いつの間にかアラフィフ

どんなPCならローカルLLMが動くの？

​どんなPCならローカルLLMが動くの？ ～2026年版・自分のPCで動かすための現実的な話～最近わたしのまわりでも「ローカルLLM」という言葉をちらほら聞くようになりました。ChatGPTみたいなAIを、クラウドではなく自分のPCの中だけで動かす、というやつです。「データが外に出ないから安心」「APIの料金を気にせず使い放題」――魅力は分かる。でも一番気になるのは結局これですよね。「で、うちのPCで動くの？」というわけで今回は、ローカルLLMを動かすにはどんなPCが必要なのか、2026年の今の感覚で整理してみました。難しい話はなるべく噛み砕いて書いたつもりです。先に結論：大事なのは「メモリの量」ですCPUのコア数とかクロックとか、いろいろ気になるところはあるんですが、ローカルLLMにおいて一番効いてくるのはメモリ（VRAM／RAM）の容量です。AIモデルというのは、その「頭脳の中身」をまるごとメモリに展開してから動きます。だから、メモリに収まれば → 快適に動くメモリに収まりきらない → 一部をシステムメモリやストレージに肩代わりさせるので、急に激遅になる（場合によっては起動すらしない）という、けっこうハッキリした境界線があります。GPUの計算速度より先に、まず「載るか載らないか」。ここが最初の関門です。ざっくり目安：モデルの大きさ別・必要なメモリローカルLLMのモデルには「7B」「14B」「70B」みたいなサイズ表記があります。Bは Billion（10億）で、パラメータ数＝頭脳の規模だと思ってください。数字が大きいほど賢いけど、その分メモリを食います。「量子化（Q4くらい）」という軽量化をかけた前提での、ざっくりした目安がこちらです。モデルの規模必要メモリの目安動かせるPCの例1B〜3B（小型）4〜8GBわりと普通のノートPCでも7B〜8B8〜12GBエントリーGPU、最近のiGPU搭載機13B〜14B12〜16GBミドルクラスのGPU／メモリ多めのノート27B〜32B24GB前後ハイエンドGPU（RTX 4090クラス）70B級48GB以上大容量GPU or ユニファイドメモリ機120B級96GB以上Mac Studio級／大容量メモリ機ポイントは、いきなり大きいモデルを狙わないこと。まずは7B〜14Bあたりで「お、ちゃんと喋るじゃん」という手触りを確かめてから、必要に応じて上を目指すのが賢いと思います。日本語の実用なら、わたしは14Bクラス（Qwen3-14Bなど）がちょうどいいバランスだと感じています。どんなPCを選ぶ？ 大きく3つの道があります2026年の今、ローカルLLM向けのマシン選びはざっくり3パターンに分かれます。① NVIDIA GeForce RTX 搭載のWindows/自作PCいわゆる「ゲーミングPC」の路線。速さは正義で、ここが一番ストレスなく動きます。鍵はやっぱりVRAM容量。VRAM 12〜16GB（RTX 5070クラス）：7B〜14Bを快適にVRAM 24GB（RTX 4090/5090クラス）：30B級までいける定番のスイートスポットただし上を目指すほど本体価格も電気代も跳ね上がります。「VRAMが少し多いだけで値段が倍」みたいな世界なので、財布と相談ですね。② Apple Silicon の Mac（M5 / Pro / Max など）MacはCPUとGPUがメモリを共有するユニファイドメモリという仕組みで、積んだRAMがほぼそのままLLM用に使えます。これが地味に強い。96GB構成のMacなら、専用GPUだと数十万円コースの大きめモデルがあっさり載ったりします。しかも静かで省電力。常時つけっぱなしのAIサーバー的な使い方とも相性がいいです。弱点は、専用GPUほどの推論速度は出にくいことと、初期費用がそれなりにかかること。③ AMD Ryzen AI 系のWindows機（iGPU／ユニファイドメモリ勢）ここ1〜2年でぐっと面白くなったのがこの路線。Ryzen AI Max+ のような統合チップは、大容量の共有メモリを活かして100B級まで載せられたりします。「巨大GPUは買えないけど大きいモデルを動かしたい」庶民の味方、という立ち位置です。ちなみに、わたしの環境はこれです参考までに、わたしが普段ローカルLLMを回しているのは③のWindowsノート路線です。CPU：AMD Ryzen AI 9 HX PRO 375（Zen 5）GPU：内蔵の Radeon 890M（RDNA 3.5 のiGPU）メモリ：64GB（CPUとGPUで共有）専用グラボなし、内蔵GPUだけの構成です。それでも共有メモリが64GBあるおかげで、14Bクラスのモデルなら普通に実用になっています。推論エンジンには llama.cpp を使っていて、AMDのiGPUなので Vulkanバックエンド で動かすのが今のところ正解でした（WindowsでのROCm/HIPは正直しんどい）。「専用GPUがないと無理でしょ？」と思われがちですが、メモリさえ積んでいれば、内蔵GPUでもけっこう戦えるというのが実感です。速度番長ではないけれど、外にデータを出さずに自分のPCの中で完結する安心感は、やっぱり代えがたいものがあります。ソフトは何を使う？昔みたいに難しいコマンドを叩かなくても、今は手軽に始められます。LM Studio：GUIで完結。モデルを選んでダウンロードすればすぐ会話できる。一番とっつきやすい。Ollama：コマンド主体だけどシンプル。他のアプリと連携させたい人向け。llama.cpp：自分でビルドして細かく詰めたい人向け（わたしはこれ派です）。最初の一歩なら、迷わず LM Studio か Ollama でいいと思います。つまずきやすいポイント最後に、買う前・使う前に知っておくとガッカリしないコツをいくつか。ひとつめは、さっきも書いたメモリ不足のオフロード問題。容量がギリギリだと「動くけど遅すぎて使い物にならない」状態になりがちです。少し余裕を持った容量を狙いましょう。ふたつめは、「24GB」が同じでも中身は違うこと。専用VRAMの24GBと、ユニファイドメモリの24GBでは、速度も扱えるモデルも消費電力も別物です。数字だけで比べないように。みっつめは、量子化のかけすぎに注意。軽くするほどメモリは節約できますが、その分だけ受け答えの精度は落ちていきます。実用ではQ4〜Q5あたりがバランス良し、という感覚です。まとめ長くなったのでまとめると――ローカルLLMで一番大事なのはメモリ容量まずは7B〜14Bの小さめモデルから始めるのがおすすめPC選びは「NVIDIAで速さ」「Macで静かに大容量」「Ryzen AIでコスパよく大容量」の3択専用グラボがなくても、メモリさえ積んでいれば内蔵GPUでも案外いけるこの分野は半年でガラッと常識が変わるので、あまり気負わず、手持ちのPCでまず動かしてみるのが一番だと思います。自分のPCの中でAIがちゃんと喋り出した瞬間って、なかなか感動しますよ。それではまた。