ノートパソコンでローカルLLMを動かす：メモリ8GBと16GBとMacの目安（2026）

RAM 8 GBのノートPCでもローカルLLMは動きます。Q4_K_Mの3B–4Bモデルが、デュアルチャネル RAMで推定15–30 tok/sです。 下の表で、お使いのハードウェアに合うモデルを確認できます。速度はメモリ帯域から導いたPromptQuorumの推定値（tok/s ≈ 帯域 ÷ モデルのファイルサイズ）で、実測ではありません。

ローカルLLMは量子化モデルを使えばノートPCで動かせます。Q4_K_Mはファイルサイズを約FP16の31%に縮め（Llama 3.1 8BでFP16の14.96 GiBが4.58 GiB）、品質低下はわずかです。

ローカルでLLMを動かすとは、プロバイダーのサーバーではなく自分のノートPC上でチャットボットを動かすことです。プライバシーを守れてオフラインでも使えますが、クラウドサービスより低速です。

はい。ただし、適切なサイズのモデルを選ぶことが条件です。 RAM 8 GBのノートPCでは、Q4_K_Mの3B–4Bモデルがデュアルチャネル RAMで推定15–30 tok/sで動きます（Llama 3.2 3B：18–30、Phi-4-mini：15–25）。16 GBのApple Siliconノートなら、チップによって8Bモデルが推定13–26 tok/sで動きます。多くのクラウドAPIより遅いものの、読みながら使える速さです。

8 GBのノートPCで現実的な上限は3B–4Bモデルです。7B–8Bのファイル（4.4–5.2 GB）では、OSとブラウザに回すメモリがほとんど残りません。Q4_K_Mの14Bモデル（Qwen3 14B：ファイル9.3 GB）は、コンテキストを短くして他のアプリを閉じた場合に限り、16 GBのマシンに収まります。Macの場合、macOSが少なくとも8 GBを必要とするため、16 GBのMacで使えるのは約8 GBで、14Bモデルは収まりません。

ここでの速度は、メモリ帯域から導いたPromptQuorumの推定値で、実測ではありません。8 GB未満の構成と帯域の考え方の全体は 低スペックPC向け最速ローカルLLM を、GPUのないノートPCについては CPUのみで動くおすすめローカルLLM 2026 を参照してください。

はい。ノートPCでもRAGは動作します。制約になるのは検索層ではなく、チャットモデルのほうだからです。 ノートPCのRAG構成は、小さな埋め込みモデル、ローカルのベクトルストア、チャットモデルの3つです。

埋め込みモデルは小さく、nomic-embed-textはOllamaで274 MB（コンテキストウィンドウ2K）なので、RAMへの負担はわずかです。8 GBのノートPCなら3Bのチャットモデルと埋め込みモデルを併用でき、16 GBなら8Bのチャットモデルと検索を並行する余裕があります。

RAM 2 GBで動くのは、ごく小さな構成だけです。 Qwen3 0.6B（523 MB）とnomic-embed-textを合わせてファイルは約0.8 GBで、2 GBが実際に空いていれば収まります。一般的なノートPCではOSが2–3 GBを使い、ディスクへのスワップで生成が大きく遅くなるため、現実的な下限は8 GBと考えてください。

ファイルサイズは、2026-10-23にollama.comで確認したOllamaのダウンロードサイズで、Q4_K_M相当の量子化（FP16より約70%小さい）です。最小RAMは、ファイルサイズに約0.5 GBのオーバーヘッドを加えた値です。OSとブラウザ用に、さらに2–4 GBの余裕を残してください。

ノートPCの制約に合うのは、小さなファイルのモデルです。同じメモリ帯域でも、ファイルが小さいほど毎秒のトークン数が増えます。 速度は、デュアルチャネル DDR4-3200〜DDR5-5600（51.2–89.6 GB/s）のノートPCを前提に、帯域の上限（帯域 ÷ Ollamaのファイルサイズ）から導いたPromptQuorumの推定値で、実測ではありません。シングルチャネル RAMでは半分になります。ファイルサイズは2026-10-23に確認したOllamaのダウンロードサイズです。モデルやノートPC構成ごとのVRAM要件は、VRAM要件ガイド →を参照してください。Ollamaをインストールすれば、どのモデルもコマンド1つで実行できます。GPUがない場合は CPUのみで動くおすすめローカルLLM 2026 を参照してください。これらはオープンウェイトのモデルです。ライセンスは各モデルカードで確認してください。

ノートPCのハードウェアではモデルサイズに限りがありますが、明確で構造化されたプロンプトを使えば、小さなモデルの出力を改善できます。小さなモデル向けの手法はプロンプトエンジニアリングガイドを参照してください。

Apple SiliconのMacBookは、ユニファイドメモリによってGPUがメモリ全体に高帯域でアクセスできるため、ローカルLLMに適した選択肢です。 速度を決めるのはメモリ帯域で、AppleはM3を100 GB/s、M5を153 GB/s、M5 Proを307 GB/s、M5 Maxを460または614 GB/s（GPUコア数による）と公表しています。2026年3月3日に発表されたM5 ProおよびM5 Max搭載のMacBook Proは、最大64 GBおよび128 GBのユニファイドメモリを搭載できます。

NVIDIAの単体GPUを搭載したWindowsノートPCは、モデルがVRAMに収まれば、より高速になることがあります。RTX 4060 ノートPC用GPUは、128ビットバスのGDDR6を8 GB搭載しています（NVIDIA）。16 Gbps（第三者のスペック）では約256 GB/sとなり、Qwen3 8B（5.2 GB）の上限は約49 tok/sです。その代わり、消費電力と発熱は大きくなります。

Intel Iris XeまたはAMD Radeonの内蔵グラフィックスのみのWindowsノートPCは、システムRAMの帯域に制約されます。Ollamaのドキュメントによると、バックエンドがインストールされていればVulkan GPUサポートは既定で有効ですが、Intelの内蔵グラフィックスはサポート表に記載されていません。そのため、`ollama ps` のPROCESSOR列で確認してください。内蔵GPUは同じRAMを共有するため、効果は通常わずかです。

内蔵グラフィックス（Intel Iris Xe / AMD Radeon）に向くモデル： RAM 16 GBなら、速度重視でQ4_K_Mの3B–4Bモデル（Llama 3.2 3B、デュアルチャネル RAMで推定18–30 tok/s）、品質重視でQwen3 8B（推定8–15 tok/s）を選びます。RAMに余裕を持って収まるモデルを優先してください。低スペックPCの手順は低スペックPC向け最速ローカルLLMを参照してください。

表の算出方法：各推定値は、上限（帯域 ÷ Qwen3 8Bのファイル5.2 GB）の約70–90%です。PromptQuorumの推定値で、実測ではありません。

ノートPCでも3B–14Bのモデルは十分に動かせますが、デスクトップは冷却性能が高く、メモリ帯域がはるかに広い専用GPUを使えるため、さらに大きなモデルに対応できます。 デスクトップ版RTX 4090はVRAM 24 GB、帯域1,008 GB/s（NVIDIA）で、Gemma 4 31B（Ollamaで19–20 GB）など、約20 GBまでのモデルファイルをVRAMに載せられます。Q4の70Bモデルは、Ollama上で43 GBのファイル（llama3.3:70b）となり、24 GBには収まらず、はるかに低速なシステムRAMに分割して載せる必要があります。

ノートPCは持ち運びと試用に、デスクトップは大型モデル（14B以上）、継続的な負荷、本番の推論に使いましょう。プラットフォーム選びに迷う場合は、コストと性能を詳しく比べたローカルLLM向けノートPCとデスクトップの購入ガイドを参照してください。

サーマルスロットリングとは、CPUやGPUが温度の上限に達し、冷却のためにクロック周波数を下げる現象です。 ローカル推論は負荷が続く処理なので、薄型のノートPCでは一定時間後に遅くなることがあります。どの程度、どれくらい早く遅くなるかは、冷却設計しだいです。実際の速度は、`ollama run <model> --verbose` で10分間にわたって確認してください。

ローカル推論中のバッテリー消費は大きくなります。生成のあいだ、CPUやGPUが高負荷で動き続けるためです。 駆動時間（時間）は、おおよそバッテリー容量（Wh）÷ 平均消費電力（W）で決まります。60 Whのバッテリーなら、20 Wで約3時間、30 Wで約2時間です。これはあくまで例示的な計算で、実測ではありません。実際の消費電力は、ノートPC、モデル、電源モードによって変わります。

公称のバッテリー駆動時間は、推論時の駆動時間を表すものではありません。14インチMacBook Pro（M5、バッテリー72.4 Wh）でAppleが公表している「ワイヤレスWeb閲覧で最大16時間」は軽い作業の値であり、生成を続けた場合の値ではありません。

長時間使うときは電源につなぎましょう。バッテリーを節約したいなら、小さなモデルを選び（3Bのファイルは8Bの半分未満なので、応答が早く終わります）、コンテキストを短くします。

量子化はモデルの精度を下げて、必要なRAMと帯域を減らす手法です。ノートPCでは、Q4_K_Mが通常の既定値になります。下の表のサイズは、llama.cpp quantize READMEにあるLlama 3.1 8B（FP16で14.96 GiB）のものです。他のモデルも同様の比率で変わります。

欧州連合（GDPR）： モデルを自分のノートPC上で動かすと、プロンプトや文書を端末の外に出さずに済む場合があり、個人データを第三者の処理者に送ることを避けられる可能性があります。GDPR、EU AI Actなどの義務が適用されるかどうかは、システムを誰が何の目的で運用するかによって決まります。本ガイドは法的助言ではなく、コンプライアンスは推論をどこで実行するかではなく、構成全体で決まります。

ドイツ： ドイツの事業者にとって、文書を端末内にとどめることはデータ保護上の検討を簡素化できますが、ローカル構成が義務を満たすかどうか（例えば機密性の高い顧客データの場合）は、個別に判断されます。データ保護責任者に相談してください。

日本（個人情報保護法）： 日本の個人情報の保護に関する法律は、個人データの国外移転を規制しています。ノートPC上で推論を実行すれば、プロンプトを海外のAPIに送らずに済み、移転に関する検討を簡素化できる場合があります。ただし、法的な評価の代わりにはなりません。

米国： 連邦レベルの包括的なAIデータ法はなく、HIPAA（医療）、FERPA（教育）などの分野別ルールや州のプライバシー法が、用途に応じて適用されます。データをローカル端末にとどめれば、データを扱う第三者を減らせる場合がありますが、端末とデータの保護の責任は引き続きあなたにあります。