おすすめローカルLLMモデル｜用途別に解説

ローカルLLMには多くのモデルがあります。用途に合ったものを選びましょう。

この記事では、おすすめモデルを用途別に紹介します。

---

モデル選びの基準

考慮すべき点

基準	内容
サイズ	大きいほど高性能だがリソース必要
日本語性能	日本語タスクには重要
ライセンス	商用利用の可否
特化分野	コーディング、会話など

サイズと性能の関係

【一般的な傾向】
1B-3B：基本的なタスク、軽い処理
7B-8B：多くの用途に対応、バランス型
13B-14B：高品質な応答、複雑なタスク
30B以上：最高品質、要ハイスペック

---

汎用モデル

Llama 3.1 / 3.2（Meta）

【特徴】
・Meta（Facebook）開発
・オープンソースの代表格
・商用利用可
・多言語対応

【サイズ】
・8B（推奨: 入門〜実務）
・70B（推奨: 高品質）
・405B（研究用）

【Ollama】
ollama pull llama3.1
ollama pull llama3.2

Qwen 2.5（Alibaba）

【特徴】
・Alibaba開発
・日本語性能が高い
・商用利用可（条件あり）
・バランスの良い性能

【サイズ】
・0.5B, 1.5B, 3B, 7B, 14B, 32B, 72B

【Ollama】
ollama pull qwen2.5
ollama pull qwen2.5:14b

Gemma 2（Google）

【特徴】
・Google開発
・軽量で高性能
・商用利用可

【サイズ】
・2B, 9B, 27B

【Ollama】
ollama pull gemma2
ollama pull gemma2:27b

Mistral（Mistral AI）

【特徴】
・フランス発のスタートアップ
・効率的なアーキテクチャ
・商用利用可

【サイズ】
・7B, Mixtral 8x7B

【Ollama】
ollama pull mistral
ollama pull mixtral

---

日本語特化モデル

ELYZA（日本語Llama派生）

【特徴】
・日本発のモデル
・Llama 2/3ベースの日本語特化
・日本語性能が高い

【Ollama】
ollama pull elyza/llama3-jp

Swallow（東工大）

【特徴】
・東京工業大学開発
・日本語継続事前学習
・研究用途向け

Japanese StableLM

【特徴】
・Stability AI Japan開発
・日本語に特化
・商用利用可

日本語モデルの注意点

【性能比較】
最新の汎用モデル（Qwen, Llama）も
日本語性能が向上しており、
専用モデルと遜色ないケースも

【おすすめ】
まずQwen 2.5を試してみる
→ 不足なら日本語特化モデルを検討

---

コーディング特化

DeepSeek Coder

【特徴】
・コーディングに特化
・多言語対応（プログラミング言語）
・高いコード生成能力

【サイズ】
1.3B, 6.7B, 33B

【Ollama】
ollama pull deepseek-coder

CodeLlama

【特徴】
・Meta開発
・Llamaのコード特化版
・Python, Java, C++など対応

【Ollama】
ollama pull codellama

Qwen2.5-Coder

【特徴】
・Qwenのコード特化版
・最新のコーディング性能

【Ollama】
ollama pull qwen2.5-coder

---

軽量モデル

Phi-3（Microsoft）

【特徴】
・Microsoft開発
・超軽量で高性能
・スマートフォンでも動作

【サイズ】
・mini（3.8B）
・small（7B）
・medium（14B）

【Ollama】
ollama pull phi3
ollama pull phi3:mini

Gemma 2B

【特徴】
・Google開発
・2Bで高い性能
・エッジデバイス向け

【Ollama】
ollama pull gemma2:2b

TinyLlama

【特徴】
・1.1Bパラメータ
・超軽量
・基本的なタスク向け

【Ollama】
ollama pull tinyllama

---

画像対応（VLM）

LLaVA

【特徴】
・画像と言語を統合
・画像の説明、質問応答
・ローカルで動作

【サイズ】
7B, 13B, 34B

【Ollama】
ollama pull llava
ollama pull llava:13b

Qwen2-VL

【特徴】
・Qwenの画像対応版
・高い画像理解能力

【Ollama】
ollama pull qwen2-vl

Llama 3.2 Vision

【特徴】
・Llama 3.2の画像対応版
・最新のVLM

【Ollama】
ollama pull llama3.2-vision

---

用途別おすすめ

文書作成・要約

【おすすめ】
1. Qwen 2.5 14B（日本語◎）
2. Llama 3.1 8B（バランス○）
3. Gemma 2 9B（効率的）

【選び方】
日本語重視 → Qwen
英語中心 → Llama, Gemma

コーディング支援

【おすすめ】
1. DeepSeek Coder
2. Qwen2.5-Coder
3. CodeLlama

【選び方】
汎用 → DeepSeek Coder
Python → CodeLlama:python

画像分析

【おすすめ】
1. LLaVA
2. Llama 3.2 Vision
3. Qwen2-VL

【用途】
図面読み取り → LLaVA
写真分析 → Llama 3.2 Vision

リソース制限がある場合

【おすすめ】
1. Phi-3 mini（3.8B）
2. Gemma 2B
3. Qwen 2.5 3B

【環境】
VRAM 4GB以下でも動作可能

最高品質が必要な場合

【おすすめ】
1. Qwen 2.5 72B
2. Llama 3.1 70B
3. Mixtral 8x7B

【環境】
VRAM 24GB以上推奨

---

Ollamaでの使い方

モデルのダウンロード

# モデルをダウンロード
ollama pull llama3.1
ollama pull qwen2.5:14b

# 利用可能なモデル一覧
ollama list

モデルの実行

# 対話モード
ollama run llama3.1

# 特定サイズを指定
ollama run qwen2.5:14b

モデルの削除

# 使わないモデルを削除
ollama rm llama3.1

---

まとめ

モデル選びの目安

【日本語重視】→ Qwen 2.5
【汎用】→ Llama 3.1
【コーディング】→ DeepSeek Coder
【軽量】→ Phi-3
【画像対応】→ LLaVA

サイズの目安

【入門・軽量】3B-7B
【実務】7B-14B
【高品質】30B以上

---

参考・一次情報

• Ollama公式モデルライブラリ — Ollamaで取得できるモデル名、タグ、サイズ、対応機能を確認する公式一覧です。
• Meta「Introducing Llama 3.1」 — Llama 3.1の8B・70B・405B各モデルと多言語・長文対応に関する開発元資料です。
• Qwen Team「Qwen2.5」 — Qwen2.5、Qwen2.5-Coder、Qwen2.5-Mathのサイズ構成と利用方法に関する一次情報です。
• Google AI for Developers「Gemma models overview」 — Gemmaファミリーのモデル構成、用途、配布先をGoogleが整理した公式資料です。

---

関連記事

• ローカルLLMとは？
• ローカルLLMに必要なスペック
• Ollama入門

---

お問い合わせ

ローカルLLMの選定についてのご相談は、お気軽にお問い合わせください。

お問い合わせはこちら →

---

最終更新: 2025年1月