仕事の傍ら、AIを回して
数字で確かめる。
低スペックPCからRTX 4080まで。文章AI・画像AIを実際に動かし、速さと必要なメモリを測っています。実測とは？
記事
画像生成AIにおける表情の指示：単語ひとつで変化するキャラクターの印象
プロンプト（AIへの指示文）に加える「表情」に関する単語が、生成される画像の細部にどのような影響を与えるかを検証しました。
【実測レポート】画像生成AI（Stable Diffusion）を自分のPCで動かす際の速度とVRAM消費量の目安
ローカル環境で画像生成AIを動かしたいと考えている方に向けて、具体的なGPUスペックとモデルごとの動作検証結果を詳しく解説します。
ローカルAIで「架空のURL」が生成される現象とその背景について
ローカル環境でAIを動かす際に発生しうる、モデル特有の挙動（ハルシネーション）とセキュリティに関する考察を解説します。
MacでのAI動作をより正確に。Ollamaの最新開発版におけるトークナイザー改善の解説
Appleシリコン搭載のMacでOllamaを使用している方へ、最新の開発版（v0.40.0-rc1）で行われた重要な修正内容について詳しく解説します。
CPUのスレッド数を制限しても速度が変わらない？ローカルLLMのボトルネックの正体
自分のPCで生成AI（ローカルLLM）を動かす際、CPUのコア数やスレッド数が多ければ多いほど速くなると思われがちです。しかし、実験の結果、スレッド数を半分に絞っても速度にほとんど変化がないことが分かりました。なぜこのような現象が起きるのか、その理由を探ります。
ローカルAIを最も手軽に始めるための第一歩：Ollamaの活用法
自分のPC上でAIを動かす「ローカルAI」の世界へ入るための、最もシンプルな入り口であるOllamaについて解説します。
自分のPCでAIを動かす最大の利点は「安心感」と「自由度」
ローカルAIを導入する際の大きなメリットである機密情報の保護や、具体的な活用事例について解説します。
ローカルAIにおける「モデルの巨大さ」と「実行環境」のトレードオフについて
大規模なAIモデルを自宅で動かす際に直面する、性能・速度・電力消費のバランスに関する考察。
AIに長い資料を読み込ませる際の注意点：コンテキスト長とメモリの関係
ローカル環境でAIを動かす際に重要となる「コンテキスト長」の仕組みと、PCのメモリ消費との関係について解説します。
ローカルAIの選び方の基本：モデル名の「B」という数字の意味と速度の関係
ローカル環境でAIを動かそうとした際、最初に出会うのが「4B」や「9B」といったモデル名です。この記事では、これらの数字が何を意味するのか、そして自分のPCスペックに合わせてどのようにモデルを選べばよいのかを詳しく解説します。
ローカルAIを動かす鍵は「VRAM」の容量にあり！GPUメモリと速度の関係を解説
ローカル環境でAIを快適に動かしたいと考えている方にとって、最も重要なスペックの一つが「VRAM（ビデオメモリ）」です。なぜVRAMが重要なのか、実際にモデルを動かした際の劇的な速度差を交えて詳しく解説します。
条件に合う記事がありません。
実測データ（抜粋）
すべて見る →| モデル | 使用メモリ | GPUあり | 体感 | CPUのみ | 体感 | 測定日 |
|---|---|---|---|---|---|---|
| gemma3:1b | 0.9 GB | 216.9 | 一瞬 | 61.7 | 一瞬 | 2026-10-04 |
| llama3.2:3b | 2.3 GB | 189.7 | 一瞬 | 27.3 | 快適 | 2026-10-04 |
| qwen3.5:2b | 2.3 GB | 170.4 | 一瞬 | 27.7 | 快適 | 2026-10-04 |
| gemma3:4b | 2.8 GB | 142.0 | 一瞬 | 21.5 | 快適 | 2026-10-04 |
| qwen3.5:4b | 3.1 GB | 132.1 | 一瞬 | 19.3 | 快適 | 2026-10-04 |
数字は「1秒あたりに書けるトークン数」。実測のやり方と体感の目安 →