Mac向けローカルLLM24モデル比較｜容量・用途・公開評価

64GBのMacで試すローカルLLMを選ぶとき、モデル名やスコアだけでは候補を絞りきれません。まず確認したいのは、任せたい作業・必要な入力・量子化した重みの規模です。

このページでは、24モデルの比較資料をもとに、基本情報・量子化別容量・公開ベンチマークを切り替えて見比べられるように整理しました。M1 Max・64GBを参考環境とし、導入前の候補選びに使えます。

ローカルLLM 24モデルを比較する

「基本情報」で用途と対応入力を見て、「量子化別容量」で重みの規模を確認し、「公開ベンチマーク」で評価の出典と条件をたどります。気になるモデルの「比較する」にチェックを入れると、選択したモデルだけを表示できます。

用途から候補を絞るときの見方

【提案】次の分類は試す順番を考えるための候補整理です。日本語の文章品質や、WordPress・SEO業務での適性を検証したランキングではありません。最終的には、同じ依頼文と資料を使って比べてください。

小規模なモデルを起点にし、回答が目的を満たすかを確認する進め方を提案します。品質が足りない場合は、依頼文・資料・モデル規模を一つずつ変えると、何が結果に影響したかを追いやすくなります。

M1 Max・64GBを基準に容量欄を読む

量子化表の値は、基準パラメータ数 × 1パラメータ当たりのbit数から求めた重みの理論量です。GBは10進で、小数1桁に四捨五入しています。「27B級」などの概数を使う行もあるため、厳密な配布ファイル容量としては扱いません。

実行時には、量子化のスケール等の補助情報、未量子化の層、画像・音声部、KVキャッシュ、一時領域、実行アプリ、macOSやほかのアプリのメモリも必要です。理論量が64GB未満という理由だけで、動作や快適さを保証することはできません。

MoEの「稼働パラメータ」と総量を区別する

MoEモデルの「稼働3B」「稼働6B」は、推論時に使う一部のパラメータを示す表記です。モデル全体の重みや必要RAMが、その数字と同じになるわけではありません。総パラメータ数と、埋め込み・画像部・MTPなどの構成を合わせて確認します。

No.08のQwen3.8-Flash-Nextは、公式表記の125Bに、埋め込み51BとMTP4Bが別途あります。本表では合計180Bを基準に計算しており、稼働6Bで計算していません。No.20のQwen3-Next-80B-A3B-Thinking、No.21のQwen3-Coder-Nextとは別モデルです。Qwen公式モデルカード

公式のメモリ概算も参考にする

GoogleはGemma 4について、GPU・TPUへの読み込み概算を公開しています。以下は重み理論量の表と別の値です。読み込み追加分20%を考慮した概算で、KVキャッシュや補助ソフトの領域は別途必要です。Google公式のメモリ概算

公開ベンチマークは評価名と条件をそろえて読む

比較表のGPQA Diamondは科学的推論、LiveCodeBench v6はコード課題の公開評価です。ただし、提供元ごとの設定・評価モード・ハーネスは統一されていません。スコアは候補を調べる手掛かりとして使い、Macでの速度や日本語の書きやすさへ直接置き換えないようにします。

• 評価名と版：MMLUとMMLU-Pro、LiveCodeBenchの版不明値とv6を分けて読む。
• モデルの種類：Gemma 2のPT版と、対話・指示調整版を混ぜない。Thinking条件も確認する。
• 測り方：Mistral Small 3.2のGPQA Diamond・MMLU-Proは5-shot CoT条件。Llama 4 Scoutは公式本文のGPQA値を掲載し、HF評価欄の別結果と区別する。
• コード評価：SWE-bench ProとVerifiedは別指標。Qwen3.8のSWE-Proには提供元による再評価条件がある。
• 未確認：空欄を0点として扱わない。本表では未確認と表示し、無理に順位づけしない。

【未検証】掲載した公開スコアは、各量子化版の品質や日本語・WordPress・SEO実務の優劣を証明するものではありません。使う候補が決まったら、同じ依頼文・入力資料・採点基準で実務に近い出力を比べます。

M1 Max・64GBでの外部検証報告を見る

参考として、M1 Max・64GBでQwen3-Coder-Nextの量子化版を比べた外部投稿があります。以下はその投稿に掲載された数値です。当サイトによる実測ではなく、再現検証は【未検証】です。投稿者の比較条件と結果を確認する

投稿は各1回・128問の比較で、LiveBench codingの2024-11-25版を使用しています。上の24モデル表のLiveCodeBench v6とは別評価です。平均合格率は投稿内の2課題の合格率を平均した値で、Size欄も実使用RAMとは区別して読んでください。

実行環境はllama.cpp f93c09e26とoMLX 0.3.0です。この一例から、MLXとGGUFの優劣や全モデルの速度を一般化せず、自分の環境で試す際の比較条件の参考にします。

試す前に確認する5項目

1. 配布ファイル：公式モデル名・派生版・量子化方式を確認する。同じ4bitでもGGUFやMLXなどでファイル容量と実行条件が変わる。
2. 実行アプリ：使用するMac、アプリ、モデル構造が対応しているかを確認する。画像・音声・動画入力もアプリ側の対応を確認する。
3. 余裕のある条件：短い入力と控えめなコンテキストから試し、実使用RAM、応答時間、出力品質を記録する。
4. 利用条件：各行の公式配布元とライセンスを確認する。Apache 2.0、MIT、Gemma規約、Llama 4規約、Qwen Community 1.0を一括して扱わない。
5. 資料と処理先：顧客情報などを入力する前に、保存先・外部接続・クラウド機能の設定を確認する。

No.11のMistral Medium 3は、一般公開重みとパラメータ数が確認できていない参考項目です。公式ページでは非推奨と案内されています。全24件を「Macでローカル実行できるモデル」として一括して選ばず、配布条件を確認した候補から試してください。Mistral公式資料

導入環境やアプリの選び方から確認したい方は、MacでローカルAIを始める手順と、LM Studio・MLX・メモリの考え方もあわせてご覧ください。

よくある質問

候補を選んだら、同じ課題で比べる

まずは比較表から、目的・対応入力・重みの規模が合う候補を選びます。その後、実際に使うアプリと配布形式を確認し、同じ課題で出力を比べましょう。公開スコアと、手元で確認できた結果を分けて残すことが、次のモデル選びにも役立ちます。

比較資料と出典について

基礎資料は「ローカルLLM24モデル比較表_量子化とベンチマーク.pdf」と記事制作メモです。提供された比較表PDFを保持し、全24件の番号と比較データを記事内へ収録しました。元の11件・追加13件という資料上の区分も、PDF No.01–11・No.12–24で確認できます。

モデル仕様・ライセンス表示・掲載スコアは、比較表のモデル名と「評価の出典」から一次資料を開けます。No.06とNo.20の評価リンクは、対象モデルの列を含む別モデルの公式比較表です。Gemma 2の8,192トークンはGoogleの技術論文でも確認できます。

補助資料：Google公式のGemma 4メモリ概算、M1 Max・64GBでの外部量子化比較投稿。仕様確認と実機検証は区別しており、全モデルの配布形式・実行エンジン対応・実務品質を検証した記事ではありません。

あわせて読みたい記事

• MacでローカルAIを始めるには？LM Studio・MLX・メモリの選び方
• ブログに使う生成AIの選び方｜ChatGPT・Claude・Geminiを仕事から比較
• AIエージェントの選び方｜任せる仕事・権限・費用・始め方