全モデル · 100%ローカル、100%プライベート

お使いのPCで動くLLMは
お使いのマシン

お使いのマシンの中身を教えてください。何が動くのか、どの程度の速度か、どうインストールするのかを、手順ごとにご案内します。

まだパソコンをお持ちでない方へ 予算に合うローカルAI向けPCを探す →
128 GBメモリ搭載ミニPC · NVIDIA DGX Spark · AI向けハードウェア一覧 · Black Friday 2026:AI 関連の価格を追跡 →

~/configurateur —— ● 準備完了
PCまたはMacをテストする →

ご要望に応じてローカルで読み取りました。メモリはまだ確認が必要です。

計算処理はブラウザー内で完結します。サイトでは視聴者測定も行われます。
無料
登録不要
100%フランス語
学習ガイド
オープンソース
公開データ
ローカル計算
視聴者測定
◆ QuelLLMキット — 用途別リファレンスガイド・ 24 €/キット・ 49 €ですべてのキットを永久利用 →

市場の概要

最新情報一覧 →
11月11日BotPsy:パラメーター数10億未満のエージェント型モデルをベースにした、デバイス上で動作するパーソナルアシスタント11月10日Meta が最小モデル Muse Ember を発表、価格は Claude Haiku 5.5 および GPT-6 Luna と同水準11月9日Llama-modchip:GPU なし、64 GB の RAM で動作するとされる 284B の DeepSeek
QuelLLMキット

QuelLLMキット — リファレンスガイド 用途別。

用途別キット:完全ガイド、コピーして使える設定、永久に利用できるオンラインスペース。

ローカルコパイロット
GitHub Copilot や Cursor を 100 % ローカルのコードコパイロットに置き換える — 参考ガイド、設定ファイル付き。
24 €
ローカルAI
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。
24 €
ローカルエージェント
あなたのマシンで動作するエージェント:エージェント型 Cline、MCP、n8n + Ollama、ローカル自動化。
24 €
ローカルRAG
あなたのドキュメント、あなたのAI:あなたのPDF、メモ、メールを扱う信頼性の高いローカルRAG。何もクラウドに送信しません。
24 €
企業でのAI活用
職場でのローカルAI導入:GDPR、AI Act、マルチユーザーアーキテクチャ、コスト、経営陣向けメモ。
24 €
フィルターなしAI
本当に答えるAI:ローカルで動作する検閲なしモデル。健康、歴史、セキュリティ、執筆における不当な拒否なし。法的枠組みも解説。
24 €
Mac
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。
24 €
AI画像
ローカルでの AI 画像・動画生成、制限なし:ComfyUI、Flux、Z-Image、Wan 2.2 を GPU や Mac で — すぐ読み込めるワークフロー付き、法的枠組みも解説。
24 €
ソーシャルメディア
自分の環境で作るショート動画とカルーセル:自然なAIナレーション、単語ごとの字幕、自動編集、投稿文を、サブスクリプションなしで実現します。
24 €
または すべてのキットを無期限で利用 — 49 € →
カタログ · 258 モデル

カタログ: オープンウェイトLLM
ローカルで動作するモデル。

関連するすべてのモデルについて、量子化ごとの必要VRAM、推定速度、ユースケースを掲載。フランス語モデルを前面に紹介します。

🇫🇷
デジタル主権に注目

フランス製のモデル27件

Mistral、Lucie(OpenLLM-France)、CroissantLLM — フランス語コーパスで学習され、パーミッシブライセンスを採用。格調高いフランス語に優れています。

★編集部厳選のおすすめすべてのランキングを見る →
モデル258件
モデル↕
Params↕
VRAM Q4↕
コンテキスト↕
動作環境
tok/s↕
公開日↕
Pleias-RAG 1B★ FRchatfr
🇫🇷 PleIAs · RAG特化の1.2Bモデル。引用とグラウンディングを内蔵。HotPotQAで4B以下の大半のSLMを上回る。
1.2B
0.8 GB
2k
8121624
150
avr. 2025
CroissantLLM 1.3B★ FRchatfr
🇫🇷 CroissantLLM · 小型のフランス語・英語バイリンガルモデル。どんな環境でも動作し、CPUでも実行できます。
1.3B
1 GB
2k
8121624
120
janv. 2024
SmolLM2 1.7B Instruct★ FRchatgeneral
🇫🇷 HuggingFace · ダウンロード数の多い、Apache 2.0ライセンスの1.7Bモデル。MMLU-ProでQwen2.5-1.5Bを約6点上回る。BFCLの関数呼び出しスコアは27%。
1.7B
1.2 GB
8k
8121624
120
nov. 2024
Helium 1 2B★ FRchatgeneral
🇫🇷 Kyutai · EUの24言語に対応する多言語ベースモデル(フランスのKyutai)。Gemma 2から蒸留されているため、Gemma Termsも適用されます。
2B
1.5 GB
4k
8121624
100
avr. 2025
SmolVLM2 2.2B Instruct★ FRvisionchat
🇫🇷 HuggingFace · VLM 2.2B:画像+動画+テキスト。動画推論には 5.2 GB の VRAM が必要。ベースは SmolLM2-1.7B。
2.2B
1.6 GB
8k
8121624
90
févr. 2025
Pleias 3B Preview★ FRchatmultilingual
🇫🇷 PleIAs · フランス語。Common Corpus(オープンデータ)で 100% 訓練。設計上 EU AI Act に準拠。
3B
2 GB
2k
8121624
70
déc. 2024
SmolLM3 3B★ FRchatgeneral
🇫🇷 HuggingFace · 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)。
3B
2 GB
125k
8121624
70
juil. 2025
Shieldstral 3B★ FRgeneralsmall
🇫🇷 Mistral AI · Mistral 3Bのガードレールモデル(コンテンツモデレーション)、32kコンテキスト、Q4でVRAM約1.7 GB。セルフホスト対応、Apache 2.0ライセンス。
3B
1.7 GB
32k
8121624
85
—
Voxtral-4B-TTS★ FRaudiomultilingual
🇫🇷 Mistral AI · オープンな最先端TTS。フランス語を含む9言語に対応し、ElevenLabsに匹敵します。⚠ 非商用利用限定。
4B
3 GB
4k
8121624
65
mars 2026
Mistral 7B Instruct★ FRchatgeneral
🇫🇷 Mistral AI · フランス発の定番モデル。高速で汎用性が高く、入門用として優れたモデルです。
7B
5 GB
32k
8121624
35
sept. 2023
Lucie 7B★ FRchatfr
🇫🇷 OpenLLM-France · フランス語コーパスで学習した、フランス語対応のソブリン LLM。
7B
5 GB
4k
8121624
35
janv. 2025
Codestral Mamba 7B★ FRコードfr
🇫🇷 Mistral AI · コード向けの純粋なMamba SSMモデル。線形時間の推論、コンテキスト長256k。Ollamaは非対応(llama.cppでは部分的に対応)。
7B
5 GB
250k
8121624
40
juil. 2024
Claire 7B 0.1★ FRchatfr
🇫🇷 LINAGORA · 自然なフランス語の対話で Falcon-7B を LoRA ファインチューニング。⚠ NC-SA ライセンス。Apache 版は別。
7B
5 GB
2k
8121624
35
nov. 2023
Moshi 7B★ FRaudiofr
🇫🇷 Kyutai · 初のオープンな全二重音声モデル。レイテンシは約200 ms。音声はMoshiko/Moshika。Kyutai(フランスの研究所)。
7.6B
5 GB
4k
8121624
25
sept. 2024
Mistral Nemo 12B Instruct★ FRchatgeneral
🇫🇷 Mistral AI · NVIDIAと共同開発。コンテキスト長128k、Tekkenトークナイザーを採用し、欧州の複数言語に強みがあります。
12B
7 GB
125k
8121624
25
juil. 2024
Codestral 22B v0.1★ FRコードfr
🇫🇷 Mistral AI · Mistral の 22B コーディングモデル。80 以上のプログラミング言語に対応。⚠ MNPL ライセンスで本番利用不可 — 個人・研究用途。
22B
13 GB
31.25k
8121624
16
mai 2024
Mistral Small 3★ FRchatgeneral
🇫🇷 Mistral AI · リリース当時(2025年初頭)は、サイズに対して非常に高い品質を実現。70Bモデルと互角に渡り合います。
24B
14 GB
32k
8121624
15
janv. 2025
Mistral Small 3.1 24B★ FRchatgeneral
🇫🇷 Mistral AI · Small 3 にビジョン機能を追加。128k ctx、Apache 2.0。2025 年6月から Small 3.2 に置き換え。
24B
14 GB
125k
8121624
15
mars 2025
Devstral Small 2 24B★ FRコードfr
🇫🇷 Mistral AI · コーディングに特化した24Bモデル。Apache 2.0ライセンス。SWE-Benchで72.2%。256kのコンテキスト、フランスの研究所による開発。
24B
14 GB
250k
8121624
15
déc. 2025
Mistral Small 3.2 24B★ FRchatgeneral
🇫🇷 Mistral AI · Small 3.1の2025年6月アップデート。生成が止まらなくなるケースが半減し、関数呼び出しが改善されました。
24B
14 GB
125k
8121624
15
juin 2025
Magistral Small 24B★ FRreasoningfr
🇫🇷 Mistral AI · Mistral初のオープンな推論モデル。AIME24 70.7%。Small 3.1をベースにCoT学習。
24B
14 GB
125k
8121624
15
juin 2025
Mixtral 8x7B★ FRchatgeneral
🇫🇷 Mistral AI · MoE 8 エキスパート。高品質ですが、VRAM 消費が大きい。
47B
26 GB
32k
8121624
12
déc. 2023
Mistral Small 4★ FRchatgeneral
🇫🇷 Mistral AI · 総パラメータ数 119B、アクティブパラメータ数 6.5B の MoE が、チャット・推論・ビジョン・コードを統合。2026 年のフランスの旗艦モデル。
119B
72 GB
250k
8121624
12
mars 2026
Mistral Medium 3.5 128B★ FRchatgeneral
🇫🇷 Mistral AI · 128Bの密なモデル+画像認識、コンテキスト長256k、調整可能な推論。SWE-Bench 77.6%。Medium 3.1とMagistralに取って代わるモデル。2026年4月29日リリース。
128B
74 GB
250k
8121624
4
avr. 2026
Mixtral 8x22B Instruct★ FRchatgeneral
🇫🇷 Mistral AI · Apache 2.0ライセンスのMoE。総パラメータ数141B、アクティブパラメータ数39B。MMLU 77.8、HumanEval 45.1。Q4で80 GB。
141B
82 GB
62.5k
8121624
8
avr. 2024
Mistral Large 3 675B★ FRchatgeneral
🇫🇷 Mistral AI · 総パラメータ数 675B、アクティブパラメータ数 41B の MoE に、2.5B のビジョンエンコーダーを搭載。ライセンスは Apache 2.0。LMArena の OSS 非推論モデル部門で第 2 位。3,000 基の H200 で学習。
675B
405 GB
250k
8121624
5
déc. 2025
Mistral Large 4★ FRchatgeneral
🇫🇷 Mistral AI · Mistral AIのMoE 1T / アクティブ49B、コンテキスト32k、Q4で約580 GBのVRAM:マルチGPUサーバー向けの最先端フラッグシップ。
1000B
580 GB
32k
8121624
10
oct. 2026
Granite Time Series PatchTST R2generalsmall
🇺🇸 IBM · IBMの時系列データ向けファウンデーションモデル(約385M、PatchTST)。多変量予測に対応し、Q4で必要なVRAMは約0.2 GB。超軽量でCPUでも動作します。Apache 2.0ライセンス。
0.4B
0.2 GB
8k
8121624
170
août 2026
Activity Generation 0.5B (Qwen)chatgeneral
🇨🇳 mjpsm · アクティビティ生成に特化してファインチューニングしたQwen 0.5B、32kコンテキスト、Q4でVRAM約0.3 GB。超軽量でCPUでも動作。Apache 2.0ライセンス。
0.5B
0.3 GB
32k
8121624
170
sept. 2026
S1-miniaudiosmall
🇺🇸 superwhisper · S1-mini(superwhisper):Qwen3-0.6Bをベースにした0.6Bの音声認識モデル。コンテキスト長40k、Q4でVRAM約0.3 GB。超軽量のローカル文字起こし。
0.6B
0.3 GB
40k
8121624
170
août 2026
ラーニングセンター

ドキュメント QuelLLM.

382+ Windows、macOS、Linux向けのチュートリアル。実行したテストは各ガイドに明記しています。初回インストールからRAGやファインチューニングの高度な技術まで対応します。

382 結果s
初心者 3分

Windows 11にOllamaをインストールする:完全ガイド(2026年)

Windows 11向けOllamaのダウンロード、インストール、GPU(CUDA)の有効化、最初のモデルの起動までを順に解説する2026年版ガイド。よくあるエラーも紹介します。

Ollama読む →
中級 12 分

RTX 4090 (24 GB)で使えるLLMは?

RTX 4090 24 GB、2026年の一般ユーザー向けローカルAIの基準となるGPU。Qwen 3.8 27B、Devstral 24B、gpt-oss 20B、GLM 4.7 Flash、トークン/秒のベンチマーク、CUDA Adaの最適化。

RTX 40読む →
中級 11 分

RTX 5090 (32 GB)で使えるLLMは?

RTX 5090 2025:32 GB の GDDR7 VRAM、帯域幅 1792 GB/s。2026年の大規模 MoE(Qwen 3.6 35B-A3B、Nemotron 3.5 Lightning)と Qwen 3.8 27B を長いコンテキストでローカル実行する方法、ベンチマーク、最適な構成。

RTX 50読む →
上級 16 分

DeepSeek V4 Proのローカル実行:VRAM、ハードウェア、インストール

DeepSeek V4 Pro(1.6T MoE、アクティブパラメータ49B、MIT)にはどんなマシンが必要? 必要なVRAM/RAM、ローカルインストール、GPT-5とのベンチマーク比較、実際の制約。

DeepSeek読む →
初心者 5 分

初心者向けLM Studio:10分で最初のローカルチャット

LM Studioで初めてのローカルLLM:インストールからモデルのダウンロード、チャットまで10分。コマンドライン不要で、初心者に最適。

LM Studio読む →
初心者 14 分

RTX 3060 12 GBで使えるLLMは?

RTX 3060 12 GB:低予算でLLMを動かすための定番GPU。中古なら250 €で12 GB。Gemma 4 12B、Qwen 3.5 9B、Granite 4.2 8B、詳細なベンチマーク。

RTX 30読む →
中級 14 分

DeepSeek V4 Flash 284B:Mac Studioに収まる最初のフロンティアモデル

DeepSeek V4 Flash 284B MoE (13B アクティブ、MIT、1M コンテキスト):ワークステーションで実行可能な初の最先端モデル。Mac Studio Ultra のインストール、ベンチマーク、プロ向け比較。

DeepSeek読む →
初心者 3分

macOS(Apple Silicon)へのOllamaインストール:2026年版ガイド

MetalとM1/M2/M3/M4のユニファイドメモリを活用する。

Ollama読む →
初心者 14 分

Mac mini M4 / M4 Pro(16–64 GB)で動くLLMは?

Mac mini M4:2026 年のローカル AI における最高のコストパフォーマンス。ベンチマーク、推奨構成、家庭用サーバーとしての利用。

Mac mini読む →
中級 13 分

RTX 3090 / 3090 Ti (24 GB)で使えるLLMは?

中古のRTX 3090と3090 Ti(24 GB):2026年もLLM用途で依然として優秀。Qwen 3.8 27B、Qwen3-Coder 30B、ベンチマーク、コストパフォーマンスの評価、冷却。

RTX 30読む →
初心者 11 分

12 GBのVRAMで使えるLLMは?

12 GBのVRAM(RTX 3060 12GB、4070、5070):2026年のスイートスポット。Q8のQwen 3.5 9B、Gemma 4 12B、マルチステージRAG。決定版ガイド。

VRAM別読む →
中級 14 分

Qwen 3.8 27B のローカル実行:OllamaインストールとVRAM

Qwen3.8-27B をローカルで実行:Ollama の正確なコマンド、量子化ごとの VRAM、Mac での MLX バリアント、256k コンテキストの罠、thinking モードと公式ベンチマーク。

Ollama読む →
初心者 10 分

ローカル環境での初めての会話

Ollamaを起動し、Mistralをロードして会話する。初日のチュートリアル。

Prompting読む →
中級 11 分

RTX 5070 Ti (16 GB)で使えるLLMは?

RTX 5070 Ti 16 GB:2025年のローカルAI向けのバランスのよい選択肢。Ollamaベンチマーク、快適に動作する14B/24Bモデル、4070 Ti Superとの比較。

RTX 50読む →
中級 11 分

MacBook Pro M4 Pro / Max(24–128 GB)で動くLLMは?

MacBook Pro M4 Pro / Max 2025:帯域幅546 GB/s。チップの性能を実際に活かせるモデルはどれか、実用上の限界は何か。

MacBook Pro読む →
中級 14 分

RTX 4070 / 4070 Super / 4070 Ti (12 GB)で使えるLLMは?

RTX 4070、4070 Super、4070 Ti 12 GB:LLM 比較、快適に動作する 13B モデル、12 GB の限界、測定済みベンチマーク。

RTX 40読む →
初心者 11 分

Ollama vs LM Studio vs Jan vs GPT4All

利用者の状況に合ったツールを選ぶための比較一覧表。

ツール読む →
初心者 11 分

8 GBのVRAMで使えるLLMは?

8 GBのVRAM完全ガイド(RTX 3050/3060 8GB、4060、5050、5060):Qwen 3.5 9B、Granite 4.2 8B、VRAMを有効活用するコツ。

VRAM別読む →
上級 16 分

エンタープライズ向けコードAI:プロプライエタリコード、NDA、営業秘密の保護

NDA と産業機密下の開発チーム向けに、100% ローカルのコード AI(Ollama + Cline + Aider + Tabby)をデプロイ:Copilot や Cursor がプロプライエタリコードを露出させる理由、GDPR と AI Act の要件、Tabby のデスクトップ vs GPU サーバー構成、および非漏洩監査。

デプロイ読む →
初心者 11 分

Ollama を 5 分でインストール(Windows、macOS、Linux)

Windows、macOS、LinuxにOllamaを5分でインストールする方法:RAM/GPUの要件、基本コマンド、インストール直後に最初のローカルモデルを起動する手順。

Ollama読む →
初心者 11 分

プロンプトの基礎

役立つ回答を得るために、質問を構造化する。

Prompting読む →
中級 12 分

MacBook Pro M3 Pro / Max(18–128 GB)で動くLLMは?

MacBook Pro M3 Pro / Max:2026年のローカルAIに最適なラップトップ。Qwen 3.6 35B-A3B、コンテキスト128k、Flash Attention。

MacBook Pro読む →
中級 11 分

RTX 5080 (16 GB)で使えるLLMは?

RTX 5080 Blackwell : 16 GB GDDR7、帯域幅 960 GB/s。Qwen 3.5、Granite 4.2、Gemma 4、gpt-oss、Devstral の Q4 ベンチマーク。Ollama の最適設定。

RTX 50読む →
中級 11 分

16 GBのVRAMで使えるLLMは?

16 GB VRAM(RTX 4070 Ti Super、5070 Ti、5080、4060 Ti 16GB):Mistral Small 24B、Devstral 24B、gpt-oss 20B。2026年のプロ向けクラス。

VRAM別読む →
初心者 12 分

ローカルLLMにはどのGPU?RTX 4070~5090、Mac(2026年)

RTX 4070、4090、Mac M-Maxを比較:2026年版購入ガイド。

GPU読む →
初心者 11 分

ローカル RAG:入門

ドキュメントと対話するための Retrieval-Augmented Generation を理解する。

概念読む →
上級 13 分

Mac Studio (M2 / M3 / M4 Ultra, 64–512 GB) でどの LLM が使える?

Mac Studio Ultra:最大512 GBのユニファイドメモリ。Llama 4 Maverick 402B、Qwen3-235B、DeepSeek 671Bをローカルで実行。パワーユーザー向けガイド。

Mac Studio読む →
中級 11 分

RTX 4080 / 4080 Super (16 GB) で使えるLLMは?

ローカルLLM向けのRTX 4080と4080 Super(16 GB):メモリに収まるすべてのモデル、ベンチマーク、4080と4080 Superの比較、購入すべきかの評価。

RTX 40読む →
中級 11 分

Radeon RX 7900 XTX (24 GB)で使えるLLMは?

Radeon RX 7900 XTX 24 GB:LLM用途でRTX 4090の代わりに選べるAMD製GPU。ROCm 6.x、Qwen 3.8 27B、生成速度(トークン/秒)のベンチマーク、2026年の評価。

Radeon RX 7000読む →
中級 11 分

VRAMが24 GBの場合、どのLLMを選ぶべきか?

24 GB VRAM(RTX 3090、4090、RX 7900 XTX):Qwen 3.8 27BをすべてVRAMにロード、大型MoE 35B-A3B、LoRAファインチューニング。本格的な用途向けのクラス。

VRAM別読む →
…
1–30 / 382 ガイド
ベンチマーク

評価& テスト.

ローカルでの利用だけでは足りない場合、どのオンラインサービスにお金を払う価値があるでしょうか?14ブランドを検証し、7ブランドを除外しました。各紹介ページでは、まず無料のローカル代替案を紹介します。

ハードウェアガイド7本 · 毎週木曜に新作
GIGABYTE AI TOP ATOM:テストベンチ

NVIDIA GB10チップと128 GBの統合メモリ:このマシンで実際に動作するものを実機で測定し、公開データで裏付け。マシンはGIGABYTEから無償提供;測定と評価は当サイト独自のものです。

AI TOP ATOMの完全な仕様 →
  1. 10月8日1. Quels LLM tournent vraiment sur 128 Go読む →
  2. 10月15日2. AI TOP ATOM et DGX Spark読む →
  3. 10月22日3. GB10, Ryzen AI Max+ 395 ou Mac読む →
  4. 10月29日4. Un LLM 70B en local読む →
  5. 11月5日5. Fine-tuning en local読む →
  6. 11月12日6. Assistant IA privé pour PME読む →
  7. 11月19日7. Consommation d’une IA locale読む →
APIとコード4/5
GLM Coding Plan
オープンウェイトのGLMモデルのAPI。当サイトのハードウェアでテスト済み。
文字起こし4.5/5
HappyScribe
クラウドでの文字起こしとローカルのWhisper:当サイトによる数値に基づく比較。
AI エージェント3.5/5
Creao AI
コードを書かずに、お使いのツールと連携するエージェント。まだ発展途上です。
トレーニング3.5/5
Code Labs Academy
認定データ/AIブートキャンプで、キャリアチェンジを目指す。
方法とすべてのレビューを見る →
ガイド付きコース

3つの進め方、
あなたに合うものを。

各コースは、特定のユーザー層に合わせて構成された一連のガイドです。最初のダウンロードから実際に使える環境の構築までをカバーします。

01
学習パス curieux

« 気軽に試してみたいだけです。 »

ローカルLLMについて聞いて、自分のマシンでどのように動くのか試してみたい方へ。コードを書く必要も、システムを設定する必要もありません。10分で最初のモデルとチャットできます。

合計時間
約15分
前提条件
なし
最後に得られるもの
Ollama インストール済み
Qwen 3.5 9B をリリース
最初のプロンプトが成功
学習パスを始める→