ローカルLLMでコーディングする方法!おすすめモデルと設定・注意点を解説

会社のコードを外部のAIに送れず、AIを使ったコーディングをあきらめている方も多いのではないでしょうか。ローカルLLMなら送らずに済むと聞いても、どのモデルを選び、何を設定すればよいのかが分からない場面もあるはずです。
本記事では、ローカルLLMでコーディングする方法と使えるモデル、始める手順を解説します。必要なパソコンのスペックと注意点も、Ollamaと各モデルの公式情報に沿って説明します(2026年10月5日時点)。
この記事を読めば、自分のパソコンでローカルLLMのコーディングを試す手順が分かります。結論は、ローカルLLMのコーディングはコードを外部に送らずに使える反面、性能と速度はクラウドのAIに及びません。機密のコードを扱う作業に絞って、小さな作業から試しましょう。
目次
- ローカルLLMでコーディングする方法とは
- コーディングに使えるローカルLLMのモデル
- ローカルLLMでコーディングを始める手順
- ローカルLLMのコーディングに必要なスペック
- ローカルLLMでコーディングするときの注意点
- ローカルLLMのコーディングに関するよくある質問
- まとめ
ローカルLLMでコーディングする方法とは
ローカルLLMでのコーディングは、自分のパソコンや社内のサーバーで動かすAIに、コーディングを頼む方法です。利点だけでなく性能と速度の限界も押さえておくと、どの作業に使うかを決めやすくなります。
ローカルLLMでコーディングする方法の要点は、以下の3つです。
- コードを外部に送らずにAIにコーディングを頼める
- コーディングの道具とローカルのモデルをつないで使う
- 性能と速度はクラウドのAIに及ばない
コードを外部に送らずにAIにコーディングを頼める
ローカルLLMは、自分のパソコンや社内のサーバーの中で動かすAIです。コードと指示の内容が外部に送られないため、社外に出せないコードでもAIに扱わせられます。
ローカルLLMとは?クラウドAIとの違いやメリット・できることを解説
コーディングの道具とローカルのモデルをつないで使う
ローカルLLMのコーディングでは、コーディングの道具と、手元で動かすモデルをつなぎます。モデルを動かすソフトのOllamaは、Claude CodeやCodex CLIとの連携に対応しています。
Claude Codeは、コードを読んでファイルを編集し、コマンドも実行する道具です。Claude CodeをOllamaとつなぐと、AIの部分だけをローカルのモデルに置き換えて使えます。
性能と速度はクラウドのAIに及ばない
パソコンで動かせるモデルは、クラウドで提供される最新のモデルより小さく作られています。複雑な作業や、多くのファイルにまたがる作業では、結果に差が出る場合があります。
回答の速度を左右するのは、パソコンの性能です。すべての作業をローカルに置き換えるのではなく、機密のコードを扱う作業に使う位置づけが現実的です。
コーディングに使えるローカルLLMのモデル
ローカルLLMのモデルは、種類によって容量と得意な作業が違います。パソコンのメモリに収まるかと、頼みたい作業に合うかを見て選びましょう。
コーディングに使える主なローカルLLMのモデルは、以下の表のとおりです。容量は、Ollamaの公式ライブラリの表示にもとづきます。
| モデル | 容量 | 特徴 |
|---|---|---|
| Qwen3.6 | 27bは18GBから・35bは23GBから | エージェント型のコーディングを強化 |
| Qwen3-Coder | 30bは19GB | エージェントとコーディング向けで長い文章を扱える |
| Devstral Small 2 | 15GB | ソフトウェア開発の作業向け |
| gpt-oss | 20bは14GB | 16GBのメモリが目安 |
コーディングに使える4つのモデルの特徴は、以下のとおりです。
- Qwen3.6はエージェント型のコーディングを強化している
- Qwen3-Coderはコーディング向けに作られている
- Devstral Small 2は複数のファイルの編集を得意とする
- gpt-ossは少ないメモリで動かせる
Qwen3.6はエージェント型のコーディングを強化している
Qwen3.6は、Alibabaが公開しているモデルです。AIが自律的にプログラムを書く作業の性能を、前の世代から大きく高めたと説明されています。
画面の実装や、複数のファイルにまたがる推論の精度が上がったとの説明です。ライセンスはApache 2.0です。
Qwen3-Coderはコーディング向けに作られている
Qwen3-Coderは、Alibabaが公開しているコーディング向けのモデルです。30bのサイズは、容量が19GBです。
長い文章を一度に扱える点が特徴で、多くのファイルを読ませる作業に向いています。最も大きいサイズは容量が290GBあり、一般のパソコンでは動かせません。
Devstral Small 2は複数のファイルの編集を得意とする
Devstral Small 2は、ソフトウェア開発の作業向けに作られたモデルです。道具を使ってコードを調べ、複数のファイルを編集する作業を得意とすると説明されています。
容量は15GBで、文章に加えて画像の入力にも対応しています。
gpt-ossは少ないメモリで動かせる
gpt-ossは、OpenAIが公開しているモデルです。20bのサイズは容量が14GBで、16GBのメモリが目安とされています。
Ollamaの公式ドキュメントは、Codex CLIとつなぐ例にgpt-ossを使っています。
ほかのモデルも含めて、パソコンの性能と用途に合わせたモデルの選び方は、別の記事で解説しています。
ローカルLLMのおすすめモデル!PCの性能と用途別の選び方を解説
ローカルLLMでコーディングを始める手順
ローカルLLMでコーディングを始めるには、Ollamaとモデルを入れるだけでなく、扱える文章の量の設定が必要です。扱える文章の量は、初期の設定のままでは足りない場合があります。
ローカルLLMでコーディングを始める手順は、以下のとおりです。
- Ollamaをインストールしてモデルを入れる
- 扱える文章の量を6万4,000トークン以上に設定する
- OllamaからClaude CodeかCodexを起動する
- 小さな作業で動作を確かめる
Ollamaをインストールしてモデルを入れる
最初に、Ollamaを公式サイトからインストールします。続けて、使いたいモデルをダウンロードします。
インストールが終わったら、ターミナルで「ollama -v」を実行し、バージョンが表示されるかを確かめます。
モデルは、ターミナルで「ollama pull モデル名」と入力してダウンロードします。
モデルの容量が、パソコンのメモリに収まるかを先に確かめてください。
ローカルLLMの作り方!必要なPCと無料の構築手順・注意点を解説
扱える文章の量を6万4,000トークン以上に設定する
コンテキストの長さは、モデルが一度に扱える文章の量を指す言葉です。Ollamaの公式ドキュメントは、コーディングの道具を使う場合、6万4,000トークン以上に設定するよう案内しています。
コンテキストの長さの初期の設定は、GPUのメモリの容量で変わります。GPUのメモリが24GB未満の場合は、4,000トークンです。コンテキストの長さは、Ollamaのアプリの設定の画面で変えられます。
今の長さは、ターミナルで「ollama ps」を実行すると「CONTEXT」の列で確かめられます。編集部のMac mini(メモリ32GB)では、設定を変えないまま動かしたqwen3.5は32768トークンでした。
OllamaからClaude CodeかCodexを起動する
Ollamaには、コーディングの道具を起動するコマンドがあります。道具ごとの起動のコマンドは、以下のとおりです。
- Claude Code:
ollama launch claude - Codex CLI:
ollama launch codex
起動のときに、使うモデルを選びます。道具とモデルをつなぐ設定は、Ollamaが行う仕組みです。
「ollama launch codex」を実行した場合も、同じようにモデルを選ぶ画面が表示されます。
モデルを選ぶとCodexが起動し、下の欄に選んだモデルの名前が表示されます。編集部の環境では、ローカルのモデルを使うCodexは、ChatGPTのアカウントにログインしないまま起動しました。
Claude CodeとOllamaをつなぐ手順の詳細は、別の記事で解説しています。
Claude CodeでローカルLLMを使う方法|Ollama連携の手順と注意点
小さな作業で動作を確かめる
最初は、練習用のフォルダで小さな作業を頼みます。コードの説明や、1つの関数の修正など、結果を確かめやすい作業から試してください。
回答の質と速度が、用途に足りるかを確かめます。
編集部のMac mini(Apple M2 Pro・メモリ32GB)で、qwen3.5で起動したCodexに、税込みの価格を円未満切り捨ての整数で返すよう関数の修正を頼みました。Codexはファイルを読み、書き換えてから動かして確かめましたが、終わるまでに7分22秒かかりました。
ローカルLLMのコーディングに必要なスペック
ローカルLLMのコーディングで使えるモデルは、パソコンのメモリの量で変わります。必要なメモリの目安を先に知っておくと、手持ちのパソコンで試せるかを判断できます。
ローカルLLMのコーディングに必要なスペックで押さえる点は、以下の3つです。
- モデルの容量に加えて文章を扱う分のメモリが要る
- コーディング向けのモデルは24GB以上のメモリが目安になる
- 16GBのパソコンは短いコードの生成にとどめる
モデルの容量に加えて文章を扱う分のメモリが要る
コンテキストの長さを大きくすると、必要なメモリが増えます。Ollamaの公式ドキュメントも、設定を大きくする前に、GPUのメモリが足りるかを確かめるよう注意しています。
コーディングでは、モデルの容量ちょうどのメモリでは足りません。
コーディング向けのモデルは24GB以上のメモリが目安になる
コーディングに使えるモデルの表にある容量は、14GBから23GBです。文章を扱う分を加えると、24GB以上のメモリか、同じ程度のGPUのメモリが目安になります。
Qwen3.6の35bなど、容量が20GBを超えるモデルは、さらに余裕のある機器が必要です。
メモリとGPUの目安や、パソコンの選び方は、別の記事で解説しています。
ローカルLLMに必要なスペック!メモリとGPUの目安・PCの選び方を解説
16GBのパソコンは短いコードの生成にとどめる
メモリが16GBのパソコンでは、コーディングの道具とつないだ使い方は厳しくなります。小さなモデルで、短いコードの生成や説明を頼む使い方にとどめてください。
ローカルLLMでコーディングするときの注意点
ローカルLLMでのコーディングには、性能と速度、モデルの対応による制約があります。始める前に注意点を知っておくと、ローカルLLMに任せる作業を選びやすくなります。
ローカルLLMでコーディングするときの注意点は、以下の4つです。
- 複雑な作業はクラウドのAIに及ばない
- 道具の呼び出しに対応したモデルを選ぶ
- 回答が遅いと作業が進まない
- 生成されたコードは必ず確かめる
複雑な作業はクラウドのAIに及ばない
多くのファイルにまたがる変更や、設計の判断が要る作業は、ローカルのモデルでは結果が安定しない場合があります。うまくいかない作業は、扱える範囲でクラウドのAIに切り替えてください。
道具の呼び出しに対応したモデルを選ぶ
コーディングの道具は、ファイルの読み書きやコマンドの実行を、モデルからの呼び出しで行います。Ollamaの公式ドキュメントは、道具の呼び出しに対応したモデルで道具を使えると説明しています。
道具の呼び出しに対応していないモデルでは、ファイルの編集などが動きません。
回答が遅いと作業が進まない
コーディングでは、AIがファイルの読み取りと書き換えを何度も繰り返します。1回の回答が遅いと、全体の作業に長い時間がかかります。
試した結果が遅すぎる場合は、1つ小さなモデルに替えるか、パソコンの構成を見直してください。
生成されたコードは必ず確かめる
ローカルのモデルが書いたコードにも、誤りが含まれます。動かして確かめ、業務で使うコードは、内容を判断できる人が確かめてください。
AIを使ってコードを確かめる方法と主なツールは、別の記事で解説しています。
AIコードレビューとは?できることと主なツール・導入の進め方を解説
ローカルLLMのコーディングに関するよくある質問
ローカルLLMでコーディングを始める前に出やすい、費用・使える道具・モデル・クラウドのAIとの使い分けについての疑問に回答します。ローカルLLMのコーディングに関するよくある質問は、以下の4つです。
- ローカルLLMのコーディングは無料でできますか?
- ローカルLLMはClaude Codeで使えますか?
- コーディングにおすすめのローカルLLMのモデルはどれですか?
- ローカルLLMとクラウドのAIはどう使い分ければよいですか?
ローカルLLMのコーディングは無料でできますか?
モデルとOllamaは、無料で使えます。かかる費用は、パソコンの購入費と電気代です。
ローカルLLMはClaude Codeで使えますか?
ローカルLLMは、Claude Codeで使えます。Ollamaには、Claude Codeをローカルのモデルとつないで起動するコマンドがあります。
コンテキストの長さを、6万4,000トークン以上に設定してから使ってください。
コーディングにおすすめのローカルLLMのモデルはどれですか?
メモリに余裕がある場合は、Qwen3.6かQwen3-Coderが候補です。メモリが少ない場合は、gpt-ossの20bから試してください。
ローカルLLMとクラウドのAIはどう使い分ければよいですか?
社外に出せないコードを扱う作業をローカルLLMに任せ、ほかの作業はクラウドのAIに任せる分け方が現実的です。会社のルールで、どのコードをどちらで扱うかを決めておきましょう。
まとめ
ローカルLLMのコーディングは、コードを外部に送らずにAIを使える方法です。Ollamaで、Claude CodeやCodexをローカルのモデルとつないで使えます。
ローカルLLMのコーディングを試すときの最初の手順は、以下のとおりです。
- パソコンのメモリに収まるモデルを入れる
- コンテキストの長さを設定する
- 小さな作業から試す
性能と速度が足りない作業は、クラウドのAIと使い分けてください。



