ai-local-lab

Models

モデル別で見る

当サイトが実測・掲載しているローカルAIモデルを族（Qwen・Llama・Gemma等）別に一覧します。パラメータ数・ライセンス・商用利用可否と、実測済みの機材×速度（tok/s）へのリンクをまとめました。機材ごとの一覧は検証DB、条件を絞った比較は動くか診断をどうぞ。

掲載モデル数
58掲載モデル
実測済みモデル数
51実測済み

30秒でわかる結論

まず族、次にサイズ。商用利用はライセンス次第

ローカルLLMは、まず族（Qwen・Llama・Gemma等）で性格が決まり、次に用途に対して最小十分なサイズを選ぶのが効率的です。日本語やエージェント用途はQwen系が優勢（エージェント実用度）。商用利用はライセンス次第で、当サイト掲載の多くはApache-2.0等で商用可ですが、一部（Qwen2.5-3B・Command-R7B）は商用不可、Llama系や一部のGemma系（Gemma3以前。Gemma4はApache-2.0）は独自ライセンスの条件つきです。系統で一括りにせず、各カードの「商用可/不可」バッジとライセンスを確認してください（要検証。ライセンスは一次情報が最終）。

実測済みの機材×速度は各カードのリンクから。手元で載るか・速度が出るかは動くか診断、機材別の一覧は検証DBへ。

Qwen19モデル

Llama6モデル

Gemma7モデル

Phi3モデル

LFM3モデル

SmolLM1モデル

Command1モデル

Mistral4モデル

Granite1モデル

Ministral3モデル

その他10モデル

よくある質問

ローカルLLMは商用利用できますか？
モデルによります。Apache-2.0やMITなどのモデルは商用に使いやすい一方、一部（例: Qwen2.5-3Bはリサーチライセンスで商用不可、Command-R7Bも非商用）や、Llama系・一部のGemma系（Gemma3以前。Gemma4はApache-2.0）の独自ライセンス（利用条件つき）があります。系統で一括りにせず、各カードの『商用可/不可』バッジとライセンス名を確認し、最終判断は各モデルの公式ライセンス（一次情報）で行ってください（要検証）。
日本語に強いローカルLLMはどれですか？
当サイトの実測では族の影響が大きく、Qwen系が日本語で優勢でした。ただし『日本語の文章が上手い』ことと『日本語でエージェント（ツール呼び出し）が組める』ことは別物です。エージェント用途の実用度は『日本語ローカルAIエージェント実用度インデックス』を参照してください（自前実測・要検証）。
モデルのサイズ（パラメータ数）はどう選べばいいですか？
用途に対して最小十分なサイズが基本です。要約・分類は4〜8Bで足りることが多く、高品質な日本語やエージェントは14〜35B級が有利です。大きいほどVRAMを食うので、手元で載るか・速度が出るかは『動くか診断』で確認できます（経験則・要検証）。
MoE（混合エキスパート）と密モデルの違いは？
MoEは実行時に使う活性パラメータが少なく、速く・省電力な傾向です。ただし必要メモリは総パラメータ数で見積もります（どのエキスパートが呼ばれるか事前に分からず、全重みをメモリに載せる必要があるため）。電力効率の実測は検証DBを『tok/s/W』で並べ替えて確認できます。
モデルはどこで入手し、安全性はどう確認しますか？
HuggingFaceなどが主な入手先です。安全面では、任意コード実行の恐れがある形式より safetensors 形式を優先し、配布元の素性を確認するのが基本です。『GGUFだから安全』とは限りません。詳しくは安全対策の記事を参照してください。
実測が無いモデルの速度はどう分かりますか？
実測は当サイトの保有機材に限られます。未計測の機材×モデルは『動くか診断』が公称メモリ帯域とA6000実測から理論推定を出します（実機はこれを下回るのが普通・要検証）。実測済みの値は各モデルカードのリンクから確認できます。