ローカルAIのメモリ不足をWindowsで切り分ける｜コミット済み・ページファイル

まずはコミット済みをRAM使用量と分けて記録する

Ctrl + Shift + Escでタスクマネージャーを開き、「パフォーマンス」から「メモリ」を選びます。ロード前、モデルのロード中、短い応答を生成した時、アプリ終了後の4場面で値を記録すると、どの操作で変化したかを比較できます。Windows 10/11、x64/ARM、GPUドライバーによって画面や表示項目が異なることがあります。

コミット済みの現在値は、システム全体でプロセスなどが確保し、RAMやページファイルなどで裏付ける必要があるメモリ量です。上限は物理RAMだけでなくページファイルなどの条件を含みます。一方、現在値はページファイルに書き出された量そのものではありません。「使用中RAMとの差」や「上限との差」をページファイルの使用量として扱わないでください。

同じ条件でロード前・ロード中・短い生成を比べる

1. モデルを動かす前に、使用中、利用可能、コミット済み current / limit、GPUの専用・共有メモリ、選択モデルとcontext設定を記録する。
2. 同じ画面でモデルをロードし、値が大きく変わる時点と、ロードが完了・失敗するかを記録する。
3. 短い入力を1回だけ生成し、生成中の値と、応答後・モデル終了後の値を分けて残す。長文の会話や複数モデルを混ぜない。
4. Windowsの版・x64/ARM、モデル名、runtime、GPU、context設定、同時起動アプリも一緒に記録し、比較条件の違いを残す。

説明用の仮例として「RAM使用中12 GB、コミット済み22 / 40 GB」と表示されても、22 - 12 = 10 GBをページファイル使用量とは読めません。これは説明のための架空の値であり、実測例ではありません。

• メモリ・VRAM・速度の記録方法 - 同じ条件で比較する記録項目を確認する

変化した値から原因を分ける

memory-mapped fileの読み込みに伴うhard faultは、ディスクからfile-backed dataを読む場合もあります。hard faultの表示だけをページファイルへの退避の証拠にしないでください。

推計・配置表示をTask Managerの実測値と混ぜない

LM Studioの`lms load --estimate-only`は、指定したモデルや設定に基づくロード前の推計です。実際に確保したメモリや、正常にロードできる保証ではありません。推計値とTask Managerで観察した値は、記録欄を分けます。

Ollamaの`ollama ps`ではPROCESSORなどからモデルの配置を、CONTEXTから実行中contextを確認できます。これらはWindows全体のコミット量を測るメーターではありません。contextはモデルと実行設定で変わるため、自分の実行時表示と設定を記録してください。

• LM Studioのロードとestimate-only - ロード前の推計と実ロードを区別する
• Ollamaの配置表示とメモリ - PROCESSOR表示とモデル配置を確認する
• Ollamaのcontext length - context設定とメモリ使用の関係を見る

ページファイルは固定倍率で変更しない

ページファイルの適切なサイズは、実際のピークcommitやクラッシュダンプなどの条件で変わります。物理RAMの何倍という固定値をすべてのPCへ当てはめたり、切り分け前にページファイルを削除・無効化・変更したりしないでください。

Windowsのsystem-managed設定でも、ページファイルを置くドライブの空き容量などに制約される場合があります。まず既存設定を変えずに再現条件とcommitの推移を記録し、容量や設定変更が必要な場合はMicrosoftの説明とPC管理者の方針を確認してください。この記事では設定変更手順や一律の推奨容量は示しません。

• Microsoft: ページファイルの仕組み - commit chargeとlimitの定義を確認する
• Microsoft: ページファイル容量の考え方 - 一律の固定サイズにできない理由を見る

次に読む記事

• ローカルAIのメモリ容量を選ぶ - PC全体のRAM容量と実行時ピークを考える
• VRAMとは？ - GPU専用・共有メモリの違いを確認する
• ローカルAIの速度・RAM・VRAMを測る - 条件をそろえた計測方法を見る
• LM StudioでGGUFが読み込めない時 - 形式・ファイル・ロード失敗を順に切り分ける
• ローカルAIのトラブルを探す - 症状から次の確認先を探す