LLMとは
LLM（Large Language Model / 大規模言語モデル）は、膨大なテキストデータで学習された言語を理解・生成するAIモデルです。ChatGPT、Claude、Gemini、Llamaなどがその代表例です。
2026年現在、LLMはチャットだけでなく、コード生成・データ分析・画像理解・エージェント実行まで幅広く活用されています。
クラウド vs ローカル実行
| クラウドAPI | ローカル実行 | |
|---|---|---|
| 精度 | 最高（Opus, GPT-4等） | モデル次第（7B〜70B） |
| コスト | 従量課金 | 初期のGPU投資のみ |
| プライバシー | データが外部へ | 完全ローカル |
| 速度 | ネットワーク依存 | ハードウェア依存 |
社内機密データを扱う場合や、API料金を抑えたい場合にローカル実行が選択肢になります。
ローカル実行の主要ツール
| ツール | 特徴 |
|---|---|
| Ollama | ワンコマンドでLLMを起動。最も手軽 |
| vLLM | 高スループット推論。PagedAttentionで高速化 |
| llama.cpp | C++実装。CPUのみでも動作 |
| Distributed Llama | 複数デバイスで分散実行。家庭用PCをクラスタ化 |
量子化とは
量子化は、モデルの数値精度を下げてメモリ使用量と推論速度を改善する技術です。
| 精度 | メモリ削減 | 備考 |
|---|---|---|
| FP16 | 基準 | 70Bモデルで約140GB VRAM |
| INT8 | 約50% | 精度劣化は軽微 |
| INT4（GPTQ/AWQ） | 約75% | 70Bが24GB GPUに収まる |
| 1-bit（BitNet） | 約93% | CPUのみで100Bモデルが動作 |
このトピックの読み方
LLMを使い始めたい → まずOllamaでローカル実行を試すのが最速です。関連記事から導入ガイドを参照してください。
本番環境で推論サーバーを立てたい → vLLMが業界標準。高スループットな推論が必要な場合に最適です。
