AIのニュース・解説・実践メディア。生成AIからエージェント、ローカル／エッジ、フィジカルAIまで。https://local-gen.jp/jahttps://local-gen.jp/guides/gpu-buy-vs-cloud-cost/https://local-gen.jp/guides/gpu-buy-vs-cloud-cost/GPUを買うかクラウドGPUを借りるかを、購入額・残存価値・電力・保存・稼働時間まで含むTCOで判断する。RTX 5090級の現行例と計算式を整理する。Fri, 11 Sep 2026 17:21:27 GMThttps://local-gen.jp/articles/rtx-5080-bto-comparison/https://local-gen.jp/articles/rtx-5080-bto-comparison/RTX 5080とRyzen 7 9800X3Dを搭載するFRONTIER 2構成を比較。標準SSDが1TBか2TBかで変わる差額と、増設まで含めた購入条件を整理する。Wed, 09 Sep 2026 17:02:33 GMThttps://local-gen.jp/articles/rtx-5090-bto-comparison/https://local-gen.jp/articles/rtx-5090-bto-comparison/RTX 5090搭載のFRONTIER 2構成を、RAM・SSD・送料込みの総額で比較。32GB・1TBで足りる人と64GB・2TBが必要な人の買い分けを整理する。Wed, 09 Sep 2026 17:02:33 GMThttps://local-gen.jp/guides/ollama-model-storage-remove/https://local-gen.jp/guides/ollama-model-storage-remove/Ollamaで使わなくなったローカルモデルを1件ずつ整理する手順。lsとps、stopとrmを使い分け、モデル名・タグと再入手の方法を確認してから削除し、残すモデルと保存先の空き容量を確認します。Wed, 09 Sep 2026 03:45:05 GMThttps://local-gen.jp/guides/ollama-pull-failed-digest-error/https://local-gen.jp/guides/ollama-pull-failed-digest-error/Ollamaのpullが失敗したとき、モデル名・タグ、実際の保存先、空き容量、通信、ログを分けて確認します。digestに関するエラーでも原因を決めつけず、一つの条件を直して再試行するか、記録を残して保留するかを判断します。Wed, 09 Sep 2026 03:45:05 GMThttps://local-gen.jp/guides/snapdragon-llamacpp-opencl-adreno/https://local-gen.jp/guides/snapdragon-llamacpp-opencl-adreno/Snapdragon搭載Android・Windows 11 Arm64でllama.cppのOpenCLを有効にし、Adreno GPUの認識からGGUFのGPUオフロードまで進める手順を、現行の公式仕様に沿って整理します。Wed, 09 Sep 2026 00:51:00 GMThttps://local-gen.jp/guides/muse-glimmer-30b-local-24gb/https://local-gen.jp/guides/muse-glimmer-30b-local-24gb/MetaのMuse Glimmer 30BをローカルPCで使う前に、24GB/32GB向け公式量子化、GGUFの容量、画像入力、DFlash、llama.cppの対応条件を一次情報から整理します。Tue, 08 Sep 2026 18:48:20 GMThttps://local-gen.jp/guides/turbofieldfare-gemma4-26b-8gb-mac/https://local-gen.jp/guides/turbofieldfare-gemma4-26b-8gb-mac/TurboFieldfare 0.8.0がGemma 4 26B-A4Bを約2GBの常駐メモリで動かす仕組み、8GB M2 Macでの作者測定、14.3GBの保存容量、画像入力、会話履歴、向く用途を整理します。Tue, 08 Sep 2026 13:50:00 GMThttps://local-gen.jp/guides/gemma4-12b-local-ollama-16gb/https://local-gen.jp/guides/gemma4-12b-local-ollama-16gb/Google Gemma 4 12B UnifiedをローカルPCやMacで使う前に、16GB級メモリの意味、画像・音声入力、OllamaのMLX/Safetensors対応、MTP、必要メモリの考え方を整理します。Tue, 08 Sep 2026 02:51:00 GMThttps://local-gen.jp/articles/looped-transformer-recurrent-depth/https://local-gen.jp/articles/looped-transformer-recurrent-depth/ループ型Transformerは、同じTransformer層を繰り返し使い、パラメータ数を大きく増やさず計算を深くする設計です。Huginn、LOTUS、Nanbeige4.2を例に、計算量・VRAM・思考過程との違いを整理します。Tue, 08 Sep 2026 00:00:00 GMThttps://local-gen.jp/articles/gpt-6-astra-singularity-time-horizon/https://local-gen.jp/articles/gpt-6-astra-singularity-time-horizon/GPT-6 AstraのNo-CoT数学time horizonはGPT-5.6 Solの3.6分から30.9分へ約8.6倍に伸びた。この急伸を知能爆発やシンギュラリティの兆候と呼べるのか、評価の意味と限界、AI研究自動化との関係から整理します。Mon, 07 Sep 2026 21:30:00 GMThttps://local-gen.jp/guides/unsloth-desktop-local-ai-workspace/https://local-gen.jp/guides/unsloth-desktop-local-ai-workspace/Unsloth Desktopの特徴、LM StudioやOllama・ComfyUIとの違い、GGUF、学習、画像・動画生成、対応OS、GPU選び、現時点の注意点を整理します。Sun, 06 Sep 2026 16:26:00 GMThttps://local-gen.jp/articles/forge-comfyui-a1111-compare/https://local-gen.jp/articles/forge-comfyui-a1111-compare/Stable Diffusion系のローカル画像生成で使うForge、Forge Neo、ComfyUI、AUTOMATIC1111を、操作性、ワークフロー、拡張性、更新系統とStability Matrixでの管理方法から比較します。Sun, 06 Sep 2026 02:00:00 GMThttps://local-gen.jp/guides/stability-matrix-forge-neo-comfyui-install/https://local-gen.jp/guides/stability-matrix-forge-neo-comfyui-install/Stability Matrixを使ってForge NeoまたはComfyUIを導入し、CheckpointやLoRAを共有しながらローカル画像生成環境を管理する考え方を整理します。Sun, 06 Sep 2026 02:00:00 GMThttps://local-gen.jp/guides/stable-diffusion-local-image-generation-guide/https://local-gen.jp/guides/stable-diffusion-local-image-generation-guide/Stable Diffusion系のローカル画像生成を始める前に、Stability Matrix、Forge Neo、ComfyUI、モデル系列、Checkpoint、LoRA、VAE、サンプラー、CFG、VRAMまでを一枚の地図として整理します。Sun, 06 Sep 2026 02:00:00 GMThttps://local-gen.jp/articles/stable-diffusion-sd15-sdxl-sd35-difference/https://local-gen.jp/articles/stable-diffusion-sd15-sdxl-sd35-difference/Stable Diffusion 1.5、SDXL、Stable Diffusion 3.5を、アーキテクチャ、LoRA互換性、必要資源と、DreamShaper・Realistic Vision・Juggernaut XL・Animagine XL・Illustrious XLなどのCheckpoint例から整理します。Sun, 06 Sep 2026 02:00:00 GMThttps://local-gen.jp/guides/stable-diffusion-settings-cfg-steps-sampler-seed-guide/https://local-gen.jp/guides/stable-diffusion-settings-cfg-steps-sampler-seed-guide/Stable Diffusion系WebUIやComfyUIで見るCheckpoint、VAE、シード、サンプラー、Scheduler、ステップ数、CFG Scale、解像度、Batch、Hires.fix、ノイズ除去強度などの役割を一覧で整理します。Sun, 06 Sep 2026 02:00:00 GMThttps://local-gen.jp/guides/hermes-agent-local-models-gguf-vram/https://local-gen.jp/guides/hermes-agent-local-models-gguf-vram/Nous ResearchのHermes AgentでローカルLLMを導入する手順を、llama.cppの管理機能、GGUF選択、8GB/16GB級VRAM、64Kコンテキスト、システムRAMへのオフロード、Windows/Linux/macOSの違いまで整理します。Sat, 05 Sep 2026 20:51:00 GMThttps://local-gen.jp/guides/openclaw-local-llm-vram-ollama-lm-studio/https://local-gen.jp/guides/openclaw-local-llm-vram-ollama-lm-studio/OpenClawのManaged local server、LM Studio、Ollamaを使ったローカルLLM構成を、必要メモリ、tool calling、context、検証手順、安全性まで現行公式docsに沿って整理します。Sat, 05 Sep 2026 20:08:00 GMThttps://local-gen.jp/articles/mlperf-client-v2-local-ai-pc-benchmark-guide/https://local-gen.jp/articles/mlperf-client-v2-local-ai-pc-benchmark-guide/MLPerf Client v2.0がLLM・エージェント型AI・画像生成で何を測るのかを整理。Phi 4 Mini、Qwen3 8B、FLUX.2 [klein] 4B、SWE Agent、実行プロバイダー、スコアを比較するときの条件を解説します。Sat, 05 Sep 2026 14:59:00 GMThttps://local-gen.jp/articles/perplexity-hybrid-compute-mac-local-ai/https://local-gen.jp/articles/perplexity-hybrid-compute-mac-local-ai/Perplexity Hybrid Compute on Macについて、24GB統合メモリ要件、ローカルとクラウドの役割分担、Lilyの測定条件、Macで使う際の注意点を一次情報から整理します。Sat, 05 Sep 2026 13:57:00 GMThttps://local-gen.jp/articles/flux2-klein-local-guide/https://local-gen.jp/articles/flux2-klein-local-guide/FLUX.2 [klein]をローカルPCで使う前に、4B/9BとBaseの違い、Black Forest Labs公式のVRAM・RTX 5090速度、ライセンス、ComfyUI公式ワークフローを整理します。Sat, 05 Sep 2026 06:03:00 GMThttps://local-gen.jp/guides/wangp-local-image-video-generation-low-vram/https://local-gen.jp/guides/wangp-local-image-video-generation-low-vram/WanGP（旧Wan2GP）の特徴を、6GB級VRAMの意味、Wan 2.2・MiniMax H3・LTX・Hunyuan・Qwen Image・FLUX対応、NVIDIA/AMD GPU、GGUFやFP8、ComfyUIとの違い、必要スペックとライセンスまで整理します。Sat, 05 Sep 2026 03:11:42 GMThttps://local-gen.jp/news/nvidia-hugging-face-acquisition-local-ai/https://local-gen.jp/news/nvidia-hugging-face-acquisition-local-ai/NVIDIAとHugging Faceの買収合意を、公式発表とSEC提出書類から確認。GGUFやモデル配布への即時影響、他社GPU対応、2027年前半の完了予定と今後の確認点を整理します。Fri, 04 Sep 2026 22:58:00 GMThttps://local-gen.jp/guides/nvidia-pair-local-ai-router/https://local-gen.jp/guides/nvidia-pair-local-ai-router/NVIDIA PAIRは複数のRTX PC・DGX Spark・MacへローカルAIの推論要求を振り分けるソフトウェア。Ollama・LM Studioとの関係、対応環境、VRAMを合算できない理由、複数PCが有効な用途を一次情報から整理します。Fri, 04 Sep 2026 16:03:24 GMThttps://local-gen.jp/guides/rtx-spark-local-ai-128gb-unified-memory/https://local-gen.jp/guides/rtx-spark-local-ai-128gb-unified-memory/NVIDIA RTX Sparkの128GB統合メモリ、Grace CPU、Blackwell RTX GPU、120B級LLM、DGX Sparkや従来GPU PCとの違いを整理。ローカルAI目的で買う価値を判断します。Fri, 04 Sep 2026 07:35:33 GMThttps://local-gen.jp/articles/gpt-6-astra-vs-gpt-5-6-sol/https://local-gen.jp/articles/gpt-6-astra-vs-gpt-5-6-sol/GPT-6 AstraをGPT-5.6 Solと公式ベンチマーク、長文脈、PC・ブラウザ操作、Codex、API料金、ChatGPT Work/Codex利用量で比較。どこが大きく伸び、どこは横ばいなのかを整理します。Fri, 04 Sep 2026 00:30:00 GMThttps://local-gen.jp/news/g20-ai-regulation-carolina-principles-local-ai/https://local-gen.jp/news/g20-ai-regulation-carolina-principles-local-ai/G20イノベーション閣僚会合でCarolina Principlesに合意。AI規制撤廃ではなく、既存法を優先しAI固有の新しい論点に新規制を絞る方向です。EU AI Act、open-weight、ローカルLLMへの影響を整理します。Thu, 03 Sep 2026 04:10:00 GMThttps://local-gen.jp/guides/dwarfstar-ds4-deepseek-v4-local-runtime/https://local-gen.jp/guides/dwarfstar-ds4-deepseek-v4-local-runtime/DeepSeek V4 Flash/PRO向けの専用実行環境 DwarfStar（ds4）について、llama.cppとの違い、96/128GB・256GB級メモリの考え方、SSD ストリーミング、Metal/CUDA/ROCm、複数GPU・複数Mac構成を一次情報から整理します。Wed, 02 Sep 2026 21:56:00 GMThttps://local-gen.jp/guides/minimax-music3-local-comfyui-vram/https://local-gen.jp/guides/minimax-music3-local-comfyui-vram/MiniMax Music 3で歌詞付きのフル楽曲をローカル生成するときの公式2GPU構成、ComfyUI経路、INT8・枝刈り済みモデル、必要VRAMの考え方、ライセンス上の注意点を整理します。Wed, 02 Sep 2026 20:53:00 GMThttps://local-gen.jp/guides/stable-audio-3-local-vram-cpu-comfyui/https://local-gen.jp/guides/stable-audio-3-local-vram-cpu-comfyui/Stable Audio 3のSmall-Music / Small-SFX / Mediumをローカルで使うときの違い、CPUとCUDAの選び方、公式VRAM使用量のピーク、ComfyUIでの扱い、ライセンス上の注意点を整理します。Wed, 02 Sep 2026 19:49:00 GMThttps://local-gen.jp/guides/vibevoice-asr-streaming-local-guide/https://local-gen.jp/guides/vibevoice-asr-streaming-local-guide/Microsoftが2026年9月3日に公開したVibeVoice-ASR-Streamingについて、従来のVibeVoice-ASRやCPU向けBitNet版との違い、ローカル実行方法、CUDA環境、ホットワード、必要VRAMを断定できない理由まで整理します。Wed, 02 Sep 2026 17:52:58 GMThttps://local-gen.jp/articles/hy4-preview-local-requirements/https://local-gen.jp/articles/hy4-preview-local-requirements/Tencent Hy4 プレビュー版は770B総パラメータ・49B 有効/トークンの巨大MoE。公式FP8に加えAngelSlimの213.66GiB級STQ1_0 GGUFが公開されたため、RTX 5090や一般PCでどこまで現実的か、llama.cpp対応状況と実測例を分けて整理する。Wed, 02 Sep 2026 16:50:00 GMThttps://local-gen.jp/guides/nunchaku-lite-diffusers-4bit-local-image-generation/https://local-gen.jp/guides/nunchaku-lite-diffusers-4bit-local-image-generation/Hugging Face Diffusersに統合されたNunchaku Liteを使って、4bitの画像生成モデルをローカル実行するときの仕組み、対応GPU、VRAM削減、INT4とNVFP4の違い、注意点を整理します。Wed, 02 Sep 2026 15:23:00 GMThttps://local-gen.jp/guides/comfyui-trellis2-pixal3d-native-3d/https://local-gen.jp/guides/comfyui-trellis2-pixal3d-native-3d/ComfyUI中核に統合されたTRELLIS.2とPixal3Dを使って、1枚の画像から3Dモデルをローカル生成するときの違い、導入方法、PBR出力、商用利用上の注意点、必要スペックの考え方を整理します。Wed, 02 Sep 2026 14:25:00 GMThttps://local-gen.jp/guides/comfyui-upscale-model-choose/https://local-gen.jp/guides/comfyui-upscale-model-choose/ComfyUIで画像をローカル高画質化するときに、通常拡大、ESRGAN系アップスケール、生成系アップスケールをどう使い分けるかを整理します。VRAM、速度、ディテール改変、モデル配置まで実用目線で解説します。Wed, 02 Sep 2026 12:27:00 GMThttps://local-gen.jp/guides/deepseek-v4-flash-vision-exp-local-gguf-memory/https://local-gen.jp/guides/deepseek-v4-flash-vision-exp-local-gguf-memory/305Bの巨大MoE＋画像入力モデルDeepSeek-V4-Flash-Vision-Expをローカルで扱う前に、公式仕様、GGUF、llama.cppの画像入力対応、再変換が必要な理由、RAMとVRAMの考え方を整理します。Wed, 02 Sep 2026 11:24:00 GMThttps://local-gen.jp/guides/hugging-face-transformers-cve-2026-80047/https://local-gen.jp/guides/hugging-face-transformers-cve-2026-80047/Transformers 4.49.0〜5.8.1で、trust_remote_codeの確認前にリモート Python ファイルがローカルキャッシュへ書き込まれるCVE-2026-80047が公開されました。影響する処理、誤解しやすい点、現時点の回避策をCERT/CCとHugging Face公式情報から整理します。Wed, 02 Sep 2026 09:24:00 GMThttps://local-gen.jp/guides/freetoken-local-moe-serving/https://local-gen.jp/guides/freetoken-local-moe-serving/FreeTokenはGPU・CPU・RAMをまたいで巨大MoEをローカル実行する端末向けネイティブ推論エンジンです。8GB GPUから284B/753B級までの公式・論文上の実行例、VRAMだけで判断できない理由、対応モデル、llama.cppとの違い、導入判断を整理します。Wed, 02 Sep 2026 08:20:00 GMThttps://local-gen.jp/guides/dgx-spark-vs-rtx5090-local-ai/https://local-gen.jp/guides/dgx-spark-vs-rtx5090-local-ai/NVIDIA DGX Spark（GB10）とGeForce RTX 5090をローカルLLM用途で比較。128GB統合メモリと32GB GDDR7の違い、モデル容量・帯域・Arm環境・画像生成・購入判断を整理します。Wed, 02 Sep 2026 07:25:00 GMThttps://local-gen.jp/guides/comfy-mcp-local-agent-guide/https://local-gen.jp/guides/comfy-mcp-local-agent-guide/Comfy Org公式のComfy MCPローカル版について、Claude・Cursor・Codexなどから自分のComfyUI、GPU、モデル、カスタムノードを扱う仕組み、導入手順、ローカル優先と完全ローカルの違い、安全上の注意点を整理します。Wed, 02 Sep 2026 06:20:00 GMThttps://local-gen.jp/guides/huggingface-webgpu-kernels-local-ai/https://local-gen.jp/guides/huggingface-webgpu-kernels-local-ai/Hugging Faceが公開した207個のWebGPU カーネルと@huggingface/kernels、Fleetを一次情報から整理。Transformers.jsとの違い、ブラウザ内AIで速くなる範囲、ベンチマークの読み方、現時点の注意点を解説します。Wed, 02 Sep 2026 06:00:00 GMThttps://local-gen.jp/guides/comfyui-wan-animate-2-local-guide/https://local-gen.jp/guides/comfyui-wan-animate-2-local-guide/Wan Animate 2のComfyUI公式対応、参照キャラクターと動きの参照動画の役割、WanAnimate2Cache、公式の複数-A800構成を確認し、一般PCで試す前に知るべき条件を整理します。Wed, 02 Sep 2026 04:00:00 GMThttps://local-gen.jp/guides/comfyui-dynamic-vram-rocm-amd/https://local-gen.jp/guides/comfyui-dynamic-vram-rocm-amd/ComfyUI v0.34.0でROCm 7.14以降ではDynamic VRAMが既定で有効になりました。VRAM不足をなくす機能ではない点、RAM・速度とのトレードオフ、Radeonで確認すべき条件を整理します。Wed, 02 Sep 2026 03:25:00 GMThttps://local-gen.jp/guides/lm-studio-bionic-auto-review-skills-guide/https://local-gen.jp/guides/lm-studio-bionic-auto-review-skills-guide/LM Studio BionicでローカルLLMをエージェントとして使うときに、通常のLM Studioとの違い、スキル、Auto Review、シェル実行の安全性、ローカルとクラウドの境界を公式情報から整理します。Wed, 02 Sep 2026 00:45:00 GMThttps://local-gen.jp/guides/ltx-2-5-local-vram-comfyui-guide/https://local-gen.jp/guides/ltx-2-5-local-vram-comfyui-guide/LTX-2.5をローカルPCで使う前に、22Bモデルの構成、LTX DesktopのローカルFast、ComfyUI、量子化、16GB・24GB・32GB GPUの考え方を公式情報から整理します。Tue, 01 Sep 2026 23:26:00 GMThttps://local-gen.jp/articles/nemotron-3-5-lightning-local-rtx5090-guide/https://local-gen.jp/articles/nemotron-3-5-lightning-local-rtx5090-guide/NVIDIA Nemotron 3.5 Lightning 30B-A3Bは30B 総 / 3B 有効のエージェント向けMoE。公式NVFP4版は約22GBまで圧縮され、RTX 5090も対応ハードウェアに明記されています。32GB GPUで使うときの注意点、1M コンテキスト、BF16との違いを整理します。Tue, 01 Sep 2026 21:22:00 GMThttps://local-gen.jp/articles/spark-x2-5-4b-1-7b-local-model-profile/https://local-gen.jp/articles/spark-x2-5-4b-1-7b-local-model-profile/Spark X2.5-4B/1.7Bは、XHTokenが公開したオンデバイス志向の小型LLM。最大1Mトークンのネイティブコンテキストとエージェント用途を掲げる一方、2026年9月2日時点の上流のllama.cpp対応はまだドラフトPR段階。GGUF・Ollama・LM Studioを試す前に確認したい点を整理する。Tue, 01 Sep 2026 19:25:00 GMThttps://local-gen.jp/articles/glm-5-3-flash-local-pc-guide/https://local-gen.jp/articles/glm-5-3-flash-local-pc-guide/GLM-5.3-Flashは320B総パラメータ・18B 有効のマルチモーダルMoE。オープン重みで複数のローカル実行経路が用意されていますが、18B 有効だから18B級GPUで動くわけではありません。一般PCで試す前に見るべきポイントを整理します。Tue, 01 Sep 2026 18:25:00 GMThttps://local-gen.jp/guides/minimax-h3-local-comfyui-vram/https://local-gen.jp/guides/minimax-h3-local-comfyui-vram/MiniMax H3の33B オープン重みをローカルPCで使うときの条件を、公式情報を基に整理。ComfyUI 0.30.0、12GB VRAM級のRTX 3060で動く理由、42.5GBの最適化済み構成、FL2VA/Ref2VA、ライセンスの注意点を解説します。Tue, 01 Sep 2026 14:50:00 GMThttps://local-gen.jp/articles/lfm2-5-2-6b-local-agent-webgpu-guide/https://local-gen.jp/articles/lfm2-5-2-6b-local-agent-webgpu-guide/Liquid AIのLFM2.5-2.6Bは2.69B規模ながら、ツール利用やエージェント向け処理を狙ったオンデバイスモデルです。GGUF、ONNX/WebGPU、MLX、QAD Q4_0まで揃う現状を、メモリ・用途・注意点から整理します。Tue, 01 Sep 2026 14:26:00 GMThttps://local-gen.jp/articles/qwen3-8-flash-next-local-rtx5090-model-profile/https://local-gen.jp/articles/qwen3-8-flash-next-local-rtx5090-model-profile/Qwen3.8-Flash-Nextは125B本体＋51B N-gram埋め込み、1トークンあたり有効パラメータ6BのマルチモーダルMoE。llama.cppはテキスト/画像入力に対応していますが、有効パラメータ6Bだから6B級GPUで動くわけではありません。RTX 5090 32GBで検討するときのメモリと実行経路を整理します。Tue, 01 Sep 2026 12:24:00 GMThttps://local-gen.jp/articles/physical-ai-local-brain-cloud-edge/https://local-gen.jp/articles/physical-ai-local-brain-cloud-edge/AIが身体を持つ未来では、通信できない洞窟、災害現場、自動運転、宇宙、軍事で「その場で考える力」が性能になる。AI嫁を思考実験の案内役に、クラウドとローカルの役割がどう変わるかを考える。Tue, 01 Sep 2026 00:45:00 GMThttps://local-gen.jp/articles/machine-intelligence-future-local-agi/https://local-gen.jp/articles/machine-intelligence-future-local-agi/2026年のAGI論を入口に、京とRTX 5090、Chinchilla、量子化、MoE、Retrieval、ローカルAgentの進化から、今日のクラウド知能が将来どこまで個人の手元へ降り得るのかを考える。Tue, 01 Sep 2026 00:13:00 GMThttps://local-gen.jp/guides/rocm-10-rocm-ai-local-ai-guide/https://local-gen.jp/guides/rocm-10-rocm-ai-local-ai-guide/AMD ROCm 10とROCm.AIの違い、ROCm CLI・Hyperloom・AMD Skillsの位置付け、Windows/Linuxでの注意点を公式情報から整理します。ROCm.AIのGAとROCm CLIの技術プレビューを分けて判断します。Mon, 31 Aug 2026 15:00:00 GMThttps://local-gen.jp/guides/local-ai-future/https://local-gen.jp/guides/local-ai-future/ローカルAIはクラウド最上位へ一直線に追いついているわけではない。それでも小型化、推論効率、Windowsへの統合は急速に進んでいる。2024〜2026年の実データから、今ローカルAIを学ぶ意味と今後のlocal/cloud分業を考える。Sat, 29 Aug 2026 22:32:18 GMThttps://local-gen.jp/guides/qwen3-8-vs-gpt-5-6-claude/https://local-gen.jp/guides/qwen3-8-vs-gpt-5-6-claude/Qwen3.8-27BはクラウドAIでいうとどの程度の性能なのか。GPT-5.6 Luna・Sol、Claude Opus 5と同じ評価指標で比較し、Qwen3.6からどこまで差が縮んだかも整理する。Sat, 29 Aug 2026 22:32:18 GMThttps://local-gen.jp/guides/vram-12gb-local-ai/https://local-gen.jp/guides/vram-12gb-local-ai/VRAM 12GBは8GBより余裕が増えるが、何でも快適に動く万能ラインではない。LLMの量子化・コンテキスト・GPU配置、画像生成のモデル・解像度・batch・offloadから、12GBで試しやすい範囲と限界の見つけ方を解説する。Thu, 27 Aug 2026 02:42:00 GMThttps://local-gen.jp/guides/vram-8gb-local-ai/https://local-gen.jp/guides/vram-8gb-local-ai/VRAM 8GBでもローカルAIを試せるケースはある。LLMは量子化・コンテキスト長・GPU/CPU配置、画像生成はモデル・解像度・batch・offloadで条件が変わる。8GBで何から試せるか、どこから厳しくなるかを解説する。Thu, 27 Aug 2026 01:12:00 GMThttps://local-gen.jp/guides/ai-quantization-vram-quality/https://local-gen.jp/guides/ai-quantization-vram-quality/量子化はモデルの重みを少ないbit数で表すことで保存容量や重みのメモリ負担を減らす一方、元の値を近似するため誤差が入る。4bit・8bit・Q4/Q8の読み方と、総VRAMが単純比例しない理由を順に解説する。Tue, 25 Aug 2026 23:05:00 GMThttps://local-gen.jp/guides/ai-model-license-before-download/https://local-gen.jp/guides/ai-model-license-before-download/AIモデルをダウンロードする前に、モデルカード、ライセンス原文、利用制限、ベースモデルや派生モデルの条件をどの順番で確認すればよいかを解説します。ライセンス名だけで商用利用の可否を決めず、実際に使う配布物の原文を確認します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/ai-video-first-last-frame-workflow/https://local-gen.jp/guides/ai-video-first-last-frame-workflow/AI動画の開始画像と終了画像を指定したいときに、対応モデル、公式ワークフロー、入力画像の条件、途中のつながり方を確認する手順を解説します。対応していないモデルへ無理に同じ方法を当てはめません。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/ai-video-frames-fps-resolution-length/https://local-gen.jp/guides/ai-video-frames-fps-resolution-length/ローカルAIで動画を生成するときのフレーム数、FPS、再生時間、解像度を、モデルやワークフローの制約、VRAM、生成時間、最終的な用途から決める考え方を解説します。最初は短く小さな条件から試します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/amd-gpu-windows-local-ai-rocm-check/https://local-gen.jp/guides/amd-gpu-windows-local-ai-rocm-check/Windows PCのAMD GPUでローカルAIを動かす前に、GPU型番、Windowsのバージョン、ドライバー、ROCmなどのバックエンド、利用するアプリ側の対応状況を順番に確認する方法を解説します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/bto-gaming-vs-creator-pc-local-ai/https://local-gen.jp/guides/bto-gaming-vs-creator-pc-local-ai/ローカルAI用のBTO PCを選ぶときに、ゲーミングPC・クリエイターPCという分類ではなく、GPU、VRAM、メモリ、SSD、電源、ケース、保証、増設性を同じ条件で比較する方法を解説します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/comfyui-black-image-nan-fix/https://local-gen.jp/guides/comfyui-black-image-nan-fix/ComfyUIで生成結果が真っ黒になる、またはNaN関連のエラーが出るときに、最初に異常が出るノード、VAE、モデルとの互換性、数値精度、バックエンドを順番に切り分ける方法を解説します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/comfyui-camera-motion-control-before-use/https://local-gen.jp/guides/comfyui-camera-motion-control-before-use/ComfyUIで動画のカメラ移動を指定するときに、プロンプトだけで指示する方法と専用のカメラ制御ワークフローを分け、対応モデル、入力画像、動きの種類、強さを確認する手順を解説します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/comfyui-checkpoint-vae-lora-differences/https://local-gen.jp/guides/comfyui-checkpoint-vae-lora-differences/ComfyUIで使うチェックポイント、VAE、LoRAの役割を分けて理解し、ベースモデルとの互換性やワークフローが必要とする構成を確認して組み合わせる方法を解説します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/comfyui-cuda-out-of-memory-fix/https://local-gen.jp/guides/comfyui-cuda-out-of-memory-fix/ComfyUIでCUDA out of memoryが出たときに、ほかのGPU利用プロセス、解像度、バッチ数、追加モデル、VAE、数値精度、オフロードを一度に変えず、原因を順番に切り分ける方法を解説します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/comfyui-custom-node-dependency-conflict/https://local-gen.jp/guides/comfyui-custom-node-dependency-conflict/カスタムノードの追加や更新後にComfyUIが起動しなくなったとき、起動ログ、Python環境、パッケージのバージョン、直前に変更したノードを確認し、最小構成で依存関係の衝突を特定する方法を解説します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/comfyui-custom-node-security-checklist/https://local-gen.jp/guides/comfyui-custom-node-security-checklist/ComfyUIのカスタムノードは単なる画面部品ではなく、PC上で動くプログラムです。作者、配布元、追加パッケージ、外部通信、ファイルへのアクセス、削除方法を確認してから導入するためのチェック項目を解説します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/comfyui-desktop-portable-manual-choose/https://local-gen.jp/guides/comfyui-desktop-portable-manual-choose/ComfyUIのDesktop版、Windows Portable版、手動インストールを、Python環境の管理、更新、バックアップ、移行、カスタマイズのしやすさから比較します。画質や速度ではなく、どこまで自分で環境を管理したいかで選びます。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/comfyui-desktop-windows-install/https://local-gen.jp/guides/comfyui-desktop-windows-install/Windows版ComfyUI Desktopを公式インストーラーから導入し、対応GPU、初期設定、保存先、管理フォルダの注意点を確認して、標準画面が開くところまで進める手順を解説します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/comfyui-first-image-generation/https://local-gen.jp/guides/comfyui-first-image-generation/ComfyUIを起動した後、標準ワークフロー、必要なモデル、プロンプト、Queue、Save Imageを順番に確認して最初の1枚を生成します。成功したワークフローも保存し、次の設定変更の基準にします。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/comfyui-geforce-vs-radeon/https://local-gen.jp/guides/comfyui-geforce-vs-radeon/ComfyUI用GPUをGeForceとRadeonで比較するときは、理論性能だけでなく、使うOS、モデル、ワークフロー、バックエンドの対応状況、VRAM、価格を同じ条件で確認します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/comfyui-generation-slow-bottleneck-check/https://local-gen.jp/guides/comfyui-generation-slow-bottleneck-check/ComfyUIの生成が遅いと感じたときに、モデルの読み込み、GPUとCPUの使われ方、オフロード、生成条件、カスタムノード、温度や電力を分けて確認し、どこで時間を使っているかを切り分けます。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/comfyui-image-to-image-denoise/https://local-gen.jp/guides/comfyui-image-to-image-denoise/ComfyUIのimg2img（image-to-image）で元画像を条件に生成し、KSamplerのdenoiseで変化量を調整する方法を解説します。同じ画像、プロンプト、シード、サイズを固定し、denoiseだけを変えて比較します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/comfyui-inpainting-partial-edit/https://local-gen.jp/guides/comfyui-inpainting-partial-edit/ComfyUIのinpainting（インペイント）で、マスクを使って画像の一部だけを編集する方法を解説します。対応ワークフロー、モデルやVAE、denoise、マスク境界を確認し、元画像を必要以上に崩さず修正します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/comfyui-ip-adapter-reference-image-before-use/https://local-gen.jp/guides/comfyui-ip-adapter-reference-image-before-use/参照画像の情報を生成へ反映するIP-Adapterについて、何を画像から伝えたいのか、対応するベースモデル、画像エンコーダー、強度、プライバシーを確認し、ControlNetやLoRAとの使い分けを整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/comfyui-lora-weight-safe-compare/https://local-gen.jp/guides/comfyui-lora-weight-safe-compare/ComfyUIでLoRAを使う前に、対応するベースモデル、ライセンス、トリガー語を確認し、同じシードでLoRAなし・弱め・強めを比較して、自分の用途に合う強度を決める方法を解説します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/comfyui-missing-custom-node-fix/https://local-gen.jp/guides/comfyui-missing-custom-node-fix/ComfyUIでワークフローを読み込んだときに不足ノードが出る場合の確認手順を解説します。ノード名、配布元、バージョン、依存関係を確認し、必要なカスタムノードだけを安全に追加します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/comfyui-model-folders-checkpoints-vae-lora/https://local-gen.jp/guides/comfyui-model-folders-checkpoints-vae-lora/ComfyUIでCheckpoint、VAE、LoRA、ControlNet、テキストエンコーダーなどをどこへ置くかを整理します。ファイルの役割、読み込みノード、保存先の順で確認すると配置ミスを減らせます。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/comfyui-model-not-found-fix/https://local-gen.jp/guides/comfyui-model-not-found-fix/ComfyUIの読み込みノードにモデルが表示されないときの確認順を解説します。モデルの種類、保存先、追加モデルパス、ファイル名、一覧更新を順に確認し、再ダウンロード前に原因を切り分けます。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/comfyui-old-workflow-migration/https://local-gen.jp/guides/comfyui-old-workflow-migration/以前は動いていたComfyUIワークフローが更新後に動かなくなったときの切り分け方を解説します。元のJSONを残し、本体、カスタムノード、モデル名、入出力項目の変化を複製側で一つずつ確認します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/comfyui-outpainting-expand-canvas/https://local-gen.jp/guides/comfyui-outpainting-expand-canvas/ComfyUIのアウトペイントで画像の外側へ新しい領域を生成する基本手順を解説します。最初は一方向だけ広げ、マスク、元画像とのつながり、denoise、境界の継ぎ目を順に確認します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/comfyui-seed-steps-cfg-sampler/https://local-gen.jp/guides/comfyui-seed-steps-cfg-sampler/ComfyUIのKSamplerにあるseed、steps、CFG、sampler、schedulerの役割を分けて解説します。同じモデル、プロンプト、ワークフローを固定し、一項目ずつ変えて自分の基準を作る方法を紹介します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/comfyui-upscale-latent-vs-image/https://local-gen.jp/guides/comfyui-upscale-latent-vs-image/ComfyUIで画像を大きくするとき、生成を伴って細部を描き直す方法と、完成画像の画素数を増やす方法の違いを解説します。目的、変化量、継ぎ目、メモリ使用量を比べて使い分けます。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/comfyui-wan22-image-to-video-start/https://local-gen.jp/guides/comfyui-wan22-image-to-video-start/ComfyUIの公式Wan 2.2 I2Vテンプレートを基準に、必要なモデル構成、入力画像、解像度、フレーム数、出力を確認して最初の短い動画を生成する手順を解説します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/comfyui-wan22-text-to-video-start/https://local-gen.jp/guides/comfyui-wan22-text-to-video-start/ComfyUIの公式Wan 2.2 T2Vテンプレートを基準に、必要なモデル構成、プロンプト、解像度、フレーム数、出力を確認して最初の短い動画を生成する手順を解説します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/comfyui-workflow-json-image-load/https://local-gen.jp/guides/comfyui-workflow-json-image-load/ComfyUIへワークフローJSONやワークフロー情報を含む画像を読み込み、不足ノード、必要なモデル、配布元、外部通信などを確認してから実行する手順を解説します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/comfyui-workflow-template-before-use/https://local-gen.jp/guides/comfyui-workflow-template-before-use/ComfyUIの公式ワークフローテンプレートを使う前に、必要なモデルやノード、ローカル処理か外部サービス利用か、入出力を確認する手順を解説します。最初の実行は大きく変更せず、動いた状態を保存します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/controlnet-pose-edge-depth-choose/https://local-gen.jp/guides/controlnet-pose-edge-depth-choose/ControlNetで元画像の姿勢、輪郭、奥行きのどれを残したいかを基準に、pose・edge・depthの違いを整理します。同じ入力画像と生成条件で比較し、用途に合う制御方法を選ぶ手順を解説します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/copilot-plus-vs-dgpu-laptop-local-ai/https://local-gen.jp/guides/copilot-plus-vs-dgpu-laptop-local-ai/Copilot+ PCとdGPU搭載ノートを、使いたいAIアプリがNPUとGPUのどちらに対応しているかを軸に比較します。メモリ、バッテリー、重量も含め、用途に合うノートPCの選び方を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/cuda-toolkit-driver-local-ai/https://local-gen.jp/guides/cuda-toolkit-driver-local-ai/NVIDIA GPUでローカルAIを使うとき、GPUドライバーとCUDA Toolkitは役割が異なります。配布済みアプリを使う場合と、llama.cppなどをCUDA対応で自分でビルドする場合を分け、Toolkitが必要になる条件を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/flux1-dev-vs-schnell/https://local-gen.jp/guides/flux1-dev-vs-schnell/FLUX.1-devとFLUX.1-schnellを、ライセンス、公式ワークフロー、生成ステップ、用途の違いから比較します。未実測の画質ランキングではなく、使う条件を確認して選ぶ方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/articles/flux1-kontext-dev-model-profile/https://local-gen.jp/articles/flux1-kontext-dev-model-profile/FLUX.1 Kontext [dev]の用途、12Bという規模、配布条件、ライセンス、Diffusersでの公式実装を整理します。ローカル画像編集の候補として試す前に確認したいポイントをまとめます。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/foundry-local-vs-lm-studio-vs-ollama-windows/https://local-gen.jp/guides/foundry-local-vs-lm-studio-vs-ollama-windows/WindowsでローカルAIを使うとき、Foundry Local・LM Studio・Ollamaを、Windowsアプリへの組み込み、GUIでの利用、CLI・API連携という目的から比較します。速度ランキングではなく、最初の使い方で選びます。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/gaming-pc-vs-workstation-large-vram-local-ai/https://local-gen.jp/guides/gaming-pc-vs-workstation-large-vram-local-ai/ローカルAIで大容量VRAMが必要なとき、ゲーミングPCとワークステーションを、GPU容量、CPU・RAM・PCIe拡張、保証、連続運用、総費用から比較します。名称ではなく必要な運用条件で選びます。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/articles/gemma-3n-e4b-it-model-profile/https://local-gen.jp/articles/gemma-3n-e4b-it-model-profile/Gemma 3n E4B ITが扱うテキスト・画像・動画・音声入力、E4Bという名称、Gemmaの利用条件、公式実装を整理します。ローカル環境で試す前に必要な確認項目をまとめます。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/generative-llm-embedding-reranker-differences/https://local-gen.jp/guides/generative-llm-embedding-reranker-differences/RAGで使う生成LLM、Embeddingモデル、Rerankerを、入力と出力の違いから整理します。検索、候補の並べ替え、回答生成を分けて考え、必要な構成だけを選ぶ方法を解説します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/image-generation-gpu-vram-8gb-12gb-16gb-24gb/https://local-gen.jp/guides/image-generation-gpu-vram-8gb-12gb-16gb-24gb/画像生成用GPUのVRAM容量を、使うモデル、解像度、バッチ数、精度、CPUオフロードの有無から考えます。8GB・12GB・16GB・24GBを固定の対応表にせず、自分のワークフローに必要な容量を決める方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/image-generation-vram-12gb-vs-16gb/https://local-gen.jp/guides/image-generation-vram-12gb-vs-16gb/画像生成用GPUのVRAM 12GBと16GBを、モデル、解像度、ControlNet・LoRA、バッチ数、CPUオフロードの有無から比較します。4GBの差を画質や速度と混同せず、16GBへ追加費用を払う条件を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/image-video-generation-mac-vs-windows/https://local-gen.jp/guides/image-video-generation-mac-vs-windows/ローカル画像・動画生成用PCを、MacかWindowsかというイメージだけで選ばず、使いたいモデルやワークフローの対応状況、メモリ構成、編集ソフト、拡張性、価格から比較します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/image-video-generation-pc-ram-32gb-64gb-128gb/https://local-gen.jp/guides/image-video-generation-pc-ram-32gb-64gb-128gb/画像・動画生成用PCのシステムRAMを、CPUオフロード、同時に使う編集ソフト、動画フレーム、一時データなどから考えます。32GB・64GB・128GBを固定の必要量にせず、実際の使用量から選ぶ方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/image-video-vram-24gb-vs-32gb/https://local-gen.jp/guides/image-video-vram-24gb-vs-32gb/画像・動画生成用GPUのVRAM 24GBと32GBを、最も重いワークフロー、CPUオフロード、複数モデル、バッチ数、解像度、追加費用から比較します。32GBを選ぶべき具体的な条件を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/intel-arc-windows-local-ai-check/https://local-gen.jp/guides/intel-arc-windows-local-ai-check/Windows PCのIntel ArcでローカルAIを使うとき、GPU型番、ドライバー、Windows、実行環境、バックエンド、モデル形式を順に確認します。Arc対応という一言で判断せず、実際に使う構成で確認する方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/japanese-embedding-model-rag-choose/https://local-gen.jp/guides/japanese-embedding-model-rag-choose/日本語RAG用のEmbeddingモデルを、対応言語、ライセンス、入力長、ベクトル次元、実行環境から絞り込み、最後は自分の日本語質問と正解文書を使って比較する方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/japanese-local-llm-candidates-compare/https://local-gen.jp/guides/japanese-local-llm-candidates-compare/日本語ローカルLLMを固定ランキングで選ばず、公式モデルカード、ライセンス、配布形式、実行環境を確認し、同じ日本語プロンプトで2〜3候補へ絞る比較手順を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/japanese-local-llm-task-based-selection/https://local-gen.jp/guides/japanese-local-llm-task-based-selection/日本語対応という表記や公開ベンチマークだけでモデルを決めず、文章作成、要約、質問応答など自分の用途を2〜3個に絞り、同じ条件で候補を試す方法を解説します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/japanese-local-llm-test-set/https://local-gen.jp/guides/japanese-local-llm-test-set/日本語ローカルLLMを自分の用途で比較するために、実際の仕事から10件ほどのテストケースを作り、正解または採点基準、機密情報の扱い、バージョンを保存する方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/large-gpu-psu-case-cooling-checklist/https://local-gen.jp/guides/large-gpu-psu-case-cooling-checklist/大型GPUを購入する前に、カード寸法、占有スロット、補助電源、電源ユニット、ケーブルの余裕、ケース内の通風、GPUの支え方をメーカー仕様で照合する手順をまとめます。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/llama-cpp-chat-template-mismatch-fix/https://local-gen.jp/guides/llama-cpp-chat-template-mismatch-fix/llama.cppで役割名がそのまま出る、system指示が効かないなど会話形式が崩れるときに、GGUFメタデータ、自動選択されたchat template、上書き設定、raw promptを順に比較する方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/llama-cpp-context-kv-cache-settings/https://local-gen.jp/guides/llama-cpp-context-kv-cache-settings/llama.cppで長いコンテキストを使うとき、モデル側の上限、-c/--ctx-size、KV cacheのデータ型、KVのGPU配置を分けて確認し、必要な長さまで段階的に増やす方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/llama-cpp-cuda-vulkan-rocm-build-choice/https://local-gen.jp/guides/llama-cpp-cuda-vulkan-rocm-build-choice/llama.cppのGPUバックエンドを、名前の印象や速度ランキングではなく、使っているGPU、OS、公式対応、配布済みバイナリの有無、自分でビルドする必要性から選ぶ方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/llama-cpp-grammar-json-output/https://local-gen.jp/guides/llama-cpp-grammar-json-output/llama.cppでJSONを安定して出力したいときに、GBNF grammarやJSON Schemaで構文を制約する方法と、その制約では保証できない内容の正しさを分けて整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/llama-cpp-multi-gpu-split-mode/https://local-gen.jp/guides/llama-cpp-multi-gpu-split-mode/llama.cppで複数GPUを使うとき、split-mode、tensor-split、main-gpuなどの設定を、同じGGUFとコンテキスト長で比較する方法を整理します。VRAMを単純に合算せず、実際の配置と速度をログで確認します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/llama-cpp-n-gpu-layers/https://local-gen.jp/guides/llama-cpp-n-gpu-layers/llama.cppの--n-gpu-layersでモデル層をどこまでGPUへ置くか調整するときに、数値・auto・allの意味、起動ログ、VRAM、KV cache、コンテキスト長を分けて確認する方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/llama-cpp-temperature-top-p-min-p/https://local-gen.jp/guides/llama-cpp-temperature-top-p-min-p/llama.cppのtemperature・top-p・min-pを一度に調整せず、同じモデル、プロンプト、seedで基準を作り、一項目ずつ変えて出力の違いを確認する方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/llama-server-local-api-start/https://local-gen.jp/guides/llama-server-local-api-start/llama.cppのllama-serverへGGUFを指定し、localhostで起動して/healthを確認し、最初のHTTPリクエストを送るまでを整理します。最初は外部ネットワークへ公開せず、ローカル動作だけを切り分けます。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/llama-small-model-local-choose/https://local-gen.jp/guides/llama-small-model-local-choose/Llamaの小型モデルを、Llamaという名前だけでまとめず、世代、1B・3Bなどのモデル規模、Instruct版かどうか、ライセンス、コンテキスト長、配布物、実行環境から選ぶ方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/lm-studio-context-length-settings/https://local-gen.jp/guides/lm-studio-context-length-settings/LM Studioでコンテキスト長を変更するときに、モデル側の上限と実際に使う長さを分け、メモリ使用量を確認しながら必要な範囲まで増やす方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/lm-studio-jit-loading-auto-unload/https://local-gen.jp/guides/lm-studio-jit-loading-auto-unload/LM Studioで複数モデルを使うとき、必要時だけ読み込むJIT loadingと、使っていないモデルを解放する自動unloadを、読み込み待ちとVRAM・RAMの空き容量から選ぶ方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/lm-studio-lan-safe-access/https://local-gen.jp/guides/lm-studio-lan-safe-access/LM Studioを同じLANの別PCやタブレットから使うときに、待受先、API token、Windows Firewall、接続を許可するネットワークを確認し、必要な範囲だけへ公開する方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/lm-studio-llmster-headless/https://local-gen.jp/guides/lm-studio-llmster-headless/LM StudioをGUIなしで常用したいときに、llmsterとデスクトップ版のheadless運用を区別し、daemonの起動、モデル読み込み、停止、再起動、ログ確認まで進める方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/lm-studio-local-api-safe-start/https://local-gen.jp/guides/lm-studio-local-api-safe-start/LM StudioのAPIを自作アプリなどから使うときに、まずlocalhostだけでサーバーを起動し、モデル一覧と1回の応答を確認する手順を整理します。LAN公開やAPI tokenは必要になってから追加します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/lm-studio-model-search-quantization-choose/https://local-gen.jp/guides/lm-studio-model-search-quantization-choose/LM Studioの検索結果からモデルを選ぶときに、配布元、元モデル、ファイル形式、量子化、容量を確認し、ダウンロード前にモデルカードとライセンスへ戻る手順を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/lm-studio-pdf-document-offline-chat/https://local-gen.jp/guides/lm-studio-pdf-document-offline-chat/LM StudioへPDF・DOCX・TXTを追加して文書の内容へ質問する方法を、短い文書と長い文書の違い、RAG、オフライン利用、原文との照合まで含めて整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/lm-studio-runtime-update-switch/https://local-gen.jp/guides/lm-studio-runtime-update-switch/LM Studio本体と推論環境のバージョンを分けて記録し、同じモデル・コンテキスト・GPU設定を固定したまま推論環境を更新・切り替え、問題がないか比較する方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-ai-api-external-exposure-security/https://local-gen.jp/guides/local-ai-api-external-exposure-security/LM Studio・Ollama・llama.cppなどのAPIをLANや外部ネットワークから使う前に、待受先、認証、Firewall、ログ、計算資源へのアクセスを確認し、公開範囲を必要最小限にする考え方を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-ai-chat-history-storage/https://local-gen.jp/guides/local-ai-chat-history-storage/ローカルAIの会話履歴が、アプリの履歴画面、ローカルファイル、データベース、ログ、書き出したファイル、OSのバックアップへ残る可能性を分けて確認する方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-ai-first-app-lm-studio-ollama-comfyui/https://local-gen.jp/guides/local-ai-first-app-lm-studio-ollama-comfyui/ローカルAIを初めて使う人向けに、LM Studio・Ollama・ComfyUIを、GUIでLLMと会話したい、APIや自作プログラムから使いたい、画像・動画を生成したい、という目的から選ぶ方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-ai-model-size-b-moe-quantization/https://local-gen.jp/guides/local-ai-model-size-b-moe-quantization/ローカルAIのモデル名にある7B・27Bなどの規模、MoEの総パラメータ数と実際に使われる部分、Q4などの量子化を分けて読み、必要VRAMや速度を名前だけで決めないための見方を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-ai-model-ssd-separate-os/https://local-gen.jp/guides/local-ai-model-ssd-separate-os/ローカルAIのモデルやキャッシュをOS用SSDと分けるべきか、容量管理、OS再インストール時の扱いやすさ、重複保存、バックアップ、読み込み速度から判断する方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-ai-offline-network-check/https://local-gen.jp/guides/local-ai-offline-network-check/ローカルAIを完全オフラインで運用する前に、モデル取得、ライセンス確認、実行環境の更新、追加機能、推論中の通信を分け、必要なファイルと資料を事前にそろえる方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-ai-one-gpu-llm-image-video-choose/https://local-gen.jp/guides/local-ai-one-gpu-llm-image-video-choose/ローカルLLM・画像生成・動画生成を1枚のGPUで使うとき、用途ごとのVRAMを単純に足さず、同時に動かす処理、VRAM容量、対応状況、実測速度、予算から候補を絞る方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-ai-pc-budget-beginner/https://local-gen.jp/guides/local-ai-pc-budget-beginner/初めてローカルAI用PCを買う人向けに、LLM・RAG・画像生成・動画生成のどれを主用途にするかを決め、現在のPCで不足する部分を確認してから予算上限を作る方法を整理します。2026年8月24日に確認したBTO価格例も掲載します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-ai-pc-cpu-importance/https://local-gen.jp/guides/local-ai-pc-cpu-importance/ローカルAI用PCのCPUについて、LLMのCPU推論やオフロード、RAGの前処理、画像・動画の読み書きなどCPUが担当する処理を分け、自分の使い方でCPUへ追加予算を使うべきか判断する方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-ai-pc-spec-check-first/https://local-gen.jp/guides/local-ai-pc-spec-check-first/ローカルAIを始める前に、OS、GPUまたはチップ、GPUメモリの構成、システムRAM、ストレージの空き容量を確認する方法を整理します。先に自分のPCの現在地を記録し、その後で実行環境とモデルを選びます。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-ai-ram-64gb-vs-128gb-offload/https://local-gen.jp/guides/local-ai-ram-64gb-vs-128gb-offload/CPUオフロードを使うローカルAI用PCでRAM 64GBと128GBを選ぶときに、モデル本体、KV cache、一時領域、OS、同時に使うアプリを分け、実際の最大メモリ使用量から判断する方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-ai-runtime-telemetry-network-check/https://local-gen.jp/guides/local-ai-runtime-telemetry-network-check/ローカルAIをオフライン寄りに運用したいとき、推論、モデル検索・取得、実行環境の更新、アプリの更新確認、追加機能の通信を分け、公式資料と実際のネットワーク観測を照合する方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-ai-safety-data-flow/https://local-gen.jp/guides/local-ai-safety-data-flow/AIの推論がPC内で動いていても、モデル取得、Web検索、MCP、チャット履歴、ログ、バックアップ、LAN公開など別の経路でデータが移動する場合があります。どの情報がどこを通り、どこへ保存・送信されるかを確認する方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-ai-ssd-gen4-vs-gen5/https://local-gen.jp/guides/local-ai-ssd-gen4-vs-gen5/ローカルAI用SSDをPCIe Gen4とGen5から選ぶときに、モデル読み込み、大容量ファイルのコピー、キャッシュ、動画の中間ファイルなど、実際にSSDを待っている処理を確認し、価格・発熱・対応スロットまで含めて判断する方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-ai-ssd-model-cache-output-layout/https://local-gen.jp/guides/local-ai-ssd-model-cache-output-layout/LM Studio・Ollama・ComfyUIなどを使うとき、モデル、キャッシュ、設定・ワークフロー、生成物、バックアップを分け、再取得できるものと失いたくないものから保存先を決める方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-ai-storage-free-space-estimate/https://local-gen.jp/guides/local-ai-storage-free-space-estimate/ローカルAIを導入する前に、最初に使う1〜3個のモデル、アプリ・実行環境、キャッシュ、生成物を分けて必要なストレージを見積もり、ダウンロード先と作業用の余裕を決める方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-ai-total-cost-free-electricity-storage/https://local-gen.jp/guides/local-ai-total-cost-free-electricity-storage/無料で使えるソフトやモデルがあっても、ローカルAI全体の費用が0円になるとは限りません。PCやGPUの購入、電気代、ストレージ、モデル取得、更新やトラブル対応の時間を、自分の利用頻度から考える方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-ai-vram-usage-peak-measurement/https://local-gen.jp/guides/local-ai-vram-usage-peak-measurement/ローカルAIのVRAM使用量を比較するときに、待機時、モデル読み込み、入力処理、生成中を分け、現在値と最大値、PyTorchのallocatedとreservedを区別して記録する方法を整理します。モデル・実行環境・コンテキスト長など測定条件も一緒に残します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-ai-vs-cloud-what-can-you-do/https://local-gen.jp/guides/local-ai-vs-cloud-what-can-you-do/ローカルAIは自分のPCでAIを動かせる一方、モデル管理や必要なPC性能も自分で引き受けます。データの扱い、オフライン利用、費用、使えるモデル、管理の手間から、ローカルとクラウドをどう使い分けるか整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-llm-3b-4b-vs-7b-8b-choose/https://local-gen.jp/guides/local-llm-3b-4b-vs-7b-8b-choose/3B・4Bと7B・8Bはモデル規模の目安ですが、数字だけで品質・速度・必要メモリは決まりません。必要な機能、ライセンス、配布ファイル、実行環境を確認し、自分の同じ質問セットで小さいモデルから比較する方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-llm-api-curl-first-request/https://local-gen.jp/guides/local-llm-api-curl-first-request/LM Studio・Ollama・llama.cppなどのローカルAPIへcurlで最初のリクエストを送るときに、ベースURL、エンドポイント、モデルID、JSON、認証、ストリーミングを分けて確認する手順を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-llm-api-streaming-sse/https://local-gen.jp/guides/local-llm-api-streaming-sse/ローカルLLM APIのストリーミングを実装するときに、受信途中のデータ、画面表示用のバッファー、確定した回答、正常終了、エラー、通信切断、利用者によるキャンセルを分けて扱う方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-llm-blind-ab-comparison/https://local-gen.jp/guides/local-llm-blind-ab-comparison/ローカルLLMの回答をモデル名を隠してA/B比較する方法を解説します。プロンプトや生成条件、評価基準をそろえ、自分の用途でどちらの回答を選ぶかを公平に確かめます。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-llm-evaluate-own-prompt-set/https://local-gen.jp/guides/local-llm-evaluate-own-prompt-set/公開ベンチマークだけでモデルを決めず、普段使う作業を代表する質問、採点基準、実行条件を固定して候補を比較する方法を解説します。モデル名を隠す比較や記録方法も使い、後から同じ条件で再評価できる形にします。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-llm-structured-output-validation-pattern/https://local-gen.jp/guides/local-llm-structured-output-validation-pattern/LM StudioやOllamaの構造化出力を使うときに、JSON Schemaへの一致、JSON解析、値の妥当性、再試行を分けて確認する方法を整理します。形式が正しいだけで実行可能と判断せず、アプリ側で最後に検証します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-llm-tool-calling-evaluation/https://local-gen.jp/guides/local-llm-tool-calling-evaluation/ローカルLLMのツール呼び出しを、1回成功したかだけで判断せず、正しいツール選択、引数、不要な呼び出し、拒否、複数段階の処理に分けて評価する方法を整理します。外部サービスの成否とモデルの出力も分離します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-llm-tool-calling-validation/https://local-gen.jp/guides/local-llm-tool-calling-validation/モデルが返したツール名と引数をそのまま実行せず、JSON解析、引数の形式、許可されたツールか、利用者や作業に権限があるかを確認してから実行する方法を整理します。最初は副作用のないツールで安全に試します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-meeting-transcription-speaker-diarization/https://local-gen.jp/guides/local-meeting-transcription-speaker-diarization/会議録をローカルで作るときに、録音の許諾、文字起こし、話者分離、時刻情報による対応付け、人による確認を分けて進める方法を整理します。まず短い許諾済み音声で話者と時刻のずれを確認します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-ocr-japanese-pdf-before/https://local-gen.jp/guides/local-ocr-japanese-pdf-before/日本語PDFをローカルOCRするときに、文字情報を持つPDFかスキャン画像か、日本語の認識データ、縦書き、段組み、表、出力形式を分けて確認する方法を整理します。難しいページを含む代表例で原文と照合します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-rag-folder-update-sync/https://local-gen.jp/guides/local-rag-folder-update-sync/ローカルRAGを継続運用するときに、元文書のフォルダーを正本とし、追加、内容更新、名前変更、削除、索引の再作成、バックアップを分けて確認する方法を整理します。自動同期を前提にせず、一つずつ反映を確かめます。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-rag-vs-training-basics/https://local-gen.jp/guides/local-rag-vs-training-basics/ローカルRAGは、手元の文書から質問に関係する部分を検索し、その内容をLLMへ渡して回答を作る仕組みです。モデル自体を追加学習する方法との違いを、文書解析・分割・埋め込み・検索・回答生成の5段階から整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-video-generation-gpu-vram-choose/https://local-gen.jp/guides/local-video-generation-gpu-vram-choose/動画生成用GPUを選ぶときに、VRAM容量だけでなく、使う動画モデル、フレーム数、解像度、精度、CPUへのオフロード、実測値をそろえて候補を絞る方法を整理します。静止画用のVRAM目安をそのまま流用しません。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-video-subtitle-whisper-srt-vtt/https://local-gen.jp/guides/local-video-subtitle-whisper-srt-vtt/動画の音声をローカルで文字起こしし、時刻情報、字幕の区切り、改行、SRT・VTTへの書き出し、動画上でのずれ確認まで進める手順を整理します。文字起こし結果をそのまま完成字幕にはせず、実際の映像で読みやすさを確認します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-video-text-to-video-vs-image-to-video/https://local-gen.jp/guides/local-video-text-to-video-vs-image-to-video/テキストから動画を作るT2Vと、開始画像へ動きを付けるI2Vの違いを整理します。入力画像を用意するか、構図やキャラクターの初期状態をどこまで自分で決めたいか、必要なモデルや処理手順、PC条件から最初の方式を選びます。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-vision-llm-mmproj-choose/https://local-gen.jp/guides/local-vision-llm-mmproj-choose/ローカルで画像を扱うVision LLMを選ぶときに、モデル自体の画像対応、mmprojなどの補助ファイル、実行環境の対応、画像の入力方法、メモリ条件を分けて確認します。モデル名にVisionやVLと付いているだけで判断しません。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/local-whisper-speech-to-text-start/https://local-gen.jp/guides/local-whisper-speech-to-text-start/音声を外部サービスへ送らずに文字起こししたいとき、音声形式、Whisper系モデルと実行環境、言語、時刻情報、出力形式を確認し、短い音声から試す方法を整理します。出力は原音と照合し、固有名詞や数字を確認します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/long-context-local-llm-evaluation/https://local-gen.jp/guides/long-context-local-llm-evaluation/最大コンテキスト長の数字だけで長文性能を判断せず、文書の長さ、重要情報の位置、要約、離れた箇所の参照、入力の切り捨てを分けて評価する方法を整理します。自分が実際に使う文書で安定する長さを確認します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/macbook-pro-vs-mac-studio-local-ai/https://local-gen.jp/guides/macbook-pro-vs-mac-studio-local-ai/ローカルAI用のMacをMacBook ProとMac Studioから選ぶときに、持ち運びの必要性、ユニファイドメモリ、端子・ディスプレイ、設置場所、利用する実行環境を順番に確認します。チップ名だけで決めず、用途全体で比較します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/mcp-filesystem-folder-safety/https://local-gen.jp/guides/mcp-filesystem-folder-safety/MCPのファイル操作機能へホームフォルダー全体を渡さず、読み取り・書き込み・削除、許可する範囲、シンボリックリンク、秘密情報、ログを確認し、作業専用フォルダーだけへ権限を絞る方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/mcp-local-llm-tools-risk-basics/https://local-gen.jp/guides/mcp-local-llm-tools-risk-basics/MCPのホスト、クライアント、サーバー、ツールの関係を整理し、ローカルLLMへファイル操作や外部サービスを接続する前に確認したい権限の境界を解説します。最初は必要最小限の読み取り機能だけから試します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/articles/mistral-small-3-2-24b-model-profile/https://local-gen.jp/articles/mistral-small-3-2-24b-model-profile/Mistral-Small-3.2-24B-Instruct-2506について、対象リビジョン、Apache-2.0ライセンス、公式Safetensors配布、コンテキスト設定、画像入力やツール呼び出しに関する公式情報を整理し、ローカル候補へ入れるときの確認順をまとめます。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/model-file-safetensors-gguf-pickle-security/https://local-gen.jp/guides/model-file-safetensors-gguf-pickle-security/safetensors、GGUF、pickleの違いを、ファイル形式自体の性質と、それを読み込むソフト・追加コード・拡張機能・配布元のリスクに分けて整理します。形式名だけで安全と決めず、配布元、リビジョン、チェックサム、読み込み経路まで確認します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/nvidia-studio-vs-game-ready-local-ai/https://local-gen.jp/guides/nvidia-studio-vs-game-ready-local-ai/NVIDIAのStudio DriverとGame Ready Driverの違いを、更新の目的、最新ゲームへの対応、クリエイティブ用途、利用するAIソフトの既知問題から整理します。ドライバー名だけでローカルAIの速度差を決めず、対応状況を確認して選びます。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/ocr-vs-vision-llm-image-text/https://local-gen.jp/guides/ocr-vs-vision-llm-image-text/画像から文字を正確に取り出したいのか、画像の内容や関係を理解して質問したいのかで、OCR・Vision LLM・併用を選ぶ方法を整理します。文字の一致と画像理解を同じ評価にせず、代表画像で別々に確認します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/ollama-api-localhost-start/https://local-gen.jp/guides/ollama-api-localhost-start/OllamaのローカルAPIをlocalhostで使うときに、サーバーの起動、モデル、エンドポイント、送信内容、ストリーミングを順番に確認し、最初のリクエストを一つ成功させる手順を整理します。LAN公開は別の安全性判断として扱います。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/ollama-context-length-num-ctx/https://local-gen.jp/guides/ollama-context-length-num-ctx/Ollamaのコンテキスト長を変更するときに、モデルの上限、現在割り当てられている長さ、サーバー全体の設定、個別リクエストの`num_ctx`を分けて確認します。変更後は`ollama ps`で現在値とCPU・GPUへの配置を確認します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/ollama-embeddings-rag-first-step/https://local-gen.jp/guides/ollama-embeddings-rag-first-step/Ollamaの埋め込み機能で文章を数値ベクトルへ変換し、RAGを組む前に最小構成で動作を確認する方法を整理します。通常の文章生成との違い、`/api/embed`、同じ埋め込みモデルを使う理由、小さな類似検索まで順番に試します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/ollama-model-tag-quantization-meaning/https://local-gen.jp/guides/ollama-model-tag-quantization-meaning/Ollamaの`model:tag`を選ぶときに、名前やタグだけで量子化・モデル規模・ライセンスまで推測せず、配布ページと取得後の情報を照合する方法を整理します。`digest`は取得物の識別に使い、品質の目安とは分けて考えます。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/ollama-modelfile-parameter-guide/https://local-gen.jp/guides/ollama-modelfile-parameter-guide/Ollama Modelfileの`PARAMETER`について、temperatureなどの生成設定、`num_ctx`、`stop`、出力量の上限を役割ごとに整理します。複数項目を一度に変えず、同じモデルと入力で一つずつ比較します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/ollama-structured-outputs-json-schema/https://local-gen.jp/guides/ollama-structured-outputs-json-schema/Ollamaの構造化出力でJSON Schemaを指定し、決めた形のJSONを返させる手順を整理します。返答がJSON Schemaに合っているかをアプリ側でも検証し、値そのものが事実として正しいかは別に確認します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/ollama-tool-calling-minimal/https://local-gen.jp/guides/ollama-tool-calling-minimal/Ollamaのツール呼び出しを、ツール定義、モデルが返す呼び出し内容、引数の検証、外部処理の実行に分けて試す方法を整理します。最初は読み取りだけの処理を使い、モデルが返した引数をそのまま実行しません。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/ollama-vision-image-input/https://local-gen.jp/guides/ollama-vision-image-input/Ollamaで画像入力へ対応したモデルを選び、CLIやAPIから1枚の画像と質問を渡す手順を整理します。通常の文章モデルや画像生成とは役割を分け、同じ画像と質問を保存して再現できる状態から始めます。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/open-webui-backup-restore-docker-volume/https://local-gen.jp/guides/open-webui-backup-restore-docker-volume/Dockerで動かすOpen WebUIをバックアップするときに、コンテナ本体と保持したいデータを分け、ボリュームやバインドマウントの保存先を確認する方法を整理します。復元は別環境で試し、ログイン・過去のチャット・文書検索まで確認します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/open-webui-llama-server-connect/https://local-gen.jp/guides/open-webui-llama-server-connect/起動済みのllama-serverをOpen WebUIへつなぐときに、接続URL、モデルID、ネットワーク上の位置、コンテキスト設定を順番に確認します。最後にOpen WebUIから短いチャットを送り、llama-server側のログと対応付けます。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/open-webui-lm-studio-openai-compatible-connect/https://local-gen.jp/guides/open-webui-lm-studio-openai-compatible-connect/Open WebUIからLM Studioのローカルモデルを使うときに、LM Studio側のサーバー、接続先URL、認証、モデル一覧、ネットワーク上の位置を順番に確認します。まずLM Studio単体で応答を確認し、その後Open WebUIを追加します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/open-webui-model-preset-system-prompt-parameters/https://local-gen.jp/guides/open-webui-model-preset-system-prompt-parameters/Open WebUIで用途別のモデルプリセットを作るときに、元のモデル、システムプロンプト、生成パラメータ、文書データ、ツールを分けて管理する方法を整理します。同じ入力で元モデルと比較し、どの設定が差を生んだか確認します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/open-webui-ollama-context-too-short-fix/https://local-gen.jp/guides/open-webui-ollama-context-too-short-fix/Open WebUIからOllamaを使ったときに長い会話や文書の前半を参照できない場合、Ollama側のコンテキスト設定とOpen WebUI側の`num_ctx`を分けて確認します。最大値へ一気に増やさず、同じ入力で必要な長さだけ段階的に試します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/open-webui-ollama-docker-start/https://local-gen.jp/guides/open-webui-ollama-docker-start/すでに動いているOllamaへ、Docker版Open WebUIを追加する手順を整理します。Open WebUIのデータをボリュームへ保存し、DockerコンテナからホストPCのOllamaへ接続し、ブラウザーでモデル選択・チャット・再起動後のデータ保持まで確認します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/open-webui-pdf-rag-first-document/https://local-gen.jp/guides/open-webui-pdf-rag-first-document/Open WebUIへPDFや文書を追加してRAGを試すときに、文書の追加、関連箇所の検索、参照元、モデルへ渡る内容を分けて確認します。最初は答えが原文に明記された質問を使い、回答と参照箇所を自分で照合します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/open-webui-user-admin-permissions/https://local-gen.jp/guides/open-webui-user-admin-permissions/Open WebUIを複数人で使う前に、Admin・User・Pendingの違い、新規登録後の役割、グループ権限、共有範囲を確認します。最初から全員を管理者にせず、テスト用ユーザーで実際に見えるチャット・モデル・文書などを確認します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/openai-compatible-api-local-llm-differences/https://local-gen.jp/guides/openai-compatible-api-local-llm-differences/OpenAI互換APIは、同じクライアントやリクエスト形式を再利用しやすくする仕組みですが、全機能が同一という意味ではありません。LM Studio・Ollama・llama.cppについて、接続先URL、モデルID、対応API、ツール呼び出し、埋め込みなどの差を確認します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/python-local-openai-compatible-api-minimal/https://local-gen.jp/guides/python-local-openai-compatible-api-minimal/PythonからLM StudioなどのローカルOpenAI互換APIへ接続し、接続先URL、モデルID、APIキー、タイムアウトを明示して最初の1リクエストを送る手順を整理します。成功後にPython・ライブラリ・接続先のバージョンを保存します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/articles/qwen-image-edit-model-profile/https://local-gen.jp/articles/qwen-image-edit-model-profile/Qwen-Image-Editがどんな画像編集モデルなのか、Qwen-Imageとの関係、公式の編集機能、ライセンス、配布形式、ローカルで試すときに確認したいメモリ条件を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/articles/qwen-image-model-profile/https://local-gen.jp/articles/qwen-image-model-profile/Qwen-Imageの20Bクラスという規模、Apache 2.0、公式配布形式、画像内の文字描画に関する公式説明を整理し、日本語文字生成や必要VRAMを実際にどう確認するか解説します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/articles/qwen3-embedding-0-6b-model-profile/https://local-gen.jp/articles/qwen3-embedding-0-6b-model-profile/Qwen3-Embedding-0.6Bの役割、公式配布、ライセンス、多言語対応に関する公式説明を整理し、生成LLMやリランカーと混同せず、日本語RAGの候補としてどう評価するか解説します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/rag-chunk-size-overlap-choose/https://local-gen.jp/guides/rag-chunk-size-overlap-choose/RAGのチャンクサイズと重複幅を、文書構造、質問の細かさ、埋め込みモデルの入力条件、生成モデルへ渡せる文脈量から決める方法を整理します。万能な固定値ではなく、同じ質問で2〜3設定を比較します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/rag-citation-claim-verification/https://local-gen.jp/guides/rag-citation-claim-verification/RAGの回答に文書名や引用元が表示されても、それだけで正答とは限りません。検索された原文、表示された出典、回答中の主張を分け、出典が本当にその主張を支えているか確認する方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/rag-pdf-table-extraction-check/https://local-gen.jp/guides/rag-pdf-table-extraction-check/表が多いPDFをローカルRAGへ入れる前に、抽出された文字、行と列の対応、文書分割、ページ・表の参照情報を代表的な表で確認し、後から原表へ戻れる形式を選ぶ方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/rag-reranker-before-add/https://local-gen.jp/guides/rag-reranker-before-add/RAGへリランカーを追加する前に、現在の検索でどんな質問が失敗しているか、正解の文書片が候補に入っているか、追加の処理時間やモデル管理に見合う改善があるかを同じ質問で比較する方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/ryzen-ai-max-mini-pc-local-ai-buy/https://local-gen.jp/guides/ryzen-ai-max-mini-pc-local-ai-buy/Ryzen AI Max+ PRO 395搭載ミニPCを、大容量のLPDDR5xメモリとRadeon 8060Sの共有メモリ構成、実行環境への対応、小型筐体、拡張性、完成機としての価格から判断するポイントを整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/scanned-pdf-local-rag-ocr-before/https://local-gen.jp/guides/scanned-pdf-local-rag-ocr-before/スキャンPDFをRAGへ入れる前に、文字情報の有無、OCRの言語設定、縦書きや表などの文書構造、ページ参照を確認し、検索できる文字を作ってから抽出品質を点検する手順を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/sdxl-base-vs-refiner/https://local-gen.jp/guides/sdxl-base-vs-refiner/SDXL Baseだけで生成する場合と、後半の処理へRefinerを加える二段構成の違いを整理します。同じプロンプトと生成条件で比べ、追加モデルの読み込み・メモリ・生成時間に見合う変化があるか判断します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/stable-diffusion-3-5-large-vs-medium/https://local-gen.jp/guides/stable-diffusion-3-5-large-vs-medium/Stable Diffusion 3.5 LargeとMediumを選ぶときに、公式のモデル情報、ライセンス、実行方法、必要な構成要素、手元のPCで読み込める条件を確認し、モデル規模だけに頼らず比較する方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/stable-diffusion-sdxl-flux-qwen-image-choose/https://local-gen.jp/guides/stable-diffusion-sdxl-flux-qwen-image-choose/画像生成モデルを総合画質だけで比べず、作りたいもの、使いたいワークフロー、ライセンス、配布形式、手元のPC条件から候補を絞る方法を整理します。Stable Diffusion系、SDXL、FLUX、Qwen-Imageの入口を公式情報の範囲で比較します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/tokens-per-second-ttft-latency-differences/https://local-gen.jp/guides/tokens-per-second-ttft-latency-differences/ローカルLLMの速度を見るときに、入力処理、最初のトークンが出るまでの時間、生成中のtokens/s、リクエスト全体の所要時間を分け、用途に合う指標を同じ条件で比較する方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/typescript-local-llm-api-client/https://local-gen.jp/guides/typescript-local-llm-api-client/TypeScriptからローカルLLMのOpenAI互換APIへ接続するときに、ベースURL、リクエスト、ストリーミング、AbortControllerによる中止、レスポンス検証を最小構成で確認する方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/used-rtx-3090-image-video-ai-buying/https://local-gen.jp/guides/used-rtx-3090-image-video-ai-buying/中古RTX 3090を画像・動画生成用に検討するとき、24GBのVRAMだけで決めず、個体の状態、電源、冷却、カードサイズ、保証、同じ予算で買える新品まで確認する方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/vision-llm-vs-image-generation-ai/https://local-gen.jp/guides/vision-llm-vs-image-generation-ai/Vision LLMは画像を入力して説明や質問回答を返すAI、画像生成AIは文章や画像を条件に新しい画像を作るAIです。入力と出力の違いから、画像理解・OCR・画像生成のどれを選ぶか整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/wan22-14b-vs-5b-choose/https://local-gen.jp/guides/wan22-14b-vs-5b-choose/Wan 2.2の5B TI2VとA14B系を、パラメータ数の大小だけで比べず、文章から動画・画像から動画といった用途、必要ファイル、公式ワークフロー、実行時のVRAMと生成時間から選ぶ方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/windows-gpu-vram-ram-check/https://local-gen.jp/guides/windows-gpu-vram-ram-check/Windowsのタスクマネージャーと設定画面で、GPU名、専用GPUメモリ、共有GPUメモリ、搭載RAM、ストレージの空き容量を混同せず確認する方法を整理します。ローカルAIのモデルや実行環境を選ぶ前の確認に使えます。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/windows-ml-directml-cuda-differences/https://local-gen.jp/guides/windows-ml-directml-cuda-differences/Windows ML、DirectML、CUDAを同じ種類のGPU機能として比べず、Windows上のモデル実行基盤、DirectX 12上の機械学習API、NVIDIA GPU向けの計算基盤という役割に分けて整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/wsl2-vs-windows-native-local-ai/https://local-gen.jp/guides/wsl2-vs-windows-native-local-ai/WindowsでローカルAIを動かすとき、LinuxやDocker中心ならWSL2、Windowsアプリ中心ならWindowsネイティブを候補にし、GPU対応、ファイル配置、ポート、更新やデバッグのしやすさまで含めて選ぶ方法を整理します。Tue, 25 Aug 2026 03:09:20 GMThttps://local-gen.jp/guides/bto-vs-diy-local-ai-pc/https://local-gen.jp/guides/bto-vs-diy-local-ai-pc/初めての1台や故障対応に時間をかけたくないならBTO、電源やケースまで細かく選びたいなら自作が向く。ローカルAI用PCでは、購入価格だけでなく保証・拡張性・トラブル対応の手間まで差が出る。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/articles/deepseek-r1-distill-qwen-14b-model-profile/https://local-gen.jp/articles/deepseek-r1-distill-qwen-14b-model-profile/DeepSeek-R1-Distill-Qwen-14BはQwen2.5-14Bをベースに、DeepSeek-R1が生成したサンプルで追加学習された14Bモデル。131,072トークンの設定上限を持つが、R1本体と同じ性能や必要VRAMを意味するものではない。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/articles/devstral-small-2-24b-instruct-model-profile/https://local-gen.jp/articles/devstral-small-2-24b-instruct-model-profile/Devstral Small 2 24B InstructはMistral AIの24B・FP8モデルで、コーディングやツール利用、画像入力を想定している。モデルカードの256Kと設定ファイルの393,216が一致しないため、長いコンテキストは実行環境とリビジョンを確認して使いたい。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/articles/gemma-4-12b-it-model-profile/https://local-gen.jp/articles/gemma-4-12b-it-model-profile/Gemma 4 12B ITは11.95B規模、最大262,144トークンのコンテキストを持つGoogleの指示調整モデル。テキスト・画像・音声・動画入力に対応する一方、ローカルで使える入力形式や必要メモリは実行環境ごとに確認が必要になる。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/gguf-load-unsupported-troubleshooting/https://local-gen.jp/guides/gguf-load-unsupported-troubleshooting/GGUFの読み込みエラーはVRAM不足とは限らない。ファイル破損・分割不足、モデルアーキテクチャ、ランタイムのバージョン、チャットテンプレート、mmprojなどを順番に切り分ける。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/gguf-q4-q5-q6-q8-choose/https://local-gen.jp/guides/gguf-q4-q5-q6-q8-choose/GGUFのQ4・Q5・Q6・Q8は、数字が大きいほど単純に優秀という関係ではない。まず実ファイル容量とメモリ条件を満たす候補を絞り、その中で量子化方式や作成条件まで見て選ぶ。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/articles/gpt-oss-20b-model-profile/https://local-gen.jp/articles/gpt-oss-20b-model-profile/gpt-oss-20bは総20.91B・有効3.61Bパラメータ、131,072トークンのコンテキストを持つOpenAIのオープンウェイトMoEモデル。MXFP4のチェックポイントは12.8GiBで、OpenAIは16GBメモリのシステムでも動かせると案内している。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/gpu-cpu-offload-local-llm/https://local-gen.jp/guides/gpu-cpu-offload-local-llm/ローカルLLMがVRAMに収まらない場合は、コンテキスト削減、量子化変更、モデル縮小を確認したうえでpartial offloadを検討できる。オフロードはCPUとRAMを使って起動条件を広げる方法で、GPU内に全量を置く場合と同じ速度を保証するものではない。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/gpu-upgrade-vs-new-pc-local-ai/https://local-gen.jp/guides/gpu-upgrade-vs-new-pc-local-ai/今のPCで電源・ケース・RAMなどをそのまま使えるなら、GPU交換は有力な選択肢。追加交換が増えて費用や手間が大きくなるなら、PC全体の買い替えと総額で比べたい。現状で困っていなければ何も買わない選択も残る。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/kv-cache-context-vram/https://local-gen.jp/guides/kv-cache-context-vram/LLMはモデル本体とは別に、過去トークンのKey/Valueを再利用するKVキャッシュへ実行時メモリを使う。コンテキストを長くするほどキャッシュも増えるため、最大コンテキストと実際に使う長さは分けて考えたい。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/articles/lfm2-5-2-6b-model-profile/https://local-gen.jp/articles/lfm2-5-2-6b-model-profile/LFM2.5-2.6BはLiquid AIの追加学習済み小型モデルで、モデルカード上の総パラメータ数は2.69B、最大コンテキストは131,072トークン。GGUF・ONNX・MLXを含む公式配布経路があり、日本語も対応言語として記載されている。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/llama-cpp-windows-nvidia-cuda-gguf/https://local-gen.jp/guides/llama-cpp-windows-nvidia-cuda-gguf/Windows + NVIDIAでllama.cppを使うなら、まず公式配布バイナリを確認し、必要な場合だけGGML_CUDA=ONでsource buildする。GGUFの読み込みとCUDAデバイス認識、GPU配置は別々に確認する。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/llm-context-32k-128k-256k-1m/https://local-gen.jp/guides/llm-context-32k-128k-256k-1m/コンテキストは長いほど良いわけではない。32K・128K・256K・1Mは、モデルの通常対応、条件付き拡張、ランタイムの初期値を分け、実際の入力・会話履歴・出力に必要な長さから選ぶ。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/llm-file-size-vram-ram-runtime-memory/https://local-gen.jp/guides/llm-file-size-vram-ram-runtime-memory/モデルファイルのGB表示は保存容量であり、そのまま必要VRAMを示すものではない。VRAM、RAM、KVキャッシュなどを含む実行時メモリを分け、量子化・ランタイム・コンテキスト・オフロード条件からPC適合性を判断する。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/lm-studio-gpu-not-used-troubleshoot/https://local-gen.jp/guides/lm-studio-gpu-not-used-troubleshoot/LM StudioでGPU使用率が低い、CPUだけで動いているように見える場合は、まずGPU offloadと現在の配置を確認する。次にGPU選択・バックエンド・VRAM・コンテキスト・モデル対応を順番に切り分ける。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/lm-studio-hugging-face-gguf-import/https://local-gen.jp/guides/lm-studio-hugging-face-gguf-import/Hugging FaceのGGUFは、LM Studioのモデル検索・URL指定から取得する方法と、手元のGGUFをローカル登録する方法がある。配布元・元モデル・量子化を確認し、読み込み後にコンテキストとGPU設定を確認する。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/lm-studio-windows-install-first-model/https://local-gen.jp/guides/lm-studio-windows-install-first-model/Windows版LM Studioを公式サイトから導入し、モデルを1つダウンロードして読み込み、短い返答を得るまでの最短手順。GPU offloadやコンテキスト調整は初回起動後に行う。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/local-ai-bto-pc-buying-guide/https://local-gen.jp/guides/local-ai-bto-pc-buying-guide/ローカルAI用BTO PCは、CPUのグレードより先に用途とGPU/VRAMを決める。次にRAMとSSD、電源・冷却、保証を見れば、必要な構成と削れる部分を判断しやすい。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/local-ai-gpu-buy-now-or-wait-2026/https://local-gen.jp/guides/local-ai-gpu-buy-now-or-wait-2026/使いたいGPUが用途と予算を満たし、必要な時期が決まっているなら購入を検討しやすい。今のPCで困っていないなら、値下がりを当てにするのではなく再評価日と買う条件を決めて待つ。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/local-ai-pc-budget-allocation/https://local-gen.jp/guides/local-ai-pc-budget-allocation/ローカルAI PCは「予算の何％をGPUへ」という固定比率では決めにくい。使うモデルと実行条件を満たすGPU/VRAMを確保し、RAM・SSD・電源・冷却の不足を埋めてから、余る予算の使い道を考える。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/local-ai-ssd-1tb-2tb-4tb/https://local-gen.jp/guides/local-ai-ssd-1tb-2tb-4tb/常用モデルを少数に絞るなら1TB、複数のLLMや画像生成モデルを手元に置くなら2TB、動画モデルや生成物まで大量に保存するなら4TBが候補。実際のファイル容量と増設しやすさから決めたい。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/local-llm-openai-api-lm-studio-ollama-llama-cpp/https://local-gen.jp/guides/local-llm-openai-api-lm-studio-ollama-llama-cpp/LM Studio・Ollama・llama.cpp serverはいずれもOpenAI互換APIを提供するが、対応エンドポイントや状態保持、ツール機能は同一ではない。アプリが必要とするAPI契約から接続先を選ぶ。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/local-llm-out-of-memory-fix/https://local-gen.jp/guides/local-llm-out-of-memory-fix/ローカルLLMのOOMはVRAM容量だけでは決まらない。まずコンテキストとKVキャッシュを見直し、次に量子化・モデルサイズ、GPU/CPUオフロードを確認し、それでも不足するときにハードウェアを検討する。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/local-llm-ram-32gb-64gb-128gb/https://local-gen.jp/guides/local-llm-ram-32gb-64gb-128gb/モデルの大部分をGPUへ載せ、同時作業も軽いなら32GBから検討できる。CPUオフロードや長いコンテキスト、開発環境の併用が増えるなら64GB、RAMを大量に使う具体的な用途や増設できない構成では128GBが候補になる。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/local-multimodal-llm-mmproj-runtime-check/https://local-gen.jp/guides/local-multimodal-llm-mmproj-runtime-check/マルチモーダルLLMはモデル本体だけでは画像・音声・動画を使えない場合がある。使いたい入力形式を決め、対応モデル、projector/mmproj、テンプレート、ランタイムの対応をそろえて確認する。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/m5-max-128gb-vs-rtx-5090-local-llm/https://local-gen.jp/guides/m5-max-128gb-vs-rtx-5090-local-llm/大きなモデルを持ち運んで使いたいなら最大128GBのユニファイドメモリを選べるM5 Max MacBook Pro、CUDA対応やGPU交換・増設を重視するならRTX 5090デスクトップが候補になる。メモリ容量だけでなく実行環境と使い方で選びたい。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/mac-studio-m3-ultra-vs-nvidia-high-vram-pc/https://local-gen.jp/guides/mac-studio-m3-ultra-vs-nvidia-high-vram-pc/32GBを大きく超えるメモリが必要でMetal対応の実行環境を使えるなら、最大512GBのユニファイドメモリを選べるMac Studio M3 Ultraが候補になる。CUDAやGPU交換を重視するならRTX 5090、RTX PRO、複数GPU構成を比較したい。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/moe-total-active-parameters-local-llm/https://local-gen.jp/guides/moe-total-active-parameters-local-llm/35B-A3Bや80B-A3BのA3Bは3Bモデルや3GB VRAMを意味しない。総パラメータ数、有効パラメータ数、配布ファイル容量、実行時メモリを分けてMoEモデルの仕様を読む。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/mtp-speculative-decoding-local-llm/https://local-gen.jp/guides/mtp-speculative-decoding-local-llm/投機的デコードは候補トークンを先に作り、対象モデルが検証して採用する仕組み。MTP、draft model、EAGLE、ngramなど方式は異なり、対応表記だけで一定の高速化を保証するものではない。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/articles/nemotron-3-5-lightning-30b-a3b-nvfp4-model-profile/https://local-gen.jp/articles/nemotron-3-5-lightning-30b-a3b-nvfp4-model-profile/Nemotron 3.5 Lightning 30B-A3Bは総30B・有効3BのMoEで、最大1,048,576トークンとNVFP4配布物を持つNVIDIAモデル。一般向けGeForceでの実行は、NVFP4対応ランタイムと公開された構成例を確認してから判断したい。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/nvidia-vs-amd-local-llm-gpu-2026/https://local-gen.jp/guides/nvidia-vs-amd-local-llm-gpu-2026/ローカルLLM用GPUはVRAMや価格だけでなく、Windows/LinuxとCUDA・ROCm・Vulkan、使うアプリの対応で選ぶ。AMDの利用経路を明確に確認できるなら候補になり、CUDA前提のアプリや複数環境を手早く使いたいならNVIDIAを選びやすい。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/ollama-gpu-not-used-cpu-troubleshoot/https://local-gen.jp/guides/ollama-gpu-not-used-cpu-troubleshoot/OllamaでCPU実行になっているように見える場合は、まず`ollama ps`のPROCESSORとログを確認する。次にOS・GPUの対応表、ドライバーとバックエンド、VRAM・コンテキスト、モデル条件を順に切り分ける。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/ollama-import-gguf-modelfile/https://local-gen.jp/guides/ollama-import-gguf-modelfile/手元のGGUFをOllamaで使うなら、最小ModelfileのFROMにファイルを指定して`ollama create`で登録する。登録後は起動、チャットテンプレート、コンテキスト、GPU/CPU配置を別々に確認する。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/ollama-windows-install-first-model/https://local-gen.jp/guides/ollama-windows-install-first-model/Windows版Ollamaを公式インストーラーから導入し、公式library modelを1つ起動して応答を確認するまでの手順。`ollama ps`でGPU/CPU配置とコンテキストを確認してから、GGUF importやAPI連携へ進む。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/articles/qwen3-6-27b-fable-fusion-uncensored-model-profile/https://local-gen.jp/articles/qwen3-6-27b-fable-fusion-uncensored-model-profile/Qwen3.6-27B Fable Fusion 711はDavidAUが公開する27Bのコミュニティ派生GGUF。mmprojやMTP関連ファイルも含む一方、「uncensored」「heretic」や拒否・品質・速度に関する表現は作者側の主張で、実際の挙動は別に評価する必要がある。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/articles/qwen3-6-35b-a3b-hauhaucs-uncensored-model-profile/https://local-gen.jp/articles/qwen3-6-35b-a3b-hauhaucs-uncensored-model-profile/HauhauCS版Qwen3.6-35B-A3Bは、公式Qwen3.6-35B-A3Bをベースにしたコミュニティ派生モデル。GGUFとmmprojが配布される一方、「uncensored」「Aggressive」や465件中拒否0という結果は作者側の報告で、実際の挙動は別に確認する必要がある。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/articles/qwen3-6-35b-a3b-model-profile/https://local-gen.jp/articles/qwen3-6-35b-a3b-model-profile/Qwen3.6-35B-A3Bは総35B・有効3Bパラメータの公式MoEモデル。通常262,144トークン、YaRN条件付きで約101万トークンに対応し、GGUFではQ4_K_M 20.4GBなどが公開されているが、配布容量と必要VRAMは別に考える必要がある。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/articles/qwen3-8-27b-model-profile/https://local-gen.jp/articles/qwen3-8-27b-model-profile/Qwen3.8-27BはQwen公式の27B Denseモデルで、通常262,144トークン、YaRN条件付きで100万トークンのコンテキストに対応。公式配布は約55.6GBだが、配布容量と実行時の必要VRAMは別に考える必要がある。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/articles/qwen3-8-4b-distilled-gguf-model-profile/https://local-gen.jp/articles/qwen3-8-4b-distilled-gguf-model-profile/Qwen3.8 4B Distilled GGUFはMa7ee7が公開するコミュニティモデル。作者はqwen3.8-max-previewを教師、Qwen3-4B-Thinking-2507を学習先として記載し、Q4_K_M・Q5_K_M・Q8_0を配布しているが、公式Qwen3.8 4Bや教師モデルと同等とは扱えない。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/articles/qwen3-coder-next-model-profile/https://local-gen.jp/articles/qwen3-coder-next-model-profile/Qwen3-Coder-Nextは総80B・有効3Bパラメータ、262,144トークンのコンテキストを持つ公式コーディング向けMoEモデル。Q4_K_M 48.4GBなどの公式GGUFがあるが、配布容量や有効3Bから必要VRAMや実際の開発性能を決めることはできない。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/rtx-5060-ti-16gb-vs-used-rtx-3090/https://local-gen.jp/guides/rtx-5060-ti-16gb-vs-used-rtx-3090/必要VRAMが16GB以内なら、新品で選びやすく消費電力も低いRTX 5060 Ti 16GBが有力。16GBを超える具体的な用途があるなら、中古RTX 3090の24GBに価値が出る。中古は個体状態・保証・電源やケースまで含めた総額で判断したい。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/rtx-5080-5070-ti-5060-ti-16gb-local-ai/https://local-gen.jp/guides/rtx-5080-5070-ti-5060-ti-16gb-local-ai/RTX 5080、RTX 5070 Ti、RTX 5060 Ti 16GBはいずれもVRAM 16GB。ローカルLLMの容量上限は共通なので、上位GPUへ払う価値は電力、PC全体の価格、画像生成など他の用途で判断したい。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/rtx-5090-4090-psu-local-ai/https://local-gen.jp/guides/rtx-5090-4090-psu-local-ai/NVIDIAの仕様表ではRTX 5090は575W・必要システム電力1000W、RTX 4090は450W・850Wが基準。実際の電源はGPUの正確な型番、CPU、対応ケーブル、ケースと冷却まで合わせて選ぶ。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/rtx-5090-vs-rtx-4090-local-llm/https://local-gen.jp/guides/rtx-5090-vs-rtx-4090-local-llm/24GBを超えるVRAMが必要なら32GBのRTX 5090が有力。24GBで足りるならRTX 4090も候補に残るが、2026年8月時点では実際に買える価格と保証を確認し、電源・ケースまで含めた総額で比べたい。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/rtx-5090-vs-rtx-pro-6000-blackwell-local-llm/https://local-gen.jp/guides/rtx-5090-vs-rtx-pro-6000-blackwell-local-llm/32GBで必要な処理が収まるならRTX 5090が比較の基準。32GBでは実際に不足し、96GBを1枚のGPUで確保する必要がある場合にRTX PRO 6000 Blackwell Workstation Editionの見積もり・保証・運用条件を検討する。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/rx-9070-xt-local-llm-buying-guide/https://local-gen.jp/guides/rx-9070-xt-local-llm-buying-guide/RX 9070 XTは16GBを搭載するが、ローカルAI用途ではVRAMだけでなくOSと実行環境の対応が購入条件になる。LinuxではROCm/Ollamaの対応を確認できる一方、WindowsはROCm全体対応と個別コンポーネント対応を分けて見る必要がある。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/ryzen-ai-max-395-128gb-vs-nvidia-local-llm/https://local-gen.jp/guides/ryzen-ai-max-395-128gb-vs-nvidia-local-llm/32GBを超えるモデルを小型x86 PCで扱いたいなら、最大128GBの共有メモリを持つRyzen AI Max+ 395搭載機が候補になる。CUDA対応やGPU交換を重視するならNVIDIAデスクトップが選びやすく、96GB VGMは対応するOS・ドライバー・実行環境を確認して使う。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/single-high-vram-vs-multi-gpu-local-llm/https://local-gen.jp/guides/single-high-vram-vs-multi-gpu-local-llm/1枚のGPUで必要なモデルとコンテキストが収まるなら、構成が単純なシングルGPUが基本。1枚では足りない場合に、llama.cppなどの分割対応、電源・ケース・PCIe構成、追加費用まで確認して複数GPUを検討する。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/used-gpu-local-ai-buying-checklist/https://local-gen.jp/guides/used-gpu-local-ai-buying-checklist/中古GPUはVRAMと価格だけで選ばない。正確な型番、電源・ケースへの適合、個体状態、販売店の動作確認、保証・返品条件、追加部品を含む総額までそろった個体だけを候補にする。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/used-rtx-3090-local-llm-2026/https://local-gen.jp/guides/used-rtx-3090-local-llm-2026/RTX 3090の24GBを実際に使う用途があり、電源・ケース・個体状態・保証まで確認できるなら中古でも候補になる。16GBで足りる、追加交換が大きい、保証が弱い場合は24GBだけを理由に選ばない方がよい。Fri, 21 Aug 2026 17:59:51 GMThttps://local-gen.jp/guides/gemma-3-4b-it-specs/https://local-gen.jp/guides/gemma-3-4b-it-specs/Gemma 3 4B ITはGoogle DeepMindの指示調整済み4Bモデルで、最大131,072トークンのコンテキストと画像入力に対応する。公式配布のsafetensorsとGemmaライセンスは確認できるが、必要VRAMや量子化別性能は別に確認が必要になる。Fri, 21 Aug 2026 05:24:00 GMThttps://local-gen.jp/guides/gguf-compatibility-lm-studio-ollama-llama-cpp/https://local-gen.jp/guides/gguf-compatibility-lm-studio-ollama-llama-cpp/GGUF対応でも使い方は同じではない。llama.cppはnative、LM Studioはruntime、OllamaはModelfile経由のimportとして扱い、さらに個別モデルのアーキテクチャ対応を確認する必要がある。Fri, 21 Aug 2026 05:24:00 GMThttps://local-gen.jp/guides/lm-studio-ollama-llama-cpp-compare/https://local-gen.jp/guides/lm-studio-ollama-llama-cpp-compare/LM StudioはGUI中心のデスクトップアプリ、Ollamaはモデル管理と実行、llama.cppはGGUFを直接扱う実行環境として性格が異なる。OS、GGUFの扱い、操作方法、実行制御から用途に合うものを選ぶ。Fri, 21 Aug 2026 05:24:00 GMThttps://local-gen.jp/guides/local-ai-gpu-vram-16gb-24gb-32gb/https://local-gen.jp/guides/local-ai-gpu-vram-16gb-24gb-32gb/16GB・24GB・32GBの差は、単純な速度順位ではなくGPUへ置けるモデルや処理の余裕に表れる。LLM・画像・動画生成で必要な容量と、CPUオフロードをどこまで許容するかを決めてからGPUを選びたい。Fri, 21 Aug 2026 05:24:00 GMThttps://local-gen.jp/guides/phi-4-mini-instruct-specs/https://local-gen.jp/guides/phi-4-mini-instruct-specs/Phi-4-mini-instructはMicrosoftの3.8Bモデルで、最大131,072トークン、Phi3ForCausalLM、safetensors、MITライセンスを確認できる。対応言語は「24 languages」という説明と23言語の列挙が一致しておらず、完全な一覧は未確定。Fri, 21 Aug 2026 05:24:00 GMThttps://local-gen.jp/guides/qwen2-5-7b-instruct-context-yarn/https://local-gen.jp/guides/qwen2-5-7b-instruct-context-yarn/Qwen2.5-7B-Instructは32,768トークンが通常のシーケンス長、131,072トークンは32K超でYaRNを使う条件付き最大値、8,192トークンは生成出力側の上限。3つは同じ種類の数字ではない。Fri, 21 Aug 2026 05:24:00 GMThttps://local-gen.jp/guides/gguf-before-download/https://local-gen.jp/guides/gguf-before-download/GGUFを選ぶときは、形式名だけでなく配布元、元モデル、量子化、使うランタイム、ファイル容量とライセンスを確認する。同じモデル名でも配布者や量子化が違えば別の配布物として扱いたい。Fri, 21 Aug 2026 00:10:00 GMThttps://local-gen.jp/news/hf-watch-foundation/https://local-gen.jp/news/hf-watch-foundation/HF WatchはHugging Face Hubの新着・更新モデルから、local-genが次に調べる候補を絞る機能。Levelは性能順位ではなく、仕様や対応環境はModel Cardなどの一次情報で別に確認する。Fri, 21 Aug 2026 00:05:00 GMT