ローカルLLMの始め方｜LM StudioでQwen3.8/Gemma 4/GLM-5.3を動かす【2026年10月】

LM Studioとは何か

LM Studioは、Hugging Face上で公開されているオープンウェイトモデルを、GUI操作だけで検索・ダウンロード・チャットできるデスクトップアプリだ。Windows・macOS・Linuxに対応しており、ChatGPTのような見た目のチャット画面で、ボタン操作だけでローカルAIを動かせる。ターミナルでのコマンド入力を必須としないため、OllamaのようなCLI中心のツールに比べて、非エンジニアでも扱いやすい設計になっている。

2025年7月8日から、個人だけでなく仕事での利用も無料になった（公式ブログ「LM Studio is free for use at work」）。それまであった「会社や組織で使う場合は別途商用ライセンスを取得する」という条件は撤廃され、申請も不要だ。SSOやモデル・MCPの利用制御が必要な組織向けには、有料のEnterpriseプラン（要問い合わせ）が用意されている。

導入前に知っておきたい基礎知識

GGUFとMLX:2つのモデル形式

LM Studioが扱うモデル形式は主に2種類ある。GGUFはllama.cppが採用する量子化フォーマットで、Windows・Linux・Mac・NVIDIA GPUと幅広い環境で動く事実上の標準だ。一方MLXはAppleが公開する機械学習フレームワーク向けの形式で、Apple Silicon搭載のMac上でユニファイドメモリを活かし、GGUF/Metalバックドより30〜50%程度高速に動作する場合がある。Windows・LinuxユーザーはGGUF一択、Macユーザーは両方をダウンロードして実際に速度を比較し、速い方を採用するのが堅実だ。

量子化(Quantization)の見方

量子化とは、モデルの重みを低ビットで表現し直すことで、メモリ使用量と計算量を削減する技術だ。GGUFファイルには「Q4_K_M」「Q5_K_M」「Q8_0」のような表記が付いており、数字が大きいほど元の精度に近く、ファイルサイズも大きくなる。迷ったら、精度と軽さのバランスが良いとされるQ4_K_Mから試すのが定番の選び方だ。品質に不満があればQ5やQ8に上げ、動作が重ければQ3以下に下げるという調整を行う。

量子化レベル早見表

GGUFの量子化表記は種類が多く初心者は迷いやすい。代表的なレベルとその特徴を整理する。

ボトルネックは常に「メモリ」

ローカルLLMの快適さを決めるのは、CPUやGPUの世代よりも、搭載されているVRAM(GPUのメモリ)またはRAM(システムメモリ)の容量だ。Windows環境ではVRAMに収まらない分はメインメモリに割り当てられるが、その場合推論速度が大きく低下するため、モデル全体がVRAM内に収まる量子化レベルを選ぶのが基本になる。Apple Siliconのユニファイドメモリ構成では、システムメモリそのものが大きいほど、より大きなモデルを動かせる。

インストールからチャットまでの手順

1. 公式サイトからインストーラーをダウンロード:LM Studioの公式サイト(lmstudio.ai)にアクセスし、自分のOS(Windows/macOS/Linux)に合ったインストーラーを取得する。
2. インストールしてアプリを起動:ダウンロードしたインストーラーを実行するだけで導入は完了する。初回起動時に簡単なガイドが表示される。
3. モデル検索画面を開く:Macは「⌘+Shift+M」、Windows/Linuxは「Ctrl+Shift+M」のショートカットでモデル検索画面を開く。Hugging FaceのURLをそのまま検索バーに貼り付けることもできる。
4. モデルをダウンロード:モデル名(例:「Gemma 4」「Qwen3.6」)で検索すると、複数の量子化バリエーションが一覧表示される。LM Studioが自分のハードウェアに適した推奨候補をハイライトしてくれるので、まずはそれを選ぶとよい。
5. モデルを読み込んでチャット開始:ダウンロードが完了したら、画面上部のセレクタからモデルを選択して読み込む。あとはChatGPTと同じ感覚で対話できる。

自分のPCに合ったモデルの選び方

2026年10月11日時点で、個人が現実的に試せる主要なオープンウェイトモデルを、PCのメモリ別に整理した。サイズはHugging Face上のGGUFファイルの実寸（LM Studio公式のlmstudio-communityとGoogle公式のリポジトリ）。会話の長さ（コンテキスト）の分だけ追加のメモリが必要なので、ファイルサイズ＋数GBの余裕を見ておきたい。

画像を読ませるには「mmproj」ファイルが要る

Gemma 4やQwen3.8は画像も理解できるモデルだが、GGUF版では本体とは別に「mmproj-〜.gguf」という画像処理用のファイルが配布されている。たとえばGoogle公式のGemma 4 12B QAT版のリポジトリには、本体の gemma-4-12b-it-qat-q4_0.gguf（6.98GB）と、mmproj-gemma-4-12b-it-qat-q4_0.gguf（0.18GB）の2つが並んでいる。Qwen3.8-27Bの場合、mmprojは0.93GBだ。

チャット画面で画像を添付できない場合は、このmmprojファイルが手元にあるかを確認したい。コミュニティの解説では、mmprojを本体のGGUFと同じフォルダに置いてから、モデルを読み込み直す方法が紹介されている。画像に対応したモデルとして読み込めると、モデル名の横に画像対応のアイコンが表示される。

実測ベンチマークの参考値

コミュニティの実機報告では、RTX 3060（12GB）でGemma 4 12BのQ5_K_XL量子化版をllama.cpp（CUDA）で動かし、4Kコンテキストで入力処理（プレフィル）が毎秒約1,152トークン、生成速度が毎秒約33トークンだったという例がある（X上の投稿をgemma4all.comがまとめたもの。独立した検証ではない）。速度はGPU、量子化レベル、コンテキストの長さ、設定によって大きく変わるため、自分の環境ではLM Studioのチャット画面にあるトークン/秒の表示で実測するのが確実だ。

主要モデルの特徴比較

各モデルのHugging Face公式ページ（モデルカード）の記載をもとに整理した（2026年10月11日確認）。

OpenAI互換APIとして使う

LM Studioは、読み込んだモデルをOpenAI互換のローカルAPIサーバーとしても公開できる。自作のスクリプトやツールから、クラウドAPIを呼び出すのと同じ感覚でローカルモデルを利用できるのが大きな利点だ。

from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:1234/v1",
    api_key="lm-studio"  # 実際のキーは不要な場合が多いプレースホルダー
)

response = client.chat.completions.create(
    model="model-identifier-from-lm-studio",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "こんにちは"}
    ],
    temperature=0.7
)

print(response.choices[0].message.content)

コマンドラインでの操作を好む場合は、LM Studio付属の「lms」CLIも利用できる。GitHub連携やMCP(Model Context Protocol)にも対応しており、Developerタブの「MCP Servers」パネルから、ファイルシステム・データベース・Web検索など任意のMCPサーバーの設定を貼り付けるだけで、読み込んだモデルがそのツール群を認識して呼び出せるようになる。自作のエージェントに外部ツールを持たせたい場合、コードを書かずにこの画面から設定できるのは大きな利点だ。

LM StudioとOllama、何が違うのか

ローカルLLMツールとしてよく比較されるのがOllamaだ。両者は多くの機能で重なるが、狙いが異なる。

LM StudioとOllamaはどちらも内部でllama.cppを使っており、NVIDIAのGPUでは速度の差は小さいとされる。体感できるほどの差は出にくいので、最終的にはGUIで操作したいか、ターミナルやDockerで使いたいかという好みで選んで問題ない。

よくあるトラブルと対処法

商用・業務利用時の注意点

個人の学習・検証目的であれば、LM Studio自体の利用も、Apache 2.0ライセンスのQwen3.8-27BやGemma 4の利用も、特別な制約なく進められる。一方、業務に組み込む場合は次の点を確認しておきたい。

• LM Studio本体は2025年7月から業務利用も無料で、申請は不要。SSOなどの管理機能が必要な場合はEnterpriseプラン（要問い合わせ）
• モデルによってライセンスが異なる（Qwen3.8-27BとGemma 4はApache 2.0、GLM-5.3-FlashはMIT、Qwen3.8-Flash-Nextは独自の「qwen-community-1.0」ライセンス）。業務に組み込む前に、各モデルのライセンス本文を確認しておきたい
• 機密性の高い社内データを扱う場合、ローカル実行そのものが外部への通信を発生させない点は大きな利点になるが、モデルの出力品質・日本語精度は本番導入前に自社データで検証すべきだ

さらに先へ進みたい人向け:ファインチューニングの入口

チャットでの利用に慣れてきたら、次のステップとして自社データによるファインチューニングという選択肢もある。Qwen3.6やGemma 4のようなオープンウェイトモデルは、LoRA(Low-Rank Adaptation)という手法を使うことで、フルファインチューニングの数十分の一のGPUメモリで特定タスクに特化させることができる。さらに量子化と組み合わせたQLoRAという手法を使えば、単一のGPUでも現実的な時間でファインチューニングを完了できる場合がある。この領域はLM Studio単体の機能ではなく、Unslothのような専門ツールと組み合わせて進めることになるため、まずは本記事のチャット利用に十分に慣れてから挑戦するのがよいだろう。

まとめ

LM Studioを使えば、ターミナル操作に不慣れな人でも、GUI操作だけで最新のオープンウェイトモデルを自分のPCで動かせる。重要なのは、自分のPCのVRAM/RAM容量を把握した上で、量子化レベルとモデルサイズを選ぶことだ。まずは手元のハードウェアに合ったモデルを1本ダウンロードしてチャットを試し、慣れてきたらOpenAI互換APIとして自作ツールに組み込む、という順番で進めるのが挫折しにくい。ChatGPTやClaudeの完全な代替にはならなくても、「自分のPCだけでここまで動くのか」という体験は、AIの仕組みを理解するうえでも価値がある。ローカルモデルとクラウドAPIをタスクごとにどう使い分けるかについては、AIモデル使い分け完全ガイド｜タスク別に最適なLLMを選ぶ方法でも整理しているので、あわせて確認してほしい。

あわせて読みたい：
Qwen3.8とは？4モデルの違い・料金・ローカルでの動かし方・ライセンスを解説【2026年10月】——Qwen3.8の4モデル（Max・27B・Flash・Flash-Next）の違い、API料金、ライセンス条件
Gemma 4（ジェンマ4）とは？読み方・できること・Geminiとの違いを徹底解説｜12B追加の全5サイズ【2026年】——Gemma 4の読み方・できること・サイズの違い
GLM-5.2とは?Claude Opus 4.8との価格・性能比較｜料金は約5分の1——GLMシリーズの性能と料金
中国製AIの危険性｜DeepSeek・Kimi・GLMの業務利用リスクとデータの扱い【2026年】——中国製モデル（Qwen・GLMなど）を業務で使う前に確認したいリスク

よくある質問