コーディング向けローカル LLM：8・16・32・64 GB に収まるモデル

コーディング向けローカル LLM を選ぶ出発点はランキングではなく、マシンのメモリ容量と、モデルが保持できるコンテキストの長さという 2 つの数字です。Claude Code や Cline などのコーディングエージェントにはツール呼び出しに対応するモデルが必要で、Ollama のドキュメントではコーディングツールに少なくとも 64,000 トークンのコンテキストが必要とされています。^[1] 以下は Ollama のライブラリでツール対応として掲載されているモデルを、2026 年 11 月 4 日時点で記載されていた 4 ビット版のダウンロード容量順に並べたものです。^[2]

品質による順位付けはしていません。同じエージェントタスクですべてのモデルを網羅する単一の独立ベンチマークはなく、適切な選択はご自身のリポジトリによって変わります。ここで示せるのは、どのモデルがメモリに収まるか、十分なコンテキストを保持できるか、限られたメモリ帯域幅でも速く動くかです。

メモリ容量別のコーディング向けローカル LLM

出典：Ollama モデルライブラリとタグページ。^[2][3]

ダウンロード容量は必要容量の下限であり、全体の要件ではありません。コンテキストキャッシュは設定したウィンドウに応じて増えるため、19 GB のモデルを 64K 以上のコンテキストで動かすには、19 GB を超える空き容量が必要です。Ollama も、コンテキストを大きくするとモデル実行に必要なメモリが増えると注意しています。^[1]

コンテキスト長によって候補から外れるモデルがある理由

コンテキストを指定しない場合、Ollama は GPU メモリに応じて設定します。VRAM が 24 GiB 未満なら 4K トークン、24〜48 GiB なら 32K、それを超えると 256K です。^[1] Claude Code 向けガイドでは、大きなリポジトリに 64K 以上を求めています。^[4] そのため、16 GB のカードでは既定値を手動で引き上げる必要があり、そのうえでモデルとキャッシュがメモリに収まらなければなりません。

モデル自体の上限も重要です。qwen2.5-coder のタグに記載されたコンテキストウィンドウは 32K なので、メモリに余裕があっても、Ollama がコーディングエージェントに推奨する 64K には届きません。^[3] 自動補完や短い編集には引き続き役立ちます。複数のファイルを読み、長いツール履歴を保持するエージェントでは、表にある 128K〜488K のモデルが現実的な選択肢です。

Mixture-of-Experts モデルは同じメモリでも速く動く

Cohere は North Mini Code を「有効パラメーター数 3B の 30B Mixture-of-Experts モデル」と説明しています。パラメーターは総数で約 300 億、トークンごとに使うのは約 30 億です。^[2] Qwen3-Coder の 30B タグにも同じ a3b サフィックスが付き、NVIDIA の Nemotron のタグは 120b-a12b となっています。^[3] 重みはすべてメモリに置く必要があるため、ダウンロード容量は総サイズが同程度の密モデルと変わりません。一方、生成速度は異なります。トークンごとに読み取るのは有効なエキスパートだけで、ローカルマシンのトークン生成速度は通常、演算性能よりメモリ帯域幅で制限されます。

この差は大きくなります。メモリ帯域幅 273 GB/s のマシンで、70B 密モデルの重み 35 GB をトークンごとに読むと、出力の上限は毎秒約 8 トークンです。一方、有効パラメーター数 3B のモデルで 4 ビットの重み約 1.5 GB を読む場合は、上限がはるかに高くなります。計算の詳細は DGX Spark のスペックのガイドで説明しています。長い出力と多くのツール呼び出しを生成するコーディングエージェントでは、この差が毎ターン表れます。

ローカルモデルをコーディングエージェントに接続する

Ollama では ollama launch claude でローカルモデルに接続した Claude Code を起動できます。スクリプトでは、ollama launch claude --model <model> --yes -- -p "..." を使うと確認プロンプトを省略できます。^[4] Ollama はツール呼び出しと思考を「互換性のあるモデルで」利用できると記載しているため、接続前にモデルページで tools タグを確認してください。^[4] LM Studio もポート 1234 の Anthropic 互換エンドポイント経由で利用できます。Ollama と LM Studio の比較では両方の設定方法を扱っています。

どちらのツールでもコンテキストを明示的に設定してください。気付かないまま 4K で動作すると、会話からファイルが抜け落ち、モデルの性能が実際より低く見えてしまいます。

FAQ

コーディング向けローカルモデルに必要なメモリは？

64K のコンテキストを使うエージェントなら、およそ 24 GB 以上を見込んでください。qwen3.6:27b や qwen3-coder:30b などの 17 GB〜19 GB のモデルに加え、コンテキストキャッシュ用の余裕が必要です。より小さなモデルは 8 GB〜16 GB に収まりますが、上限が 32K のものはエージェントより補完向きです。^[1][3]

Nemotron 3.5 Super とは？

Ollama では「コーディング、推論、ツール利用、文書理解向けの NVIDIA の視覚言語モデル」として掲載されています。ローカルタグは総数 120B、有効パラメーター数 12B、コンテキスト 1M トークンのモデルで、4 ビット版のダウンロード容量は 90 GB です。^[2][3]

ノート PC でコーディング向けローカル LLM を動かせますか？

はい。上記のメモリ制限の範囲内で動かせます。8 GB〜16 GB のノート PC では、コンテキストウィンドウがそれぞれ 256K、128K と記載されている mimo-v2.6:9b や gpt-oss:20b を実行できますが、コンテキストキャッシュ用の余裕を残してください。^[3]

ホスト型モデルを使うほうがよい場合

コードをマシンの外に出せない場合や、実行ターン数が多くハードウェアのほうがトークン料金より安くなる場合は、コーディング向けローカル LLM を使う価値があります。メモリの上限が 256K コンテキストのモデルに必要な容量に届かない場合や、同じタスクでローカルモデルとより大きなホスト型モデルを比較したい場合は、ホスト型 API のほうが簡単です。reAPI は Kimi K3、DeepSeek V4、GLM-5.2 などを 1 つの OpenAI 互換キーで提供しているため、モデルを指定する 1 行を変更するだけで比較できます。

参考文献

1. Ollama. Context length. 2026年11月4日取得：docs.ollama.com/context-length
2. Ollama. Model library search: tools capability, "coder". 2026年11月4日取得：ollama.com/search?c=tools&q=coder
3. Ollama. Model tag pages: qwen3-coder, qwen3-coder-next, qwen3.6, north-mini-code-1.0, mimo-v2.6, nemotron-3.5-super, qwen2.5-coder and gpt-oss. 2026年11月4日取得：ollama.com/library
4. Ollama. Claude Code integration. 2026年11月4日取得：docs.ollama.com/integrations/claude-code