ランキング更新日：09/10/2026
Apple Silicon（M1〜M4）はCPUとGPUでメモリを共有するアーキテクチャで、LLMに非常に適しています。7〜32BのモデルはMacで非常によく動作し、特に32〜128 GBのユニファイドメモリを搭載したPro/Maxモデルで優れた性能を発揮します。
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のMoE版。総パラメータ26B、アクティブパラメータ4B。テキスト・画像・音声に対応する完全なマルチモーダルモデル。
ollama run gemma4:26b
Apache 2.0ライセンスで公開された初のdLLM：MoE 16B/1B + 拡散デコーダー6.2B。テキストとビジョンを統合。2026年4月22日公開。
# HuggingFace : inclusionAI/LLaDA2.0-Uni (Flash Attn 2 + CUDA 12.4 requis)
デンス型27Bマルチモーダルモデル、2026年4月22日公開。262kコンテキスト（YaRNで1M）。SWE-bench Verified 77.2%。
ollama run qwen3.6:27b
Qwen 3.8 27B：テキストと画像に対応するDenseマルチモーダルモデル、コンテキスト262k、Q4でVRAM約16 GB（Ollamaの重みは18 GB）。Apache 2.0、エージェント型コーディングと画像認識に対応。
ollama run qwen3.8:27b
GLM-4.7-Flash（MoE 31B、アクティブパラメータ約3B）：30Bクラスでコード性能とVRAM使用量のバランスが最も優れています。MITライセンス、128kコンテキスト、3090/4090で非常に高速。
ollama run glm-4.7-flash
Dense型の31Bマルチモーダルモデル（テキスト+画像+音声）。140以上の言語、コンテキスト長256k。Chatbot Arenaのオープンモデル部門で3位。
ollama run gemma4:31b
30B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 32Q/8KV。OpenAI互換のツール呼び出し。2026年4月29日公開。
ollama run granite4.1:30b
DiffusionGemma 26B（Google）：拡散方式のGemma視覚言語モデル、Instruct版、128kコンテキスト、Q4でVRAM 15 GB。Apache 2.0。2026年6月リリース。
# HuggingFace : google/diffusiongemma-26B-A4B-it
| 順位 | モデル | Params | VRAM Q4 | コンテキスト | ライセンス | Apple M4 Pro (48 GB) 上で |
|---|---|---|---|---|---|---|
| #1 | Gemma 4 26B-A4B MoE | 26B | 16 GB | 128 000 | Apache 2.0 | 22 tok/s · Q8 |
| #2 | LLaDA 2.0 Uni 16B | 16B | 18 GB | 8 192 | Apache 2.0 | 60 tok/s · Q8 |
| #3 | Qwen 3.6 27B | 27B | 16 GB | 262 144 | Apache 2.0 | 13 tok/s · Q8 |
| #4 | Qwen 3.8 27B | 27B | 16 GB | 262 144 | Apache 2.0 | 14 tok/s · Q8 |
| #5 | GLM 4.7 Flash | 31B | 19 GB | 128 000 | MIT | 40 tok/s · Q8 |
| #6 | Gemma 4 31B | 31B | 18 GB | 256 000 | Apache 2.0 | 12 tok/s · Q8 |
| #7 | Granite 4.1 30B Instruct | 30B | 17 GB | 131 072 | Apache 2.0 | 12 tok/s · Q8 |
| #8 | DiffusionGemma 26B-A4B Instruct | 26B | 15 GB | 128 000 | Apache 2.0 | 14 tok/s · Q8 |
Apple Siliconに最適なモデルを見つけたところですね。Macキットでは、チップとメモリ容量ごとの一覧表を掲載し（第4章）、MLXが実際に違いを生むのはどのような場合かを解説しています（第3章）。
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.
3B未満のモデル（マシンの能力を十分に活用できない）と72Bを超えるモデル（一般向けMacのメモリに収まらない）は除外します。MacBook Pro / Mac Studioで最適なサイズ帯となる7〜32Bのモデルと、自由な利用を認めるライセンスには加点します（MLXでは重みの変換が必要になることがよくあります）。
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。
MacではOllamaとMLXのどちらを選ぶべきですか？
Ollamaが最も簡単です（コマンド1つ）。MLXは20～30%高速ですが、重みの変換と多少のターミナル操作が必要です。LM Studioは両方を組み合わせています（UIでOllamaまたはMLXを選択）。
70Bモデルを動かすためにどのMacが必要ですか？
Mac Studio M2 Ultra（192 GB）、M3 Max 128 GB、またはM4 Max 128 GB。70BモデルのQ4は40 GBに加えてコンテキスト用のメモリが必要なので、最低64 GBを推奨します。M4 Pro 48 GBでもQ3なら動かせますが、妥協が必要です。
MacBook Air M2 16GBはLLMを実行できますか？
はい。Mistral 7B Q4（4〜5GB）やGemma 2 9B Q4（6GB）は、メモリ16GBのM2で動作します。毎秒10〜15トークンを目安にしてください。参照： 専用ガイド.
MacではMLXのほうがllama.cppより速いですか？
はい。MLXはApple Siliconにネイティブ対応しているため、通常15〜30％高速です。ただし、llama.cppはより多くのモデルと量子化形式に対応しています。日常的な利用にはOllama（llama.cpp）、最大限の性能を求めるならMLXがおすすめです。