初心者 11 分インターフェース

Msty：美しいローカルLLMインターフェース（Mac、Windows、 Linux)

Msty は、ローカルで LLM を実行するためにユーザー体験に全振りしたデスクトップアプリです。Open WebUI が Docker を必要とし、LM Studio がエンジンに特化しているのに対し、Msty は単一のインストーラーで、ローカルモデル、クラウドモデル（OpenAI、Claude、Gemini）の並行利用、Knowledge Stacks によるネイティブ RAG、ワークスペース、および 2 つのモデルを比較するためのスプリットチャットを提供します。このガイドでは、Mac、Windows、Linux 上で Msty をインストールし、本格的なローカル LLM 利用に活用する方法を示します。

著者 Mohamed Meguedmi·更新 2026-08-27·Windows・macOS・Linuxでテスト済み

#なぜMstyか

Msty (msty.app) は明確なターゲット層を想定しています。Docker も CLI も使わず、シンプルなチャットを超えた実用的な機能を備えた、洗練されたグラフィカルアプリを求める人々です。このツールの差別化要因は3つに集約されます。

すべてを一つのアプリに
llama.cppをベースにした推論エンジンを内蔵し、Ollamaをすでにインストールしている場合に使えるクライアントと、クラウド接続機能も備えています。ソフトウェア構成を自分で組み合わせる必要はありません。
Knowledge Stacks
RAGは標準搭載されており、コードを書く必要はありません。PDFやMarkdown、フォルダ丸ごと、さらにはURLもドラッグ＆ドロップで追加でき、Mstyがチャンク分割、埋め込み、検索を処理します。
WorkspacesとSplit Chat
個人用、仕事用、研究開発用など、互いに分離された複数のワークスペースがあり、同じ画面で2〜4つのモデルに同じ質問を並列で投げかけることができます。
i
ビジネスモデル
Mstyはフリーミアムモデルです。無料版は大半の用途に対応しています（ローカルチャット、クラウドチャット、基本的なKnowledge Stacks、2モデルでの分割チャット）。Aurum版（有料）では、モデル数の制限がない分割チャット、高度なプロンプトライブラリ、一部のプロ向け機能が利用できます。提供元のポリシーによると、どちらのバージョンでも会話のテレメトリは一切収集されません。

#前提条件

ローカルAIキット

お使いのマシンで、プライベートかつ無料のChatGPTを1時間で構築 — LM Studio、Ollama、Open WebUI、ご自身のドキュメント、クラウド不要。

  • 永久に利用できるオンラインスペース
  • PDF + ファイル
  • 30日間返金対応
ローカルAIキット →または すべてのキットを無期限で利用 — 49 € →
OS
macOS 11以降 (Apple SiliconまたはIntel)、Windows 10/11 (x64)、Linux x64 (AppImageおよび.deb/.rpmパッケージ)
最小RAM容量
3B モデルの Q4_K_M には8 GB、7B には16 GB、14B を快適に使うには32 GB、32B を目指すなら64 GB。
GPU
必須ではありませんが、推奨されます。NVIDIAではCUDA、AMDではROCm/Vulkan、Apple SiliconではMetalを使用します。Mstyが自動的に検出して利用します。
ストレージ
モデルの数に応じて10～50 GBのストレージ容量を確保する。GGUF Q4ファイルのサイズは、2 GB（3B）から40 GB（70B）まであります。
→
Q4量子化時のモデルサイズ別VRAM使用量
Q4_K_Mで量子化した場合（Mstyのデフォルト）：3B ≈ 2 GB · 7B ≈ 5 GB · 14B ≈ 9 GB · 32B ≈ 19 GB · 70B ≈ 40 GB。VRAM容量を超える場合、MstyはモデルをシステムRAMにオフロードします。使用は可能ですが、速度は低下します（毎秒50トークンから毎秒5トークンに低下）。

#1. インストール

Mstyは公式サイトからのみダウンロードできます。現時点ではパッケージマネージャー経由での配布はなく、Homebrewにもwingetにも対応していないため、入手元を確認しやすくなっています。

公式サイト
https://msty.app
!
msty.appからのみダウンロードしてください
エディタ（Sapling Inc.）は公式ストアを通じて署名を実施しません。URLをよく確認してください——第三者が時折改変したバージョンを再配布することがあります。公式サイトはmsty.appであり、msty.ioやその他の類似サイトではありません。
  1. 01
    インストーラをダウンロード
    msty.appにアクセスして、お使いのOSを選択してください。3つの版が用意されています：Online（機能を絞ったクラウド専用版）、Local（推奨版、推論エンジンを同梱）、Local + GPU（Windows向けCUDAドライバーを同梱）。
  2. 02
    インストールする（Mac）
    .dmgファイルを開き、MstyをApplicationsにドラッグしてください。初回起動時は右クリック → 開く（Gatekeeper）で起動してください。アプリがApp Storeによる公証を受けていないため、macOSが確認を求めます。
  3. 03
    インストール（Windows）
    .exeファイルを実行してください。最近のNVIDIA製GPUをお持ちなら、GPU版を選んでください。CUDAランタイムが含まれているため、ドライバーを手作業で調整する手間を省けます。それ以外の場合は、Local CPU/Vulkan版で十分です。
  4. 04
    インストール（Linux）
    AppImage：chmod +x Msty-*.AppImageを実行し、その後に./Msty-*.AppImageを実行してください。.deb：sudo dpkg -i msty_*.debを実行してください。.rpm：sudo rpm -i msty-*.rpmを実行してください。AppImageでは、ディストリビューションによってlibfuse2が必要になる場合があります。
  5. 05
    初回起動
    Msty はデータフォルダを作成します（Macでは ~/Library/Application Support/Msty、Windowsでは %APPDATA%\Msty、Linuxでは ~/.config/Msty）。モデル、会話、Knowledge Stacksはこのフォルダに保存されます。

#2. 初めてのローカルモデル

Mstyには、初期設定時にワンクリックで小型の入門用モデルをダウンロードできる仕組みがあります。Mstyのカタログから直接選ぶこともできます。お使いのハードウェアに応じて、フランス語での利用を始める際におすすめできるモデルは次の3つです。

控えめな構成（RAM 8GB、GPUなし）
Qwen 3.5 2B Q4_K_M（約1.9 GB）またはGranite 4.2 3B（約2.2 GB）。CPUのみでも実用的に動作し、会話やブレインストーミング、短い文章の要約に最適です。
標準構成（RAM 16 GB、GPUメモリ6～8 GB）
Qwen 3.5 9B Q4_K_M（約6.6 GB）。256kのコンテキストと視覚機能を備えています。フランス語・英語での日常的な幅広い用途に、最もバランスのよいモデルです。
快適に使える構成（RAM 32 GB、GPUメモリ12～24 GB）
Mistral Small 24B（約14 GB）またはQ4_K_M形式のQwen 3.8 27B（約18 GB）。推論能力が格段に高く、クラウドでの利用体験に近づきます。

ダウンロードするには、左側のサイドバーで「Local AI Models」タブを開き、「Browse and Download Online Model」をクリックしてください。Mstyでは、Hugging Face上のモデルが、対応するGGUF版に絞り込んで表示されます。進行状況が表示され、ダウンロードが完了するとすぐにモデルを選択できるようになります。

→
Ollamaのモデルを再利用する
すでにマシンにOllamaがインストールされている場合、Mstyは既存のモデルを自動的に検出し、ファイルを複製せずに自身のインターフェースから利用できるようにします。Ollama CLIから本格的なGUIへ無理なく移行するための、さりげない入口となります。

#3. クラウドとローカルを並べて使う

Mstyの強みの一つは、クラウドAPIキー（OpenAI、Anthropic、Google、OpenRouter、Groq、Mistralクラウドなど）を追加して、ローカルモデルと同じインターフェースでこれらのモデルを使えることです。新しい会話で使うモデルは、ローカルモデルとクラウドモデルの両方が並ぶシンプルなドロップダウンメニューから選べます。

  1. 01
    クラウドプロバイダーの追加
    Settings → Remote Model Providers → Add。APIキーを貼り付けてください。Mstyはキーをローカルに保存します（OSのキーチェーンが利用できる場合は、それを使って暗号化します）。
  2. 02
    会話用モデルの選択
    チャットバーのモデル選択メニューには、すべてのモデルが表示されます。Local（家のアイコン）と Cloud（プロバイダーのアイコン）で区別されています。会話の途中でもモデルを切り替えられ、Mstyはコンテキストを保持します。
  3. 03
    ルールを設定する
    Settings → Default Modelで、デフォルトのモデルを設定できます。ヒント：ローカルモデルをデフォルトにしておけば、クラウドに送信したいときには明示的にモデルを選ぶ必要があるため、プライバシー保護に役立ちます。
!
プライバシー：ついクラウドを使ってしまうことに注意
統合された選択メニューは便利ですが、落とし穴もあります。機密性の高いプロンプトを、うっかりOpenAIやAnthropicに送ってしまいやすいのです。機密データを扱う場合は、クラウドプロバイダーを一切設定しない専用ワークスペースを作成するか（次の節を参照）、その利用環境ではAPIキーを削除してください。

#4. カスタムワークスペース

Mstyのワークスペースは、会話、Knowledge Stacks、デフォルトモデル、有効にするプロバイダーをそれぞれ個別に持つ、独立した空間です。具体的には、利用場面ごとにワークスペースを作成します。

Perso
7Bのローカルモデル、クラウドなし、個人のMarkdownノートを使ったKnowledge Stacks、くだけた口調のプロンプト。
作業
14Bのローカルモデルに、負荷の高いタスク用のクラウド版Claudeを組み合わせ、社内ドキュメント（手順書、ランブック）にはKnowledge Stackを活用します。
R&D / サンドボックス
実験用に複数のモデルを有効化し、スプリットチャットを頻繁に使用。Knowledge Stackは使用しません。
機密
クラウドプロバイダーを使わず、ローカルモデルのみを利用し、Knowledge StackをOSレベルで暗号化する構成で、顧客データや人事データを扱います。

作成：左側のサイドバー → Workspaces アイコン → New Workspace。各ワークスペースにはそれぞれアイコンと色があり、コンテキストを取り違えること、ひいてはモデルや接続先を間違えることを防ぐのに役立ちます。

#5. Knowledge Stacks（RAG標準搭載）

Knowledge StacksはMstyの目玉機能です。設定不要で完全なRAGを利用できます。Mstyがテキストをチャンクに分割し、ローカルモデル（デフォルトはmxbai-embed-large）で埋め込みを生成して、内蔵のベクトルデータベースに保存します。質問をすると、関連する箇所をLLMのコンテキストに自動的に挿入します。

  1. 01
    Knowledge Stack を作成
    Sidebar → Knowledge Stacks → New Stack。名前を付けてください（例：「法務ドキュメント」）。
  2. 02
    ソースの追加
    ファイル（PDF、DOCX、MD、TXT、CSV、JSON）やフォルダー全体をドラッグ＆ドロップしてください。URL（Mstyがページをクロールします）、YouTubeの文字起こし、さらにはURL経由でGitHubリポジトリを追加することもできます。
  3. 03
    インデックス作成の完了を待つ
    Msty は進捗を表示します。テキストの抽出、チャンク化（デフォルトで約500トークン/チャンク）、エンベディングの生成です。100件のPDFに対しては、GPUに応じて5分から15分程度かかります。
  4. 04
    会話中に有効にする
    チャット画面下部の Knowledge Stack アイコンをクリックし、使用するスタックにチェックを入れてください。複数のスタックを同時に有効にできます。Msty は各回答の下に使用した情報源を表示し、元の該当箇所への直接リンクも付けます。
→
埋め込みモデルおよびフランス語品質
Mstyではデフォルトでmxbai-embed-largeが使用され、フランス語での動作が良好です。フランス語コンテンツに限定する場合、Solon-embeddingsやbge-m3マルチ言語モデルに切り替えることで品質が向上します。設定：Settings → Knowledge Stacks → Embedding Model。すべてがローカルで実行されます。
i
知っておくべき限界
Msty の RAG は10～500件のドキュメントには非常に適しています。それを超える規模や要件（1万件以上のドキュメント、BM25 によるハイブリッド検索、独自のリランキング）では、専用スタック（Qdrant + LlamaIndex、または AnythingLLM）のほうが柔軟です。Msty が最適化しているのは使い勝手であり、扱えるドキュメント数ではありません。

#6. Split Chatと比較

Split Chatでは、同じウィンドウ内で2つのモデル（無料）、または最大4つのモデル（Aurum）に質問できます。各モデルは横並びの列に表示されます。プロンプトを書き直さずに、新しいモデルを調整したり、2つの候補から選んだりするのに最適です。

  1. 01
    Split Chatを有効にする
    会話中、上部のバーにあるSplitボタン（列のアイコン）をクリックしてください。新たな列が表示され、その列には独自のモデルセレクターが付きます。
  2. 02
    各列の設定
    各列には、それぞれのモデル、温度、システムプロンプトが設定されています。同じ質問で、ローカルのQwen 3.5 9Bとクラウド上のClaude Haikuを比較できます。
  3. 03
    会話を同期させるか、独立させるか
    デフォルトでは、入力した各メッセージが両方の列に送信されます。Syncのチェックを外すと、それぞれの会話を別々に進められます（たとえば、ある回答をきっかけに思いついたアイデアを、片方の会話だけで掘り下げたい場合など）。
有用な比較例
Prompt :
"Rédige un email professionnel poli pour refuser une réunion non urgente."

Colonne 1 : Qwen 3.5 9B local, température 0.7
Colonne 2 : Mistral Small 24B local, température 0.7

→ Comparaison directe du niveau de français, du ton, de la longueur,
de la pertinence des formules. Décide quel modèle
devient le défaut pour l'usage "rédaction".

#Msty と Open WebUI と LM Studio の比較

3つともLLM向けのグラフィカルインターフェースですが、それぞれ重点を置いている部分が異なります。

Msty
一括アプリケーションデスクトップ、クローズドソースフリーミアム。1クリックでインストール。最適な用途：コードなしRAG（Knowledge Stacks）、クラウドとローカルの組み合わせ、ワークスペース、チャットの分割。マルチユーザーまたはサーバー展開には柔軟性が低い。
Open WebUI
セルフホスト型のWebアプリ、オープンソース（BSD）、Dockerを推奨。マルチユーザー機能（認証、ロール）を標準搭載し、RAGを設定可能。同じネットワーク上のどのブラウザからでもアクセスできます。特に適した用途：チームや家族向けの導入、完全な制御、サーバーでのホスティング。
LM Studio
クローズドソースですが無料のデスクトップアプリです。Hugging Faceのモデルカタログが最も豊富で、MacではMLXにネイティブ対応し、MCPとマルチトークン予測もサポートしています。特に向いているのは、多数のモデルのテスト、性能の追求、高度な設定調整です。シンプルなRAG機能（Chat with Documents）もありますが、Knowledge Stacksより統合度は低めです。
→
3 つの中からどのように選ぶか
コードを書かずにチャットとローカルRAGを使い、洗練されたUXを求めるならMsty。ネットワーク上で複数のユーザー向けに展開したいならOpen WebUI。モデルを探し、推論エンジンの性能を最大限に引き出したいならLM Studio。組み合わせて使うこともできます。Mstyは、別のマシン上でOpen WebUIを介して提供されるOllamaを利用できます。

#トラブルシューティング

モデルがロードされない（OOM）
VRAM/RAMが不足しています。Settings → Local AI → [モデル] → Advancedで、n_gpu_layers（GPUにオフロードするレイヤー数）またはn_ctx（コンテキストウィンドウ）を小さくしてください。それでも解決しない場合は、より小容量の量子化形式（Q4_K_S、IQ3_M）に切り替えてください。
トークン/秒の値が低い
GPUの使用状況を確認してください：nvidia-smi (NVIDIA)、rocm-smi (AMD)、またはMacのActivity Monitor GPU。GPUが0%の場合、MstyはCPUで動作しています——ドライバーの状態を確認し、WindowsでLocal + GPUバージョンが正しく使用されているかを確認してください。
Knowledge Stackは0%に留まります
インデックス化には、埋め込みモデルがダウンロードされている必要があります。Settings → Knowledge Stacks → Embedding Modelで、mxbai-embed-large（または選択したモデル）が「Downloaded」になっていることを確認してください。そうでなければ「Download」をクリックしてください。
クラウドプロバイダーが401エラーで失敗
APIキーが無効か、有効期限が切れています。提供元のダッシュボードで確認してください。OpenAIの場合は、有効なクレジット残高があることを確認してください（クレジット残高のないキーは401または429を返します）。
Linux：AppImage が起動しない
libfuse2をインストールしてください（Ubuntu 22.04以降ではsudo apt install libfuse2）。ターミナルからAppImageを実行して、正確なエラーを確認してください。
アップデート後に会話が失われます
データはMstyフォルダに保存されています（MacではApplication Support、WindowsではAppData、Linuxでは.config内）。システムクリーナーがこのフォルダの中身を消していないか確認してください。このフォルダを定期的にバックアップしておくとよいでしょう。

#さらに詳しく

進みたい方向に応じて：

Mstyとその代替品を比較
「Ollama vs LM Studio vs Jan vs GPT4All」および「LM Studio vs Ollama : 2026年にどちらを選ぶべきか」は、ローカルインターフェースの全体像を示しています。
Knowledge Stacksの範囲を超えてRAGを活用する
「コードを書かずにOllamaでローカルRAGを使う（Open WebUI、AnythingLLM）」では、Mstyの組み込みRAGの機能では足りなくなった場合の代替手段を紹介しています。
Msty向けに適切なモデルを選択する
「量子化（Q4、Q5、Q8、FP16）の選択」は、Msty のカタログで品質と VRAM のバランスを調整するのに役立ちます。
このガイドは役に立ちましたか？

ご意見、誤りのご指摘、補足はありますか？ぜひお知らせください。皆さんにとってより良いガイドにするために役立ちます。