LLM

この記事でわかること Workspaceで作業する仕事なら: 個人のGoogle AI Proを買っても仕事用アカウントには効きません。ドキュメントやスプレッドシートの中でGeminiを使うなら、WorkspaceのBusiness Standard(年間契約で月1,600円・税別)以上が入口です 長い資料を読ませるなら: Google AI Pro(月2,900円)以上です。Plusのコンテキスト長は128kトークンで、Proの1Mトークンの12.8%です 軽く毎日使うなら: Google AI Plus(月725円)です。無料版を基準に倍率をそろえると、公称倍率で月額を割った値は有料3プランの中で最小の362.5円です 倍率の「2倍・4倍」と「5倍・20倍」は基準が違うこと、上限に当たった後も有料プランならFlash-Liteで会話を続けられることもわかります 結論から言うと、個人アカウントで使う人がPlusかProかを決める最初の分かれ目は「1回に読ませる資料が128kトークンに収まるか」だと筆者は考えます。ページ数に直すと、ヘルプの「1Mトークンで1,500ページ」をページあたりのトークン数が一定で、128kをすべて資料に使えると仮定して比例配分した概算で約190ページですが、図表の量や日本語か英語かで大きく変わる参考値です。なお料金ページにも「最大 1,500 ページのファイルをアップロード可能」という表記がありますが(Google 2026-10-10確認)、どのプランの説明として書かれているかと、128kのコンテキスト長との関係は確認できていません。128kに収まらないならProです。収まる場合でも、Googleドキュメントの中でGeminiを使いたいならProで、それ以外ならPlusです。Ultraは、Proの上限に週単位で何度も当たる人のためのプランです。 会社のWorkspaceアカウントで使う人は、個人向けの4プランをそもそも比較の対象から外してください。仕事用アカウントには、Workspaceのエディションごとの別の料金表が適用されます。 1. 比較の前提 この記事の数字は、Plus 2TB版の価格(報道)を除き、2026年10月10日に次の公式ページで確認したものです。 Geminiのサブスクリプション(日本向け)の料金ページ (Google 2026-10-10確認) Geminiアプリの利用上限ヘルプ (Google ヘルプ 2026-10-10確認) Google AI プランのページ (Google One 2026-10-10確認) Google Workspaceの料金ページ (Google Workspace 2026-10-10確認) 価格の扱いで、先に断っておくことが3つあります。 1つ目は税の扱いです。Workspaceの料金ページには「価格はユーザー 1 人あたりの月額料金です(税別)」と書かれています。一方、Geminiの料金ページは「¥725 JPY/月」の形で、税込か税別かの表記を確認できませんでした。個人プランの税の扱いと年払いの有無は、購入画面で確かめてください。 2つ目はプロモ価格です。Workspaceには新規顧客向けの割引価格が出ていますが、この記事の計算には通常価格を使います。 3つ目はアカウントの種別です。Geminiの利用上限ヘルプは個人のGoogleアカウント向けの記事です。仕事用・学校用のGoogleアカウントは別の案内を見るよう書かれています。この記事でも、個人向け4プランとWorkspaceを分けて扱います。 一次資料の対応表 実際に複数プランを並行契約して測ったログは手元にありません。そのため実測表は置かず、主張ごとに根拠のページを示します。 主張 一次資料 種別 確認日 Plus 725円・Pro 2,900円・Ultra 14,500円/32,000円 Gemini サブスクリプション(日本) 公式料金ページ 2026-10-10 Plus 2倍・Pro 4倍は無料版基準、Ultraは「Pro プランの最大 20 倍」 Gemini サブスクリプション(日本) 公式料金ページ 2026-10-10 Ultraは「AI Proの5倍または20倍」 Gemini Apps usage limits 公式ヘルプ 2026-10-10 コンテキスト長 無料32k・Plus 128k・Pro/Ultra 1M Gemini Apps usage limits 公式ヘルプ 2026-10-10 5時間ごとに回復・週上限・上限後はFlash-Lite Gemini Apps usage limits 公式ヘルプ 2026-10-10 最大5人と共有・学生向けPlus 1年無料 Google AI のプラン 公式(Google One) 2026-10-10 Plus 2TB版 月額1,450円 ASCIIの報道(2026年6月9日付) 報道 2026-10-10 Business Starter 800円・Standard 1,600円・Plus 2,500円(税別) Workspace 料金 公式料金ページ 2026-10-10 フレキシブル 950円・1,900円・3,000円、掲載価格は年間契約 Workspace 管理者ヘルプ(支払いプランの比較) 公式ヘルプ 2026-10-10 2. 個人4段階と仕事用Workspaceの横並び表 まず個人向けの4段階です。原文の表記をなるべくそのまま載せています。 ...

この記事でわかること 止まったのが Gemini アプリ・Gemini API・Gemini CLI のどれの制限かを、使っていた画面とエラー表示から切り分けられる 残量の確認場所がわかる。アプリは「Settings」→「Usage Limits」、API は AI Studio のレート制限ページ、CLI は /stats model です いつ戻るかがわかる。アプリは5時間ごとに回復して週上限あり、API の1日上限は太平洋時間0時(日本時間16時、11月2日以降は17時)に戻ります 待つか課金するかを、課金しても上限が消えるわけではない点も含めて判断できる 「Gemini の無料制限」と一口に言っても、Google はアプリ・API・CLI で別々の数え方とリセットを定めています。アプリの無料版は回数の具体値を公表しておらず、5時間ごとに回復し週の上限がある、という仕組みだけが示されています。API と CLI は1日あたりの上限があり、API は太平洋時間の0時に戻ります。CLI は認証方式によって使うクォータが変わり、Google ログインなら Code Assist 側、API キーなら Gemini API 側(そのプロジェクトの API 上限と共有)、Vertex AI なら Vertex 側のクォータを使います。 まず「自分がどこで Gemini を使っていたか」で3つに分けてください。gemini.google.com やスマホのアプリならアプリの制限です。自分で書いたプログラムや AI Studio の API キー経由なら API、ターミナルの gemini コマンドなら CLI の制限です。以下、この3つを順に扱います。 1. 一次資料の対応表 この記事の数値と仕様は、すべて次の公式ページで2026年10月6日に確認したものです。今回は実機の画面撮影は行っていません。メニュー名は公式ヘルプとドキュメントの表記に基づきます。 主張 一次資料 種別 確認日 アプリの上限は5時間ごとに回復し、週上限がある Gemini Apps Help『Gemini Apps limits & upgrades for Google AI subscribers』 公式ヘルプ 2026-10-06 アプリ無料版のコンテキストは32kトークン、残量は「Settings」→「Usage Limits」 同上 公式ヘルプ 2026-10-06 有料プランは上限到達後も Flash-Lite で会話を続けられる 同上 公式ヘルプ 2026-10-06 API の制限は RPM・TPM・RPD などで、APIキーではなくプロジェクト単位 Gemini API『Rate limits』(最終更新 2026-09-02) 公式ドキュメント 2026-10-06 API の RPD は太平洋時間0時にリセット、数値は AI Studio で確認 同上 公式ドキュメント 2026-10-06 モデル別の無料枠の有無、無料枠の入力は製品改善に使われる Gemini API『Pricing』(最終更新 2026-10-01) 公式ドキュメント 2026-10-06 Interactions API の 429 の内訳(error.code の3種)と対処 Gemini API『API errors (Interactions)』(最終更新 2026-09-20) 公式ドキュメント 2026-10-06 GenerateContent API の 429 は RESOURCE_EXHAUSTED で、RPM・TPM・RPD・支出上限をまとめて指す Gemini API『API errors (GenerateContent)』(最終更新 2026-09-20) 公式ドキュメント 2026-10-06 google-genai SDK は 4xx を ClientError、5xx を ServerError として送出 googleapis/python-genai『errors.py』 公式ソースコード 2026-10-06 2.5 Flash Image は2026-10-02に提供終了、2.5 系は過去の利用者に限定 Gemini API『Deprecations』(最終更新 2026-10-01) 公式ドキュメント 2026-10-06 EEA・スイス・英国では無料枠にも有料サービスのデータ取り扱いが適用 Gemini API『追加利用規約』(最終更新 2026-04-28) 公式規約 2026-10-06 CLI は Google ログインで1日1,000リクエスト、未課金APIキーは250で Flash のみ Gemini CLI『Quotas and pricing』(最終更新 2026-06-18) 公式ドキュメント 2026-10-06 CLI の /stats model でトークン数とクォータ情報を表示 Gemini CLI『Commands』 公式ドキュメント 2026-10-06 アプリのヘルプには『Limits may change without notice, including due to capacity constraints.』と書かれています。API のドキュメントにも『Specified rate limits are not guaranteed and actual capacity may vary.』とあります。どちらも予告なく変わりうるので、数値は確認日とセットで読んでください。 ...

この記事の日付について。 2026-10-01に調査・執筆し、公開日の2026-10-04に、Claudeの料金ページ・長さと利用上限のヘルプ・利用クレジットのヘルプと、Geminiの日本向け料金ページ・Google One の Google AI プランとプラン一覧・Gemini アプリの上限ヘルプを一次資料で再確認して更新しました。本文中の「2026-10-01確認」は執筆時、「2026-10-04確認」は公開前の再確認の日付です。筆者環境の計測値は、断りがない限り2026-10-01の記録です。2026-10-11に、ChatGPTを加えた3者比較(第7節)とよくある質問3項目を追記しました(「2026-10-11確認」はその日の確認です)。 この記事でわかること ClaudeとGemini(Google AIプラン)の料金・利用上限・コンテキスト長を、2026-10-04に再確認した公式表記で横並びにできる 「Max 5倍」「Ultra 5倍」「AI Pro 4倍」が何に対する倍率なのかを区別できる 上限に達したとき、Claudeは従量課金で続行、Geminiは軽量モデルに切り替えて続行という違いを踏まえて選べる 自分の資料で両者を同条件比較するための手順を持ち帰れる 結論を先に書きます。月20ドル前後の1枠で、長い資料を読ませたりコードを書かせたりする仕事が中心ならClaude Proが候補です。GmailとGoogleドキュメントの中でAIを使う仕事が中心で、5TBのストレージも使うならGoogle AI Pro(月2,900円)が候補です。 両者とも「5時間ごとに回復する枠+週の上限」という大枠は同じになりました。ただし消費の数え方や基準になる量は共通ではなく、大枠の一致から使える量が同じとは言えません。比較の軸は3点です。倍率を何に対して掛けているか、プランごとに読める長さ、上限に達した後に何が起きるかです。 1. 一次資料の対応表 この記事では実機の検証環境を使っていません。代わりに、各主張の根拠となった公式ページを先に示します。 主張 一次資料 種別 確認日 Claude Pro 月20ドル(年払いは200ドル前払いで月17ドル)、Max 月100ドルから・Proの5倍/20倍、コンテキストは「Up to 1M varies by model」 Claude Pricing 公式料金ページ 2026-10-04 Claudeの長さの上限は有料プランの最新モデルで1M、他は500K/200K。上限到達時は待つ・アップグレード・クレジット購入 How do usage and length limits work? 公式ヘルプ 2026-10-04 Claude Proは5時間で回復するセッション上限と週上限を持つ What is the Pro plan? 公式ヘルプ 2026-10-01 上限超過分のクレジットは標準API単価で課金、有効化と事前入金が必要、月の支出上限を設定可 Manage usage credits for paid Claude plans 公式ヘルプ 2026-10-04 Gmail・Googleカレンダー・Googleドライブのコネクタ Use Google Workspace connectors 公式ヘルプ 2026-10-01 Google AI Plus ¥725・Pro ¥2,900・Ultra ¥14,500/¥32,000、各倍率、ストレージ Gemini サブスクリプション(日本) 公式料金ページ 2026-10-04 Google AI Plus は400GB版と2TB版があり、プラン一覧では「Google AI Plus (2 TB)」が月額¥1,450 Google AI のプラン、Google One プラン 公式ページ 2026-10-04 Geminiは計算量ベースで5時間ごとに回復・週上限あり、コンテキストは無料32k/Plus 128k/Pro・Ultra 1M、使用量は設定の Usage Limits で確認 Gemini Apps usage limits 公式ヘルプ 2026-10-04 確認日は各ページを取得した日です。料金は地域や為替で変わり、表示価格に税が含まれない場合もあるため、契約前に自分の環境の購入画面で確認してください。 ...

この記事の日付について。 2026-09-28に調査・執筆し、公開日の2026-10-04に両社の料金ページ(claude.com/pricing、chatgpt.com/pricing、learn.chatgpt.comの料金ページ)、Claude Pro・プロジェクト・長さ制限の公式ヘルプ、ChatGPT Plus・Pro・無料プラン・多通貨請求の公式ヘルプを一次資料で再確認して更新しました。本文中の「2026-09-28確認」は執筆時、「2026-10-04確認」は公開前の再確認の日付です。筆者環境の計測値は、断りがない限り2026-09-28の記録です。 この記事でわかること 個人向けの入口は、Claude Pro・ChatGPT Plusとも月20ドル(米ドル表示)です。上位は形が違い、Claude Maxは月100ドルから「Proの5倍か20倍」の2段、ChatGPT Proは月100・200・500ドルの3段です 差が出るのは月額ではなく、利用上限の単位と、上限に達したときの動き方です。Claudeは5時間のローリング枠と週次上限、ChatGPTは日常のテキストチャットを「無制限」(合理的な利用の範囲)と表示し、ChatGPT WorkとCodexには別にモデル別の5時間あたり推定値を出しています 長い資料を1つの会話で扱う用途では、Claude有料プランの最新モデルが最大100万トークン、ChatGPTはPlusの推論モデルで合計25.6万トークン(256K)、Proで40万トークン(400K)と公式に書かれています この記事では、両者に同じ資料・同じ指示を与えた出力比較は実施していません。代わりに、自分の業務資料で測れる手順と記録表を載せます 先に結論を書きます。月額では決まらないので、「1日に何回、どれだけ長い資料を投げるか」で選んでください。長い資料を少ない回数で深く読ませる使い方は、公式のコンテキスト長の記載ではClaudeが大きい側です。短いやり取りを大量にこなす使い方は、ChatGPTが日常のテキストチャットを全プランで「無制限」と表示している点が判断材料になります。どちらも公式記載から立てた見立てで、出力の質を比べた結果ではありません。 1. この記事で測ったもの・測っていないもの 企画段階では、同じ資料と同じ指示を両方に与え、正解リストに対する取りこぼし件数と所要時間を測る予定でした。しかし執筆時点(2026-09-28)で、両サービスの同一条件の実行ログは用意できていません。無い数字は載せないため、この記事に「実測結果」表はありません。 代わりに載せるのは次の3つです。 2026-09-28に開き、2026-10-04に再確認した公式ページから拾った料金・上限の対応表 上限の仕組みの違いから導ける、業務別の分岐 読者が自分の資料で同一条件比較をするための手順と記録シート 執筆時(2026-09-28)には、chatgpt.com/pricingとhelp.openai.comの記事を直接開くとHTTP 403が返り、本文を確認できませんでした。2026-10-04の再確認では、chatgpt.com/pricingとChatGPT Plus・Pro・無料プラン・多通貨請求のヘルプ本文を確認でき、本文のChatGPT側の記述はその内容に合わせています。 2. 一次資料の対応表 主張 一次資料 種別 確認日 Claude Pro 月20ドル(年払いは年200ドル、料金ページの月換算表示は17ドル)、Max 月100ドルから Claude Pricing 公式料金ページ 2026-10-04 Claudeの上限は5時間のローリング枠でリセットし、有料プランには週次上限もある Claude Pricing / What is the Pro plan? 公式料金ページ / 公式ヘルプ 2026-10-04 Claudeのメッセージ数は、長さ・添付ファイル・会話の長さ・モデルで変動する What is the Pro plan? 公式ヘルプ 2026-10-04 Claude有料プランの最新モデルは最大100万トークンのコンテキスト Understanding usage and length limits 公式ヘルプ 2026-10-04 Claudeのプロジェクトは無料アカウントを含む全ユーザーが使え、Freeは最大5件 What are projects? 公式ヘルプ 2026-10-04 Claude Team(2〜150人) 標準席 月25ドル(年払い20ドル)、Premium席 月125ドル(年払い100ドル) Claude Pricing 公式料金ページ 2026-10-04 ChatGPT Go 月8ドル、Plus 月20ドル、Pro 月100ドルから ChatGPT Learn: Pricing 公式料金ページ 2026-10-04 ChatGPT Proは月100・200・500ドルの3段階 About ChatGPT Pro tiers 公式ヘルプ 2026-10-04 ChatGPT WorkとCodexのモデル別「5時間あたりローカルメッセージ数」の推定値。Proには現在5時間上限がない ChatGPT Learn: Pricing 公式料金ページ 2026-10-04 ChatGPTの日常のテキストチャットは全プラン「Unlimited」表示。プラン別のコンテキスト長 ChatGPT Pricing 公式料金ページ 2026-10-04 ChatGPT Plusは年払いに対応していない What is ChatGPT Plus? 公式ヘルプ 2026-10-04 ChatGPT Business 1ユーザー月20ドル(2ユーザー以上、年払い。月払いは25ドル) ChatGPT Learn: Pricing 公式料金ページ 2026-10-04 learn.chatgpt.comの料金ページは、ChatGPTの仕事向け機能「ChatGPT Work」とCodexの料金を一緒に扱っています。ページ内には「ChatGPT Work and Codex share usage」とあります。同ページの5時間あたりの表は「local messages per five-hour period」の推定値で、「These estimates are not fixed message limits」と注記されています。通常のチャットの上限は、chatgpt.com/pricingの別の表で示されています。以降の比較では、この2つを分けて扱います。 ...

Claude の料金は、個人なら Pro 月20ドル(年払いなら200ドル一括)、Max 5x 月100ドル、Max 20x 月200ドルです(Max は月払いのみ)。チームなら Team Standard が1人月25ドル(年払い20ドル)、Premium が月125ドル(年払い100ドル)です。表示価格はいずれも税抜で、地域や申し込み経路によって支払額は変わります(Claude 公式 価格ページ 2026-10-04確認)。API は従量課金で、Opus 5.5 が百万トークンあたり入力4ドル・出力20ドル、Sonnet 5.5 が2ドル・10ドルです(Claude API Docs『Pricing』2026-10-04確認)。 利用を続けられるかを決めるのは、月額だけでなく使用量の上限です。Pro・Max・Team には5時間のセッション枠と週次枠があり、Max には Fable 専用の週次枠もあります。Pro・Max ではチャットと Claude Code が枠を共有します。上限に達したあとは、上位プランへの変更、リセット待ち、使用量クレジットによる従量課金(API 標準単価)の3つが選択肢です。使用量クレジットを有効化し、残高と月次上限に余裕があれば、上限到達後は自動的に従量へ切り替わります(使用量クレジットのヘルプ 2026-10-15確認)。 この記事の日付について。 2026-10-03に調査・執筆し、公開日の2026-10-04に公式価格ページ、API 単価ドキュメント、Max・Team・使用量クレジット・制限リセットの各ヘルプを一次資料で再確認して更新しました。本文中の「2026-10-03確認」は執筆時、「2026-10-04確認」は公開前の再確認の日付です。筆者環境の計測値は、断りがない限り2026-10-03の記録です。2026-10-15 に、Max の料金・円の目安・月次 API クレジットの章(第3章)を追記し、価格ページ・Max のヘルプ・API 単価を再確認して更新しました。同日、外部レビューを受けて、Haiku 5.5 の単価、Max の Fable 専用の週次枠、使用量クレジットの自動切り替え、月次 API クレジットの受け取り手順と例外、API も使う場合のプラン選びの条件を補いました。 この記事でわかること Free / Pro / Max / Team / Enterprise / API の月額と、「何の何倍か」の基準を1枚の表で確認できる Max 5x(月100ドル)と Max 20x(月200ドル)の円の目安と、月額と同額で付く月次 API クレジットの受け取り方・使えない範囲(対話型の Claude Code には使えない)がわかる 価格が税抜表示であること、Pro・Max はチャットと Claude Code で枠を共有すること、Team は1人ずつ別枠であることを区別できる 上限に達したあとの3つの選択肢と、従量課金に切り替えたときの単価・上限設定がわかる 使い方別(軽いチャット・長文資料・Claude Code)に、API で払った場合の月額を公式単価から試算し、サブスクとどちらが安いかの目安を立てられる 1. 一次資料の対応表と、確認できなかった資料 この記事の数字は、すべて下表の公式資料から取り直しています。実際の請求明細による実測はこの記事にはありません。そのため「実測結果」表は置かず、試算はすべて公式単価と明示した仮定から計算しています。 ...

この記事の日付について。 2026-09-26に調査・執筆し、公開日の2026-10-04に、Ollama公式ライブラリのタグ別サイズ(gemma4・qwen3.6・qwen3・qwen3.8・qwen3-next)、Ollama公式FAQの ollama ps の説明、筆者環境の ollama list / ollama show の表示を再確認して更新しました。本文中の「2026-09-26確認」は執筆時、「2026-10-04確認」は公開前の再確認の日付です。筆者環境の計測値は、断りがない限り2026-09-26の記録です。 この記事でわかること 手元のメモリが8GB・16GB・24GB・32GB以上のとき、Ollamaでそのまま使える日本語向けの候補がどれか 候補をモデル名の「B数」ではなく、Ollamaで落ちてくる実ファイルのサイズで選ぶ理由 DGX Spark(統合メモリ128GB)で実際に使い続けているモデルと、品質不足でやめた構成の記録 Gemma 4・Qwen3.6・Qwen3のライセンスと、商用利用の根拠URL 今日中に動かし始めるための最短のコマンドと、コンテキスト長の落とし穴 結論から書きます。32GB以上のメモリがあるなら、筆者が日常運用している qwen3.6:35b-a3b(23〜24GB)が最初に試す候補です。24GBなら gemma4:26b(16〜19GB)か qwen3.6:27b(18〜19GB)、16GBでは gemma4:12b(7.7〜8.0GB)か qwen3:14b(9.3GB)、8GBでは qwen3:8b(5.2GB)か qwen3:4b(2.5GB)が現実的な線です。サイズはいずれもOllama公式ライブラリの表示値です(2026-10-04確認)。 ただし、ファイルサイズがメモリより小さいことは動作の保証になりません。実行時にはKVキャッシュや作業用のバッファも必要で、短いコンテキストから試して ollama ps で配置を確かめる前提の候補です。筆者が実機で品質まで確かめたのは32GB以上の帯だけで、8〜24GB帯の候補は公式サイズから選んだ段階です。どこまでが実測で、どこからが公式値からの逆算かは、表ごとに明記します。 1. 選び方の基準──「何B」ではなく「何GB」で決める ローカルLLMの紹介記事は、モデルを「7B」「27B」のようなパラメータ数で並べがちです。しかし、手元のPCに載るかどうかの大部分を決めるのは、量子化したあとのファイルサイズと、会話中に増えるKVキャッシュの合計です。これに実行時のバッファや、画像入力を使う場合の処理分が加わります。同じ「26B」でも、16ビットなら57.7GB、4ビット(Q4_0)なら14.4GBと4倍の開きがあります(Google AI for Developers『Gemma 4 model overview』最終更新2026-07-08)。 この記事では、次の4点で候補を絞りました。 メモリに載るか: Ollama公式ライブラリに表示されるタグ別サイズが、手元のメモリより十分小さいこと 日本語が使えるか: 開発元のモデルカードが多言語対応を明記していること。実測できたものは実測結果を優先 Ollamaで1コマンドで取れるか: 公式ライブラリにタグがあり、ollama pull だけで始められること 商用で使えるか: ライセンスが開発元の一次資料で確認でき、商用利用を妨げる独自条項がないこと 「量子化」は、モデルの重みを16ビットから8ビットや4ビットに丸めて小さくする処理です。Ollamaの標準タグは多くが4ビット前後に量子化済みで、q8_0 や bf16 の付いたタグはより大きく、元の精度に近い版です。たとえば qwen3.6:27b は標準で18〜19GB、q8_0 で30GB、bf16 で56GBです(Ollama library qwen3.6 tags 2026-10-04確認)。 2. 一次資料の対応表 この記事の数字は、次の一次資料と筆者の作業記録から取っています。 主張 一次資料 種別 確認日 gemma4の各タグのサイズ(e2b 4.6〜7.5GB、e4b 6.6〜9.5GB、12b 7.7〜8.0GB、26b 16〜19GB、31b 19〜20GB)とコンテキスト長 Ollama library gemma4 tags 公式ライブラリ 2026-10-04 qwen3.6の各タグのサイズ(27b 18〜19GB、35b-a3b 23〜24GB、q8_0/bf16版を含む) Ollama library qwen3.6 tags 公式ライブラリ 2026-10-04 qwen3の各タグのサイズ(4b 2.5GB、8b 5.2GB、14b 9.3GB) Ollama library qwen3 公式ライブラリ 2026-10-04 Gemma 4の5サイズと、BF16・SFP8・Q4_0別の重みのメモリ量 Google AI for Developers『Gemma 4 model overview』 公式ドキュメント 2026-09-26 Gemma 4はApache 2.0、事前学習140超・そのまま使える35超の言語 Hugging Face google/gemma-4-26B-A4B-it、Google Open Source Blog 2026-04-02 モデルカード・公式ブログ 2026-09-26 Qwen3.6-35B-A3B・Qwen3.6-27BはApache 2.0 Hugging Face Qwen/Qwen3.6-35B-A3B、Qwen/Qwen3.6-27B モデルカード 2026-09-26 Qwen3-8BはApache 2.0、100超の言語と方言に対応 Hugging Face Qwen/Qwen3-8B モデルカード 2026-09-26 Ollamaの既定コンテキスト長はVRAM量で4k/32k/256kに変わる Ollama docs: Context length 公式ドキュメント 2026-09-26 llama.cppはMITライセンス、1.5〜8ビットの整数量子化に対応 GitHub ggml-org/llama.cpp GitHub 2026-09-26 DGX Sparkでの速度・品質の実測、登録モデルとサイズ、ローカルLLMでの記事生成をやめた経緯 筆者の作業記録(2026-04-03、2026-07-14、2026-08-04、2026-09-08) 実測・運用記録 2026-09-26 Ollamaのqwen3.6のページには、ライセンスの記載がありませんでした(2026-09-26確認)。ライセンスはHugging Faceのモデルカードで確認しています。 ...

この記事の日付について。 2026-09-27に調査・執筆し、公開日の2026-10-04に、Ollama公式FAQ(プライバシー・ollama ps・クラウド無効化の記述)、Ollamaのクラウドモデル一覧とドキュメント、Ollama library qwen3.6 tags、Qwen3-8Bの設定ファイルとモデルカード(コンテキスト長)、筆者環境の ollama list / ollama show の表示を一次資料で再確認して更新しました。本文中の「2026-09-27確認」は執筆時、「2026-10-04確認」は公開前の再確認の日付です。筆者環境の計測値は、断りがない限り2026-09-27の記録です。2026-10-11に第7節・第10節・第11節とよくある質問6項目を追記しました(「2026-10-11確認」はその日の確認です)。 この記事でわかること ローカルLLMの定義と、ChatGPTのようなクラウドLLMとの違い Ollama・LM Studioを使うとき、入力が手元に留まる範囲と、通信が発生する操作 重み・量子化・実行ソフトの3つで、手元の推論が成り立つ仕組み 自分のPCで動くかを、パラメータ数とビット数から見積もる計算方法 ローカルLLMが向く作業と、向かない作業 ローカルLLMとは、大規模言語モデル(LLM)の推論を自分のPCや自社サーバーの上で実行する使い方です。モデルの重みファイルを手元に置き、実行ソフトがそれを読み込んで文章を生成します。 ChatGPTとの違いは「どこで計算するか」です。クラウドLLMは入力を提供元のサーバーへ送って処理します。ローカルLLMは、モデルを取得したあとなら通信なしで応答できます。LM Studioの公式ドキュメントは、ダウンロード済みモデルとのチャットで入力した内容は端末の外に出ないと明記しています(LM Studio Docs『Offline Operation』2026-09-27確認)。動かせるかどうかは、主にメモリ量で決まります。小型の量子化モデルなら一般的なPCも候補になります。ただし必要量は重みだけでなくKVキャッシュや実行バッファでも変わるため、空きメモリと実際のロード状態を確認します。 1. ローカルLLMとは──「ローカル」は推論の実行場所を指す LLMを使う処理は、大きく「学習」と「推論」に分かれます。学習は大量の計算資源で重みを作る工程です。推論は、できあがった重みに文章を入力して続きを出させる工程です。 ローカルLLMの「ローカル」は、このうち推論をどこで実行するかを指します。学習まで手元で行う必要はありません。Qwen・Gemma・Llamaのように、開発元が重みを公開しているモデル(オープンウェイトモデル)をダウンロードして使うのが一般的です。 そのため「ローカルLLM」という名前のモデルがあるわけではありません。同じQwen3-8Bでも、自分のPCで動かせばローカル、クラウドのAPI経由で使えばクラウドです。 2. 一次資料の対応表 この記事の事実関係は、次の一次資料と筆者の運用記録から取っています。 主張 一次資料 種別 確認日 ローカル実行時、Ollamaはプロンプトやデータを見ない。既定の待ち受けは localhost の11434番ポート Ollama FAQ 公式ドキュメント 2026-09-27(プライバシーの記述は2026-10-04再確認) Ollamaはモデルをインターネットから取得する。モデルの保存場所、既定で5分間メモリに保持 Ollama FAQ 公式ドキュメント 2026-09-27 Ollamaのクラウド機能は OLLAMA_NO_CLOUD=1 で無効化できる Ollama FAQ 公式ドキュメント 2026-10-04 Ollamaのクラウドモデルには公開重みのモデルも並ぶ Ollama cloud models、Ollama docs: Cloud 公式ライブラリ・ドキュメント 2026-10-04 Ollamaの既定コンテキスト長はVRAM量で4k/32k/256kに変わる。ollama ps の列の意味 Ollama docs: Context length 公式ドキュメント 2026-09-27 LM Studioはモデル取得後はオフラインで動き、入力と文書は端末外に出ない。通信が要る5つの操作 LM Studio Docs『Offline Operation』 公式ドキュメント 2026-09-27 llama.cppは1.5〜8ビットの整数量子化、CPUとGPUの併用推論に対応。MITライセンス GitHub ggml-org/llama.cpp GitHub 2026-09-27 Qwen3-8Bは8.2Bパラメータ、36層、KVヘッド8、Apache 2.0。コンテキスト長は標準32,768トークン、YaRN併用で131,072トークン Hugging Face Qwen/Qwen3-8B、config.json モデルカード・設定ファイル 2026-09-27(コンテキスト長は2026-10-04確認) qwen3:8b の標準タグはq4_K_Mで5.2GB、q8_0は8.9GB、fp16は16GB Ollama library qwen3 tags 公式ライブラリ 2026-09-27 DGX Sparkでのモデル重みのサイズ・メモリ配分・生成速度 筆者の作業記録(2026-03-15、2026-08-04) 運用記録 2026-09-27 CPUのみの動作、Apple M系の対応、生成速度とメモリ帯域の関係 Ollama docs: macOS、llama.cpp Discussion #4167、Apple Newsroom 公式ドキュメント・GitHub・公式発表 2026-10-11 Qwen・Llama 3.3・Gemmaの商用利用条件、Ollamaのコーディング連携 各モデルのLICENSE、Gemma Terms of Use、Ollama docs: Integrations ライセンス文書・公式ドキュメント 2026-10-11 企画段階では、DGX Spark上でネットワークを遮断した状態の動作と、ollama ps・生成速度を新たに測る予定でした。この記事の公開時点では、その測定はまだ行えていません。そのため後半の数字は、過去の作業記録にある値と、一次資料からの計算値に限っています。 ...

何が起きたのか Z.ai が 2026-08-26 に GLM-5.3-Flash を公開しました。総パラメータ320B・活性18Bの MoE(Mixture-of-Experts、トークンごとに一部の専門家だけを動かす方式)で、ライセンスは MIT、ウェイトは Hugging Face の zai-org/GLM-5.3-Flash に置かれています。モデルカードには「With 320B total parameters and just 18B active parameters」と明記されています。 同時に、OpenRouter と OpenCode へ提供元を伏せて投入され話題になっていた ox-alpha が、このモデルのプレビュー版だったことが公式に認められました。Z.ai 公式ドキュメントは「we tested GLM-5.3-Flash anonymously as ox-alpha on OpenCode and OpenRouter to gather user feedback」と書いています（Z.ai 公式ドキュメント）。TechCrunch も Z.ai が Ox Alpha の開発元であることを認めたと報じていますが、同記事が引いている確認は Bloomberg News の取材に対する Z.ai の回答であり、TechCrunch が独自に取ったものではありません（TechCrunch 2026-08-26）。Z.ai 公式アカウントの発表投稿も「Previously previewed as Ox Alpha, running entirely on Chinese AI chips」と書いており、匿名プレビューと自社の関係、および中国製AIチップ上での運用を明言しています（Z.ai 公式X 2026-08-26）。 筆者が本稿で取り上げたいのは、話題性そのものではありません。公称値として掲げられている数字と、モデルカードの脚注に書かれた測定条件が、ベンチマークごとにばらばらだという点です。 公称1Mコンテキストと、ベンチマークごとに違う評価条件 公式発表と各所の紹介文が揃って掲げているのは「1M-token context window」です。設定ファイル側にも対応する値があります。Hugging Face の config.json では設定上の最大長 max_position_embeddings が 1,048,576 で、$2^{20}$ ちょうどです。これは実装が受け付ける上限の宣言であって、その長さで測った品質を示す値ではありません。 ...

何が起きたのか DeepSeekが2026年8月21日、APIプラットフォーム上で実験版のマルチモーダルモデル deepseek-v4-flash-vision-exp を公開しました（DeepSeek API Docs Change Log 2026-08-21）。公式のリリースノートは、このモデルについて「テキスト能力はDeepSeek-V4-Flashと同等で、マルチモーダルのエージェントベンチマークではOpus-4.8に迫る」という位置づけを示しています（DeepSeek API Docs 2026-08-21）。 同時に公開されたのは、画像を1度アップロードして file_id で参照できる無料のFiles API、そして本モデルをそのまま扱えるDeepSeek Harness 0.1.1です（DeepSeek API Docs 2026-08-21）。料金表を見ると、deepseek-v4-flash-vision-exp の単価は deepseek-v4-flash とまったく同じ行に並んでいます（DeepSeek API Docs 料金ページ）。 ただし、Hugging Faceの deepseek-ai オーガナイゼーションを確認しても、2026年8月22日時点でvision版に対応するウェイトリポジトリは見当たりません。V4系で公開されているのは DeepSeek-V4-Flash-0731、DeepSeek-V4-Pro-0813 などテキストモデルのみです（Hugging Face deepseek-ai）。今回はAPI限定の実験公開、というのが現在地です。 「テキストは同等」の中身──7項目中6項目が上、幅は−1.4〜+5.6 まず引っかかるのは、公式が「テキストは同等」と言いながら、自ら並べたテキスト系エージェント評価7項目のうち6項目で、既存のV4-Flash-0731より高い値が出ていることです。上回っているのは6項目、下回っているのはCybergymの1項目だけで、差の幅は−1.4から+5.6に収まります。 公式リリースのベンチマーク表（画像）から、テキスト系エージェント評価の7項目を並べると次のようになります。 ベンチマーク V4-Flash-Vision-Exp V4-Flash-0731 差 Terminal Bench 2.1 83.9 82.7 +1.2 NL2Repo 57.7 54.2 +3.5 Cybergym 75.3 76.7 −1.4 DeepSWE 59.3 54.4 +4.9 Toolathlon-Verified 75.9 70.3 +5.6 DSBench-Hard 63.6 59.6 +4.0 AutomationBench (Public) 25.7 25.1 +0.6 （DeepSeek API Docs 公式ベンチマーク表より。なおChange Logの本文に載っているのは9項目で、CybergymとToolathlon-Verifiedは本文にはなく、この画像にだけ出てきます） ...

何が起きたのか Alibabaの Qwen チームが 2026-08-14、270億パラメータのdenseモデル Qwen3.8-27B を Apache 2.0 で公開しました。第三者測定機関 Artificial Analysis は同モデルの Intelligence Index を 52 と算出し、オープンウェイトの同クラス135モデル中1位と位置づけています（Artificial Analysis）。 この52という数字が話題になったのは、クローズドのフロンティアモデルと並んでしまったからです。Artificial Analysis の比較ページ上で、GPT-5.6 Luna（max）の Intelligence Index も 52（Artificial Analysis 比較ページ）。DeepSeek V4 Flash 0731（Reasoning, Max Effort）も 52 です（Artificial Analysis 比較ページ）。 ただし「互角」という言葉が指す範囲は、思ったより狭いです。以下、公称値・第三者指数・手元の実機という3層に分けて確認します。 第1層: 公称値は前世代から跳ねている Hugging Face の公式モデルカードに並ぶ数値は、いずれもAlibaba自社報告です（Hugging Face Qwen/Qwen3.8-27B）。前世代 Qwen3.6-27B との差分が大きいものを抜き出します。 ベンチマーク Qwen3.8-27B Qwen3.6-27B Qwen3.7-Plus Opus 4.6 Max SWE-bench Pro 61.7 53.5 57.6 53.4 DeepSWE 1.1 42.2 13.3 14.2 — QwenSWEBench 79.0 49.3 59.2 63.8 Terminal Bench 2.1 73.0 63.4 64.0 78.2 LiveCodeBench v6 90.3 83.9 89.6 88.8 OSWorld-Verified 84.3 63.9 73.3 72.7 GPQA Diamond 89.2 87.8 90.3 91.3 HLE 30.8 24.0 34.7 40.0 DeepSWE 1.1 の 13.3 → 42.2 は3倍以上です。一方で GPQA Diamond は 87.8 → 89.2 とほぼ横ばい、HLE は 30.8 で Opus の 40.0 に届いていません。伸び幅が大きいのはエージェント的なコーディングとGUI操作のタスクで、GPQA Diamond と HLE（24.0 → 30.8）はそれほどではない、という読み方になります。この非対称性は後処理（ポストトレーニング）に重点を置いた世代だからではないか、というのが筆者の推測です（Alibaba がそう説明しているわけではありません）。 ...