悩んでる人結局どのモデルを選べばいいの？
情シス あおい結論から言うと、用途で選べばまず失敗しません。
12モデルを見比べてまだ決めきれずにここまで来た人向けに書いています。
それでも、開発元の名前だけで選ぶと、ライセンス違反のリスクが残ります。
そのため、用途別のおすすめと個別モデルのライセンスをまとめて示します。
今回は、用途別のおすすめモデルと、個別モデルのライセンス確認日を紹介します。
- 汎用・日本語・軽量・コーディングの4用途で、実機検証済みの候補モデル
- 同じ開発元でも、モデルによって商用利用の可否が正反対になる実例
- パラメータ数12Bあたりが、実機で快適に動くかどうかの目安になること
モデル自体はどれも無料で試せます。実機検証とリサーチの両面からまとめました。
先に、用途別のおすすめを早見表で確認してください。
| 用途 | おすすめモデル | 商用利用 |
|---|---|---|
| 汎用 | Llama 3.1 8B Instruct | 条件付き可 |
| 日本語 | ELYZA-japanese-Llama-2-7b-instruct | 条件付き可 |
| 軽量 | Llama 3.2 3B Instruct | 条件付き可 |
| コーディング | Devstral Small | 可 |
モデル比較表を先に見たい方は「ローカルLLMおすすめ｜実機で分かった境目と全12モデル比較表」をご覧ください。
ローカルLLMおすすめ｜結論と選び方の3つの基準
おすすめモデルを選ぶときは、3つの基準で見ていくと迷いにくくなります。
そもそも、なぜこの3つが重要なのでしょうか。
選び方の基準は用途・パラメータ数・ライセンスの3つ
ローカルLLMは種類が多く、名前だけで選ぶと用途とズレることがあります。
この記事は、汎用・日本語・軽量・コーディングの4用途で代表モデルを整理しています。
パラメータ数は12Bあたりが実機の目安
必要なメモリ量は、公式に具体的なGB数が書かれているモデルはほとんどありません。
量子化の方式や実行ツール、コンテキスト長によって必要量が変わるためです。
そこで参考になるのが、パラメータ数という目安です。MacBook Air（M1・16GB）での実機検証では、12Bあたりまでのモデルが快適に動きました。
ライセンスは個別モデル単位で確認する
ライセンスは、開発元の会社名だけで判断すると誤ります。
同じ開発元の中でも、モデルごとに商用利用の可否が正反対になる例が実在するためです。
この記事では、モデル名・世代・確認日をセットにして、個別に明記しています。
ローカルLLMおすすめ｜汎用モデルなら鉄板の3選
まず、特定の用途に絞らず幅広く使える汎用モデルを3つ紹介します。
最初に紹介するのは、実機でも試した定番モデルです。
Llama 3.1 8B Instructは実機でも快適だった定番モデル
最初に自分のMacBook Air（M1・16GB）で試したのが、Llama 3.1 8B Instructです。
導入から応答まで詰まる場面はなく、ブログ記事の執筆補助にも使えました。
公式の対応言語（en, de, fr, it, pt, hi, es, th）に日本語は含まれません（2026年8月1日確認）。
それでも実際には日本語の入出力も動きました。公式ベンチマーク対象外での結果と捉えてください。
ライセンスはLlama 3.1 Community License（2026年8月1日確認・変更なし）です。
月間アクティブユーザーが7億人を超える事業者は、別途ライセンスが必要という条項があります。
派生モデルの配布時には「Built with Llama」の表示義務も課されます。
Gemma 3 12B／Gemma 4 12Bはライセンスが世代で変わった
Gemma 3 12B itも同じ環境で快適に動作しました。パラメータ数が増えても16GBで無理なく扱えたのは収穫です。
悩んでる人GemmaってGoogleのモデルだから、みんな同じライセンスなんでしょ？
情シス あおい実はそうとは限りません。世代によって条件が変わっています。
Gemma 3 12B itのライセンスは、Apache 2.0ではないGemma独自の利用規約です（2026年8月1日再確認・変更なし）。
禁止事項ポリシーに抵触しない範囲で商用利用できます。
一方、Gemma 4 12B itではApache License 2.0へと変更されています（2026年7月20日付・2026年8月1日新規確認）。
同じGoogle製でも、世代によってライセンスの種類そのものが変わることがある好例です。「Gemmaは独自規約」と一括りにしないよう注意してください。
なお、Gemma 4 12Bは実機での動作確認はしておらず、公式情報に基づく紹介です。
Qwen3 8Bは商用利用の自由度が高いモデル
Qwen3 8Bは、Apache License 2.0で提供されているモデルです（2026年8月1日再確認・変更なし）。制限なく商用利用できます。
公式カードに具体的な言語タグの明記はありませんが、README本文では100以上の言語・方言に対応すると説明されています。
過去にQwen系のモデルが動いたという記録は残っていますが、具体的な世代までは特定していません。
Qwen3 8Bそのものを実機で試した体験として書くことはできない点をご了承ください。
ローカルLLMおすすめ｜日本語重視なら実力派の3モデル
次に、日本語での応答を重視したいときに候補になる3モデルを紹介します。
- ELYZA-japanese-Llama-2-7b-instructは実機で日本語を確認したモデル
- Llama-3-ELYZA-JP-8Bは新世代でライセンス条件が変わる
- llm-jp-3 13B instruct3は国産で商用利用も自由なモデル
ここでは、同じELYZAブランドの2世代と、国産の研究機関発モデルを見ていきます。
ELYZA-japanese-Llama-2-7b-instructは実機で日本語を確認したモデル
日本語の応答を確認したくて試したのが、ELYZA-japanese-Llama-2-7b-instructです。
公式の言語タグにもja（日本語）が明記されており、体感と公式情報が一致するモデルです。
ライセンスはLlama 2 Community License（2026年8月1日新規確認）です。
配布時には、Noticeファイルへの帰属表示が求められます。
ただし、モデル名の先頭に「Llama」を含める義務や「Built with Llama」の表示義務はありません。
Llama-3-ELYZA-JP-8Bは新世代でライセンス条件が変わる
Llama-3-ELYZA-JP-8Bは、同じELYZAブランドの新しい世代のモデルです。
公式の言語タグはja・en。ライセンスはLlama 3 Community License（2026年8月1日再確認・変更なし）です。
こちらはLlama 3系の条件を引き継ぐため、モデル名の先頭に「Llama」を含める義務と「Built with Llama」の表示義務があります。
同じELYZAでも、Llama 2ベースかLlama 3ベースかで表示義務の有無が変わります。
両モデルをまとめて紹介する際は、この違いを混同しないよう気をつけてください。
このモデルは実機での動作確認はしておらず、公式情報に基づく紹介です。
llm-jp-3 13B instruct3は国産で商用利用も自由なモデル
llm-jp-3 13B instruct3は、国立情報学研究所（LLM-jp）が公開している国産モデルです。
ライセンスはApache License 2.0（2026年8月1日再確認・変更なし）で、制限なく商用利用できます。
公式の言語タグはen・jaで、日本語対応が明記されています。ELYZAの2モデルと合わせ、日本語重視なら押さえておきたい候補です。
このモデルは実機での動作確認はしておらず、公式情報に基づく紹介です。
ローカルLLMおすすめ｜軽量マシンで動かすなら2モデル
メモリに余裕がない機種でも動かしたい場合は、より軽いモデルを選ぶ必要があります。
ここでの2モデルは、いずれも実機では未検証で、公式情報に基づく紹介です。
Llama 3.2 3B Instructは省メモリ機向けの選択肢
Llama 3.2 3B Instructの特徴は、3Bという軽いパラメータ数にあります。
ライセンスはLlama 3.2 Community License（2026年8月1日新規確認）です。
Llama 3.1と同様、7億人を超えるMAU条項・命名義務・表示義務が課されます。
公式の対応言語（en, de, fr, it, pt, hi, es, th）にも日本語は含まれません。8Bモデルと同じ注意点として捉えてください。
Qwen3 4Bは軽量かつ商用利用も自由なモデル
Qwen3 4Bも、Apache License 2.0で提供されており、制限のない商用利用に加え軽さも魅力です（2026年8月1日新規確認）。
必要メモリの具体的なGB数は公式に記載がなく、量子化方式や実行ツールで変わります。
手元のPCで何が動くか気になる方は、ローカルLLMのスペックで必要スペックの考え方を確認してください。
ローカルLLMおすすめ｜コーディング用途は要注意な2モデル
コード生成に強いモデルもありますが、ここは特にライセンスの確認が欠かせません。
実は、同じMistral AI製でも商用可否が分かれます。
この2モデルはいずれも実機での動作確認はしておらず、公式情報に基づく紹介です。
Devstral Smallは商用利用できるコーディングモデル
Devstral Small（Devstral-Small-2-24B-Instruct-2512）は、Mistral AIのコーディング向けモデルです。
ライセンスはApache License 2.0（2026年8月1日再確認・最新版は2026年7月15日更新）。商用利用の制限はありません。
公式の言語タグは最新版では未記入です。前バージョンには日本語を含む24言語の記載がありましたが、最新版で同等の記載があるかは確認できていません。
Codestral-22B-v0.1は商用不可なので注意
ライセンスはMistral AI Non-Production License v0.1（2026年8月1日再確認・条項変更なし）です。
テスト・研究・個人利用・評価目的の非本番環境に限定されており、有償無償を問わず商用提供は認められません。
同じMistral AI製でも、DevstralとCodestralでは商用可否が正反対です。
「コーディング向けの定番」として無条件にすすめられるものではありません。
商用利用を検討する場合は、Codestralではなく商用可のDevstral Smallを選んでください。
ローカルLLMおすすめ｜実機で分かった境目と全12モデル比較表
最後に、実際にMacBook Airで試した結果と、ここまでの全モデルを一覧で整理します。
まずは、実機検証の結果からおさらいします。
実際に動いた4モデルと動かなかった1モデル
MacBook Air（M1・16GB）とLM Studioの組み合わせで、実際に4モデルを動かしました。
| モデル名 | パラメータ数 | 結果 |
|---|---|---|
| Llama 3.1 8B | 8B | 快適に動作 |
| Gemma 3 12B | 12B | 快適に動作 |
| ELYZA-japanese-Llama-2-7b | 7B | 快適に動作（日本語） |
| gpt-oss 20B | 20B | 起動はできたが重すぎて実用に耐えず |
この検証の詳しい手順や環境は、MacでローカルLLMを動かす方法にまとめています。
gpt-oss 20Bは公式16GB表記と実機の差が大きい
悩んでる人公式に16GBで動くって書いてあるのに、なんで重かったの？
情シス あおいそれはどちらも本当のことで、意味している中身が違うからです。
gpt-oss-20bの公式READMEには、MXFP4量子化により16GBメモリ内で動作すると明記されています。
荷物を積みきれるはずの棚でも、部屋の家具まで一緒に運ぶ余裕はないのと同じです。モデル単体の理論値と、OSや他アプリを含めた実運用の余裕は別物ということです。
ライセンスはApache License 2.0（2026年8月1日再確認・変更なし）で、商用利用に制限はありません。
「できないこと」の詳しい整理は、ローカルLLMでできること・できないことでも確認できます。
全12モデル比較表とライセンス確認日
ここまで紹介した12モデルを、ライセンスと確認日つきで一覧にまとめました。
| モデル名 | 開発元 | パラメータ数 | ライセンス（確認日） | 商用利用 | 公式の日本語対応 |
|---|---|---|---|---|---|
| Llama 3.1 8B Instruct | Meta | 8.03B | Llama 3.1 Community License（26年8月） | 条件付き可 | 公式リストになし |
| Qwen3 8B | Alibaba | 8.19B | Apache License 2.0（26年8月） | 可 | タグ明記なし |
| Qwen3 4B | Alibaba | 4.02B | Apache License 2.0（26年8月） | 可 | タグ明記なし |
| Gemma 3 12B it | 12.19B | Gemma利用規約（26年8月） | 条件付き可 | タグ明記なし | |
| Gemma 4 12B it | 11.96B | Apache License 2.0（26年8月） | 可 | タグ明記なし | |
| ELYZA-japanese-Llama-2-7b-instruct | ELYZA | 約7B | Llama 2 Community License（26年8月） | 条件付き可 | ja, en |
| Llama-3-ELYZA-JP-8B | ELYZA | 8.03B | Llama 3 Community License（26年8月） | 条件付き可 | ja, en |
| llm-jp-3 13B instruct3 | LLM-jp（国立情報学研究所） | 13.71B | Apache License 2.0（26年8月） | 可 | en, ja |
| Llama 3.2 3B Instruct | Meta | 3.21B | Llama 3.2 Community License（26年8月） | 条件付き可 | 公式リストになし |
| Devstral Small | Mistral AI | 24.01B | Apache License 2.0（26年8月） | 可 | タグ未記入 |
| Codestral-22B-v0.1 | Mistral AI | 22.25B | MNPL v0.1（26年8月） | 不可 | コード用途のみ |
| gpt-oss-20b | OpenAI | 21.51B | Apache License 2.0（26年8月） | 可 | タグ明記なし |
ローカルLLMおすすめによくある質問
ローカルLLMのモデル選びに関するよくある質問をまとめました。
- 結局、最初の1台としてどのモデルがおすすめですか？
-
迷ったら、実機で動作実績のある汎用モデル、Llama 3.1 8BかGemma 3 12Bから試すのが無難です。
- 商用利用できるモデルはどれですか？
-
同じ開発元でもモデルによって条件が異なるため、一括りにはお答えできません。
この記事の比較表で、個別モデルのライセンスと確認日を確認してください。
- 日本語ならどのモデルがいいですか？
-
公式に日本語対応を明記しているELYZAの2モデルとllm-jp-3が候補になります。
ELYZA-japanese-Llama-2-7b-instructは、実機での日本語動作も確認済みです。
- メモリが少ないPCでも動きますか？
-
Llama 3.2 3BやQwen3 4Bのような軽量モデルなら選択肢に入ります。
ただし必要メモリの具体的な数値は公式に記載がなく、量子化方式にも左右されます。
- gpt-oss 20Bはなぜ実用的でないと言われるのですか？
-
公式には16GBメモリ内で動作するとありますが、実機では他アプリまで重くなりました。
モデル単体の理論値と、実際に使える余裕は別物だと考えてください。
- コーディング用途で気をつけることはありますか？
-
商用・本番利用が禁止されている点が、Codestral-22B-v0.1の要注意ポイントです。
商用で使いたい場合は、同じMistral AI製でも商用可のDevstral Smallを選んでください。
- 最初にどのツールで動かせばいいですか？
-
今回の実機検証ではLM Studioを使い、導入から起動までつまずきはありませんでした。
導入手順の詳細は、この記事の実機検証セクションでも確認できます。
まとめ｜ローカルLLMおすすめモデルの選び方は「用途」から
ローカルLLMのおすすめモデルについて、ここまでの内容を整理すると次の通りです。
選び方：用途・パラメータ数（12Bあたりが目安）・ライセンスの3つで見ます。
汎用：Llama 3.1 8B・Gemma 3 12B・Qwen3 8Bが候補です。
日本語：ELYZAの2モデルとllm-jp-3 13B instruct3が候補です。
ライセンス：同じ開発元でも商用可否が割れる例があるため、モデル単位で確認します。
迷ったら、まずLlama 3.1 8Bから試すのがおすすめです。
導入の手間が少なく、実機での動作実績もあり、最初の1台として扱いやすいためです。
日本語のやり取りを重視するなら、ELYZA-japanese-Llama-2-7b-instructも同じくらい試しやすい選択肢になります。
手元のPCで実際に何が動くか気になったら、次の記事もあわせて確認してみてください。
- ローカルLLMをMacで動かす方法：今回の実機検証の詳しい手順を確認できます
- ローカルLLMでできること・できないこと：gpt-oss 20Bのように重すぎたモデルの扱いも整理しています
- ローカルLLMとクラウドLLMの違い：性能差が生まれる理由を詳しく確認できます
- ローカルLLMのスペック（カテゴリトップ）：必要なメモリ・GPUの考え方を確認できます
- ローカルLLMの作り方（カテゴリトップ）：他の環境での構築手順もまとめて確認できます
参考資料
Llama 3.1 8B Instruct | Hugging Face
gpt-oss-20b | Hugging Face
コメント