ランキング更新日：09/10/2026
メモリ8 GBのMac（M1/M2/M3 Air、MacBook Air M4の基本構成、Mac mini M2の基本構成）では、macOS が約4 GBを使用します。LLMに使えるメモリは約3～4 GBです。快適に動作させるため、モデルはQ4_K_Mで量子化した1～3Bに限定します。
価格を比較する： Mac mini M5 Pro (24 GB / 512 GB) 提携販売店にて（製品ページを確認済み）：
この選択の理由は？当サイトのMac mini M5 Pro（24 GB / 512 GB）詳細ガイド →
予算に合わせてどの PC を選ぶべき？800～3,500 ユーロのおすすめをご紹介 →
アフィリエイトリンク — ローカルLLMナビは、あなたに追加費用をかけずに購入から手数料を受け取る場合がありますが、独立して決定したランキングには影響しません。Amazonパートナーとして、ローカルLLMナビは、所定の条件を満たす購入から利益を得ています。
Gemma 4 E2B：有効パラメータ2B（合計5.1B）、Q4でVRAM約3 GB（Ollamaの重みはQATで4.3 GB、デフォルトで7.2 GB）。テキストと画像に対応するマルチモーダル、128kコンテキスト、Apache 2.0。
ollama run gemma4:e2b
30億パラメータのDenseモデル、Apache 2.0。フランス語を含む12言語、131kコンテキスト、GQA 40Q/8KV。ツール呼び出しとFIMによるコード補完に対応。2026年4月29日公開。
ollama run granite4.1:3b
Granite 4.1（3B、Apache 2.0）：Ollama の汎用タグで、IBM Granite 4.1 ファミリーのモデルです。コンテキスト長128k、ツール呼び出しとコードに対応。2026年5月リリース。
ollama run granite4.1
企業文書からの情報抽出に特化した3BのVLM。OCR、表、フォーム。
# HuggingFace : ibm-granite/granite-4.0-3b-vision
3B デュアルモード（think/no-think）。6言語。MMLU 59.7、GSM8K 70.9。完全オープン（データ＋学習手順）。
# HuggingFace : HuggingFaceTB/SmolLM3-3B
OCRに特化した3Bモデル。MITライセンス。評価の高い「optical compression」アプローチを採用。DeepEncoderベース。
ollama run deepseek-ocr:3b
1.1B、Apache 2.0、OpenBMB。EN/ZHのバイリンガルSFT、ツール呼び出し対応、オンデバイス実行向けに最適化。Q4でのVRAM使用量は1GB未満で、スマートフォンや低スペックのノートPC向け。
# HuggingFace : openbmb/MiniCPM5-1B-SFT
| 順位 | モデル | Params | VRAM Q4 | コンテキスト | ライセンス | Apple M2 (16 GB) 上で |
|---|---|---|---|---|---|---|
| #1 | Gemma 4 E2B | 2B | 3 GB | 128 000 | Apache 2.0 | 20 tok/s · FP16 |
| #2 | Granite 4.1 3B Instruct | 3B | 2 GB | 131 072 | Apache 2.0 | 25 tok/s · FP16 |
| #3 | Granite 4.1 | 3B | 1.7 GB | 128 000 | Apache 2.0 | 50 tok/s · FP16 |
| #4 | Granite 4.0 3B Vision | 3B | 2.2GB | 16 384 | Apache 2.0 | 25 tok/s · FP16 |
| #5 | SmolLM3 3B | 3B | 2 GB | 128 000 | Apache 2.0 | 25 tok/s · FP16 |
| #6 | DeepSeek-OCR | 3B | 2 GB | 8 192 | MIT | 25 tok/s · FP16 |
| #7 | MiniCPM5 1B SFT | 1.1B | 0.6 GB | 32 768 | Apache 2.0 | 45 tok/s · FP16 |
あなたのMacでローカルAIを最大限に活用：ユニファイドメモリ、MLXとGGUFの比較、お使いのチップに合ったモデル、Apple Silicon向けに調整済みのOllamaとLM Studio。
無料の要点まとめ
メモを受け取る VRAM → 最適なコーディング用モデル → Ollamaコマンド （1画面に収まり、コピー＆ペーストできます）。そして、実際に動く環境を整えるために、ローカルコパイロットキットをご利用ください。
ローカルコパイロットキット — そのまま貼り付けて使える Ollama + Cline + Aider の設定、調整済みの Modelfiles、トラブルシューティング、無期限で利用できるオンラインスペース →スパムは送りません。配信停止は1クリックで可能です。お客様のデータは当サイトで保管し、転売することはありません。
お使いのグラフィックカード → ローカルで動かす最適なコーディングモデルと、その正確な Ollama コマンド：
| あなたの VRAM | 一般的な GPU / Mac | 推奨コーディングモデル | Ollama コマンド |
|---|---|---|---|
| 8 GB | RTX 4060 / 3060 · M1-M2 16 GB | Qwen 3.5 9B (Q4, 6.6 GB — 256k ctx) | ollama run qwen3.5:9b |
| 12 GB | RTX 3060 12 GB / 4070 / 5070 | Qwen 3.5 9B (Q8, 11 GB) または Gemma 4 12B (7.6 GB) | ollama run qwen3.5:9b-q8_0 |
| 16 GB | RTX 5070 Ti / 4080 / 5080 · RX 9070 XT · M4 24 GB | Devstral 24B (Q4, 14 GB) — コーディングエージェントに特化 | ollama run devstral:24b |
| 24 GB | RTX 3090 / 4090 · RX 7900 XTX · M4 Pro 48 GB | Qwen 3.8 27B (Q4, 18 GB) — 「コパイロットに近い」 | ollama run qwen3.8:27b |
| 32 GB | RTX 5090 | Qwen 3.6 35B-A3B (Q4, 23 GB) — 高速な MoE | ollama run qwen3.6:35b |
| 48 GB+ | Mac M4 Max 64 GB · M2 Ultra 128 GB | Qwen3-Coder 30B-A3B (Q8, 32 GB — 256k ctx) | ollama run qwen3-coder:30b-a3b-q8_0 |
-base : ollama run qwen2.5-coder:7b-base — この用途では今も定番です。⚠️ Qwen 3.8 ： その推論はデフォルトで非常に高く設定されており、単純なリクエストに対して「考えすぎ」ます — を下げてください low (または初回起動時に無効化) してください。⚠️ ライセンスの罠： Codestral 22B = Mistral Non-Production License → 仕事でのコーディングには使用禁止。Qwen 3.5/3.8、Gemma 4、Devstral は Apache 2.0 ライセンスです。💡 メモリの問題でクラッシュしますか？コンテキスト用に VRAM を約 1.5 GB 空けておくか、量子化レベルを一段階下げてください。🔌 VS Code に接続するには： Cline (マルチファイルエージェント)、 Aider (CLI) または Tabby/Twinny (FIM 自動補完) — すべてローカルで Ollama に接続します。キット ローカルコパイロット — そのまま貼り付けて使える設定 + テスト済みのセットアップ — を利用できます： /copilote-local.
フィルター：Q4_K_Mで4 GB未満に収まる1〜4Bモデル（macOSとコンテキスト用に4 GBを残す）。1〜3B（ピーク8 GB）および2B以下（スワップなし）には加点。Phi-4 Mini、Llama 3.2 3B、Gemma 4 3Bが上位を占めます。
考慮した基準：
スコアリングの仕組みはすべて公開しています。 私たちの方法論 でVRAMやtokens/secの計算の詳細をご確認ください。
8GB の Mac が本当に LLM を実行できるのでしょうか？
はい、ただし余裕はほとんどありません。Phi-4 Mini 3.8B Q4（約 2.3 GB）または Llama 3.2 3B Q4（約 2 GB）は、25～35 トークン/秒で動作します。macOS が 4 GB を使用するため、空きは 2～3 GB です。余裕は少ないものの、短いチャットには使えます。
Mac mini M2 8GB と MacBook Air M4 16GB のどちらが適していますか？
Air M4 16 GB のほうが断然おすすめです。RAMが2倍あるため、はるかに高性能な7〜8Bモデル（Mistral、Qwen 3）を使えます。mini M2 8 GB で快適に使えるのは3Bまでです。関連情報は、 Mac 16GB.
8 GBではどの量子化形式を選べばよいですか？
Q4_K_Mが引き続き最もバランスのよい選択です。Q3_K_MならMistral 7B（約3.5GB）がメモリに収まる可能性がありますが、品質は目に見えて低下します。品質を大きく落とした7BのQ3よりも、十分なリソースで動かせる3BのQ4を選んでください。
LLMをローカルで実行するには、本当に16GBのメモリが必要ですか？
本格的に使うなら、はい。実際、Appleは2025年にすべてのM4搭載Macで8 GB構成を廃止しました。既存のMacでたまに試す程度なら、8 GBでも1〜3Bのモデルで入門できます。参照： MacBook Air M1.