ランキング更新日：09/10/2026
MacBook Air M2（8 / 16 / 24 GB、100 GB/s）は、最新のQ4量子化により、2026年でもローカルAIに十分活用できます。ファンを搭載しないこのマシンでは、3〜8Bモデルを目安にします。
MacBook Air M2 ：ローカルAI向けに購入できる別の選択肢 — MacBook Pro M5 Pro — 24 GB / 1 TB :
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。
実効パラメータ数40億のマルチモーダルモデル（テキスト＋画像＋音声）。140言語。ノートPCとエッジ向け。
ollama run gemma4:e4b
Dense 8B、Apache 2.0、FRを含む12言語、131k ctx、GQA 32Q/8KV。MMLU 73.84、HumanEval 85.37。2026年4月29日リリース。
# HuggingFace : ibm-granite/granite-4.1-8b
Granite 4.2 8B (IBM)：Apache 2.0 の Dense モデル、128k コンテキスト、Q4 で VRAM 約 4.6 GB。エンタープライズ向けにチャット、コード、多言語推論に対応。
ollama pull granite4.2
OLMo 3 7BをSFTで「thinking」向けにファインチューニングしたモデル：段階的な推論、16kのコンテキスト、Q4で約4.2 GBのVRAM。100%オープン、Apache 2.0ライセンス。
# HuggingFace : zimplex/olmo3-7b-think-sft-eosfix-16k-3ep-euc
GLM 5.3 (Zhipu)：コードと推論に特化した Dense 7B モデル、128k コンテキスト、Q4 で VRAM 約 4.1 GB。軽量で、6～8 GB の GPU で動作、MIT ライセンス。
ollama pull glm-5.3
デンス型 7B、100%公開（重み + データ + コード）。研究向けに完全な透明性を確保。
ollama run olmo-3:7b
thinking/fastのハイブリッドモード。119言語、標準で32kのコンテキスト（YaRN経由で131k）。
ollama run qwen3:8b
| 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 E4B | 4B | 10 GB | 128 000 | Apache 2.0 | 14 tok/s · Q4_K_M |
| #2 | Granite 4.1 8B Instruct | 8B | 5 GB | 131 072 | Apache 2.0 | 12 tok/s · Q8 |
| #3 | Granite 4.2 8B | 8B | 4.6 GB | 128 000 | Apache 2.0 | 32 tok/s · Q8 |
| #4 | OLMo 3 7B Think (SFT) | 7B | 4.2 GB | 16 000 | Apache 2.0 | 32 tok/s · Q8 |
| #5 | GLM 5.3 7B | 7B | 4.1 GB | 128 000 | MIT | 32 tok/s · Q8 |
| #6 | OLMo 3 7B | 7B | 5 GB | 8 192 | Apache 2.0 | 12 tok/s · Q8 |
| #7 | Qwen 3 8B | 8B | 5 GB | 131 072 | Apache 2.0 | 12 tok/s · Q8 |
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.
絞り込み条件：Q4_K_Mで11 GB未満に収まる1〜13Bのモデル。3〜8Bのモデルには加点（Air M2で最も性能を発揮する範囲）し、3B以下のモデルにはさらに加点します（M4のNeural Engineがなくても高速）。
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。
MacBook Air M2 16 GBは2026年でも実用的ですか？
はい — Mistral 7B Q4、Qwen 3 8B Q4、Phi-4 Miniは18〜25トークン/秒で動作します。チャット、個人用RAG、軽いコード補完には十分です。詳しくは MacBook Air M2向けガイド.
M2とM3とM4で同じ7Bモデルを比較？
Mistral 7B Q4_K_M では、M2 は約 22 tok/s、M3 は約 26 tok/s、M4 は約 30 tok/s です。違いは体感できますが、どれも遅くはありません。バッテリー駆動時は、M2 のほうがバッテリーの減りがわずかに速くなります（GPU の効率による違い）。
Air M2 24 GB：どの大規模モデルが使えますか？
Mistral Nemo 12B Q4（約7GB）またはQwen 3 14B Q4（約8GB）は、12〜18トークン/秒で動作します。30B以上のモデルは、MoEであっても避けてください。メモリ帯域幅の余裕がなさすぎます。
Air M2 8 GB：本当に実現可能ですか？
利用できるのはPhi-4 Mini 3.8B Q4またはLlama 3.2 3B Q4のみです。コンテキスト長は最大2k〜4kです。あくまで間に合わせの使い方で、本格的なLLMを使うには、やはり16GBが実用上の最低ラインです。