でPro（$10/月）が視野に入ります。

注意したいのは、料金プランとPCの必要スペックは別物だという点。Proにアップグレードしても、手元のPCが重くなったり、急に高性能なGPUが必要になったりするわけではありません。Proで増えるのはクラウド推論の回数や優先度であって、ローカルの負荷ではないからです。PC選びとプラン選びは、切り離して考えてください。

同種ツールとのスペック比較と用途別の選び方

ZedをClaude CodeやCodex CLIといった同種のクラウド型ツールと並べると、共通点と違いが見えてきます。いずれもAI推論はクラウドが基本で、AI推論用の専用GPUは通常不要。効くのはRAM・CPU・SSDという点も共通します。

上の整理は、各ツールが公式に示すスペック要件ではなく、形態から見た実務上のまとめです。違いを一言で挙げるなら、ZedはGUIのエディタとして画面描画にGPUを使い、なおかつローカルOllamaという推論をローカルに寄せる選択肢を持つ点。CLI型の2つはターミナル上で動き、描画用GPUの話自体が出てきません。

用途別に見ると、選び方はシンプルになります。クラウドのモデルだけで使うなら、AI用GPUは要らず、RAMとSSDに余裕のある軽量な構成で十分。古めのマシンでも、エディタとしては軽快に動きやすいでしょう。逆に、推論をローカルのOllamaで回したいなら、描画用とは別に推論用のVRAMを積んだGPUを用意する構成になります。自分の使い方がどちらに寄るかで、見るべきスペックの場所が変わる、というのが要点です。

形態

Rust製ネイティブのコードエディタ（GPUアクセラレーテッドUI）

対応OS

macOS / Linux / Windows

ライセンス

主にGPL-3.0-or-later＋Apache-2.0コンポーネント（無料・オープンソース）

AI推論

クラウドのフロンティアモデル または ローカルOllamaを選択

料金

Personal $0 / Pro $10月 / Business $30seat月（2026年6月時点）

まとめ

Zedの必要環境は、GPUの役割を切り分けると一気に整理できます。Zedが使うGPUはUIを描画するためのものであって、AIの推論を計算するためのものではありません。クラウドのモデルを使う限り、AI推論用の専用GPUは通常不要で、効いてくるのはRAM・CPU・SSD。ネイティブで軽量な作りのため、古めのマシンでもエディタとしての操作感は確保しやすい設計です。

推論用のVRAMが意味を持つのは、ローカルのOllamaを自分で回すと決めたときだけ。その場合は、描画用とは別軸で、モデルサイズに見合ったVRAMを用意する構成になります。プライバシーの面では、クラウド利用時にコードの文脈が送られる点を踏まえ、機密コードでは使うモデルとデータ取り扱い設定を確認してください。「外部に出ない」と言えるのは、ローカルOllama構成という条件付きの話です。

最初に見るべきは、自分の使い方がクラウド中心か、ローカルOllama併用か。クラウド中心ならRAMとSSD、ローカル併用なら加えて推論用VRAM。ご自身の開発スタイルは、どちらに近いでしょうか。そこを決めれば、必要なPCの姿は自然と定まります。

よくある質問（FAQ）

Q. Zedを使うのにAI用のグラフィックボードは必要ですか？

クラウドのモデル(Claude / OpenAI / Gemini / Grok 等)を使う限り、AI推論用のGPUは不要です。Zedが使うGPUはUIを滑らかに描画するためのもので、推論はクラウド側が担います。ローカルのOllamaでモデルを動かす構成を選んだときだけ、別途VRAMを積んだGPUが要ります。

Q. Windowsでも安定して動きますか？

動きます。Windowsは2025年10月に正式サポートされ、2026年時点でmacOS／Linux／Windowsの3OSで利用できます。主軸はmacOSとLinuxですが、3つのOSのいずれでも利用できます。

Q. 無料のPersonalプランだけでもAI機能は使えますか？

使えます。Personalプラン（永年無料）でもエディタ全機能とAI機能が使え、自分のAPIキーや外部エージェント、ローカルのOllamaは無制限です。編集予測（Zeta）は月2,000 accepted predictionsの枠があり、これを無制限にしたい、あるいはZedホストモデルを使いたい段階でPro（$10/月、2026年6月時点）が選択肢になります。

Q. ローカルOllamaを動かすにはVRAMはどれくらい必要ですか？

必要なVRAMはモデルのパラメータ数と量子化方式で決まります。小さいモデルほど少なくて済み、大きいモデルほど多く要ります。当サイトの検証環境では、量子化した10B級前後のモデルが16GBのVRAMで動作することを確認しました。明確な公式の数値基準はないため、使うモデルに合わせて見積もるのが安全です。

Q. Zedに送ったコードは学習に使われますか？

エディタ本体はオープンソース（主にGPL-3.0-or-later、GPUI等はApache-2.0）で、クラウドモデルを使うときはコードの文脈が処理のために送られます。データの扱いはモデル提供元のポリシーや設定で変わるため、機密性の高いコードでは公式のデータ取り扱い方針と設定を確認してください。ローカルOllama構成なら、推論を手元で完結させられます。

参考資料

• Zed 公式ドキュメント（zed.dev/docs）— 機能・設定・対応OSなど、要件まわりの一次情報。
• Zed 公式サイト（zed.dev）— Rust製ネイティブエディタとしての製品概要と特徴。
• Zed 料金ページ（Pricing）— Personal / Pro / Business の現行プラン構成と価格（確認時点 2026年6月）。
• Ollama 公式サイト（ollama.com）— 推論をローカルで動かす場合のセットアップと対応モデルの確認先。
• メモリ使用量などの体感値は環境依存で、非公式の報告にもとづく目安が多い点に注意してください。数値は実機構成によって変わります。

当サイトはAmazonアソシエイト・プログラムの参加者です。Amazonのアソシエイトとして、当サイトは適格販売により収入を得ています。