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。

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。