日本語で使うGGUFモデルの選び方｜LM Studio初心者向けに確認ポイントを整理

まず結論：おすすめ名より確認順を持つ

モデル名は変化が速く、同じ名前でも量子化や配布元で使い勝手が変わります。この記事では特定モデルのランキングではなく、日本語用途で外しにくい確認順を整理します。

• GGUFとは？親記事 - 読み方、GGUF版、Q4/Q5/Q8、モデル選びの全体像へ戻る
• GGUFモデル選び診断 - メモリ、GPU、用途から最初の候補を絞る

日本語性能はツール名では決まらない

LM Studioを使うか、Ollamaを使うかだけでは日本語品質は決まりません。実際には、モデルの学習・調整、プロンプト、チャットテンプレート、量子化、PC負荷が関係します。

Instruct / Chat を優先する

最初に日本語チャットや文章作成をしたい場合は、BaseよりInstructやChat向けの説明があるモデルを優先します。ただし、名前だけで判断せず、Model Cardに用途、制限、推奨プロンプトが書かれているか確認してください。

• GGUFファイル名の読み方 - Instruct / Chat / Baseの見方を見る

短い日本語テストで比較する

日本語比較を再現できる最小テスト表

日本語の自然さだけでなく、速度や指示追従も比べるなら、モデル名とプロンプトだけでなく実行条件を固定します。Model Cardは用途、制限、評価、licenseを確認する入口ですが、そこで示された結果を自分のPCの実測値として扱わないでください。

• ローカルAIの速度・メモリ測定 - TTFT、tokens/s、RAM/VRAMの測り方を詳しく見る

1. Model CardとFilesでモデルの由来、revision、license、GGUFファイルを確定し、比較対象を1ファイルずつ保存する。
2. 同じRuntime、backend、GPU設定、context、サンプリング条件、system promptを設定し、会話履歴を消す。
3. 冷たい開始と暖かい開始を分け、同じ日本語4問を複数回実行する。LM StudioならChat APIのstats、OllamaならUsage APIのcount・durationも保存する。
4. 速度と品質を別々に評価し、1つの条件だけ変えた再測定で差が再現した場合にだけ選定理由へ反映する。

LM Studioのtokens/sやTTFT、Ollamaのload・prompt・evalの値は、同じ条件で記録したときの比較材料です。APIに数値がない場合は「表示なし」と書き、ファイルサイズや一瞬の体感から補わないでください。

PCスペック別の現実ライン

16GBメモリなら、7B/8B級のQ4_K_M前後が入門候補になりやすいです。32GB以上や十分なVRAMがあれば、Q5や少し大きいモデルを比較しやすくなります。ただし、一般的な目安であり、OS、同時起動アプリ、context長、GPU/VRAMで変わります。

• ローカルAIのモデルサイズ早見表 - メモリ別の目安を見る

ライセンスと商用利用を分けて確認する

日本語で便利に使えることと、仕事や商用で使えることは別です。GGUF形式だから商用利用できる、Hugging Faceにあるから安全、という判断は避け、元モデルとGGUF配布ページのlicenseを確認してください。

日本語用途で避けたい選び方

• 日本語性能の説明がないのに、モデル名だけで選ぶ。
• Q8や大きいモデルなら必ず日本語が良いと考える。
• Baseモデルを最初の会話用として選び、期待通りに答えない。
• licenseを確認せず、仕事の文章や顧客情報に使う。
• 複数モデルを同時に入れ、何が良かったか比較できなくなる。

次に読む記事

• LM Studioで最初に選ぶモデル - 最初の1本の決め方を見る
• Hugging FaceでGGUFモデルを探す方法 - Model CardとFilesを見る
• GGUFモデル選び診断 - PC条件から候補を絞る