local-llm
7 件の記事
-
LM Studioの使い方：導入・モデル選び・API連携
LM Studioの導入から、ローカルLLMの選び方、日本語チャット、PDF・文書RAG、OpenAI互換API、CLI、MCP、重い・動かないときの対処までを初心者向けに詳しく解説します。
lm-studio / local-llm / gguf / rag / openai-compatible-api / mcp / windows / ai-tools -
ローカルLLMの損益分岐 — サブスク定額で考える3つの分岐点
ローカルLLMがクラウドより得になるのはいつか。token従量ではなく定額サブを前提に、GPU中古相場・電気代・サブスク月額の概算から、ローカルが効く3パターン（機密/上限超え/共有）を比較します（数値は概算）。
local-llm / cost / ollama / claude-code / codex-cli -
ローカルLLMが日本語実務でやらかす失敗集 — 実測7例ギャラリー
J-WorkBench の生トランスクリプトから、ローカルLLMが日本語の実務でやらかした失敗を7例そのまま並べた見本帳。JSON崩壊・根拠なし断言・敬語崩壊・表の二重計上・コード未修正、そしてローカルがクラウド3社に勝った逆転例まで、脚色なしの出力で示します。
local-llm / ollama / troubleshooting / rag / benchmark -
ローカルLLMはクラウドの何割を肩代わりできるか — J-WorkBench クラウド代替率
日本語の実務7カテゴリで、手元PC（RTX 3090）のローカルLLMがサブスク版クラウドの何割を代替できるかを5軸で測ったベンチ J-WorkBench の実測結果。代替率66〜87%の正直な内訳、互角と苦戦の境界、向く/向かないケースを整理します。
local-llm / ollama / claude-code / codex-cli / benchmark / rag -
自分のPCで J-WorkBench を回す — ローカルLLM実務ベンチの再現手順
日本語実務ベンチ J-WorkBench を自分のPCで再現する手順。Ollamaでモデルをpullし、npm run bench で7カテゴリを採点、結果からサイト用データを生成するまでを通しで解説します。サブスクCLIのフラグは要検証。
local-llm / ollama / benchmark / claude-code / codex-cli -
ローカルLLM GPU選び 2026年4月版: RTX・MoE・量子化
RTX 50/40/30シリーズとApple Siliconを前提に、VRAM階層、MoE、量子化、日本語モデル、Ollama運用の判断軸を整理します。
local-llm / rtx / gpu / quantization / moe / ollama / tensorrt-llm / japanese-llm / apple-silicon -
ローカルLLMでAIコーディング: Qwen Coder/DeepSeek-Coderの使い所
クラウドLLMを使いにくい場面で、Qwen CoderやDeepSeek-Coderをローカル実行し、開発ワークフローに載せる判断軸を整理します。
local-llm / qwen-coder / deepseek-coder / claude-code / コスト管理 / セキュリティ