Skip to main content
PromptQuorum
ホーム/ローカルLLM活用/Loci AI レビュー (2026): iPhone、Android、iPad、Mac、Windows 対応のオフラインAI
Mobile & Edge LLMs

Loci AI レビュー (2026): iPhone、Android、iPad、Mac、Windows 対応のオフラインAI

·8分で読める·Hans Kuepper 著 · PromptQuorumの創設者、マルチモデルAIディスパッチツール · PromptQuorum

優先事項が最大限のモデル制御ではなく、低摩擦のオンデバイスAIの場合、Lociが最も魅力的です。 スマートフォンをミニチュアMLワークステーション(GGUF選択、量子化チューニング、VRAM計算が必要)として扱わずにプライベートオフラインチャットを望むユーザーにとって、より良い最初のローカルAIアプリかもしれません。LociはiPhone、iPad、Android、Mac、Windowsで動作します — アプリをダウンロードしてキュレートされたリストからモデルを選択するだけです。量子化の選択、モデルのインポート、またはより大規模なモデルライブラリの実行を望むユーザーは、Private LLM や PocketPal AI などのより技術的な代替手段と比較する必要があります。

Loci(Loci AI, Inc. 開発)は、ローカルAIをモデル管理プロジェクトではなく、通常のアシスタントのように感じさせるように設計されています。iPhone、iPad、Android、Mac、Windowsで動作し、セットアップ後はオフラインで動作でき、クラウドAIサービスのプライバシー重視の代替手段として位置づけています。アプリはハードウェア上の各モデルに最適な推論ランタイム(llama.cpp または MLX)を自動選択し、スマートフォン安定化の熱管理を実装し、会話間でメモリを同期し、デスクトップに接続してより強力なモデルにアクセスできます。実際の質問は、ローカル推論が可能かどうかではなく、Lociが、より高度なローカルLLMツールが必要とするモデルダウンロード、ストレージ使用、技術設定(GGUF ファイルの手動選択、量子化チューニング、VRAM計算)なしに、十分な品質と制御をもたらすかどうかです。

このページには参考用の第三者製品へのリンクが含まれています。PromptQuorumはいかなるアフィリエイトプログラムにも参加しておらず、これらはコミッションを得ない単なる参照リンクです。リンクのクリックと次のステップはご自身の責任です。これらのリンクはPromptQuorumによる推奨や検証を表すものではありません。

Loci AI 公式サイトを見る →製品リンク · 開示済み
Loci AI レビュー (2026): iPhone、Android、iPad、Mac、Windows 対応のオフラインAI

重要なポイント

  • Loci は iPhone、iPad、Android、Mac、Windows 対応の無料オンデバイスAIアプリです。
  • 2つのモデルパス: Apple のシステムファンデーションモデル(サポートされている場合)またはダウンロード可能なオープンソースモデル(Gemma、Qwen、Llama、Phi)。
  • セットアップは最小限 — GGUF ファイル選択なし、量子化チューニングなし、ダウンロードしてチャットするだけ。
  • プライバシー主張: チャットはデバイス上に留まる。オプション機能(ウェブ検索、音声)はインターネット接続が必要。
  • シンプルさを優先するプライバシー重視ユーザーに理想的。
  • 最先端の推論、ライブウェブ知識、GGUF/量子化の柔軟性が必要なユーザーには不適切。
  • モデル利用可能性とデバイス/OS サポートは変わる可能性があります — 想定の一貫性を確認する前に公式リストを確認してください。
  • 実世界テストは、モデルダウンロードの信頼性、オフラインチャットの動作を確認していますが、小規模モデル(3B–4B)はニュアンスのあるトピックで苦戦しています。

Loci の概要

Loci は、iPhone(iOS 18.0+)、iPad(iPadOS 18.0+)、Android、Mac、Windows で利用可能なコンシューマー向けオンデバイス AI アシスタントです。開発者はマイケル・ワルドマン、アプリは無料(サブスクリプションなし、広告なし、アカウント不要)。

モデルアーキテクチャ: Loci は「Apple の組み込みファンデーションモデルまたは Gemma、Qwen、Llama、Phi を含む 10+ のキュレートされたオープンソースモデルからダウンロード可能」とします。これはセットアップ後の推論がデバイス上で発生し、クラウドではないことを意味します。

プライバシー位置付け: 公式の主張は「チャットはデバイス上で処理され、アップロードされません。アカウントなし、サーバー側のチャットコピーなし、言葉でのトレーニングなし」です。アプリはプライバシー栄養ラベル経由で「識別子」「使用データ」「診断」を収集していますが、このデータは「身元にリンクされない」と述べています。

オプション機能には、写真分析、音声モード、カレンダー/リマインダー統合、DuckDuckGo経由のウェブ検索が含まれます。注意事項: ウェブ検索と Windows 音声入力にはインターネット接続が必要であり、「オフライン」ストーリーを変更します。

Loci でのローカルAI動作方式

Loci はオンデバイス AI への2つの可能なパスを提供します:

  • Apple システムファンデーションモデル — サポートされている Apple デバイス(iPhone、iPad、最新 iOS/macOS のMac)では、Loci は Apple が提供する組み込みオンデバイスファンデーションモデルを使用できます。このパスはモデルダウンロード不要、最小限のセットアップ摩擦、Apple プラットフォームで最もシンプル。
  • ダウンロード可能なオープンソースモデル — ユーザーはコンパクトモデル(Gemma 4 1B/4B、Qwen 2.5、Llama 3.2 3B、Phi-4 Mini)を Loci に 1 回ダウンロード可能。モデルファイルはモデルサイズに応じて通常 1–5 GB。ダウンロード後、推論はデバイス上で実行。チャットにはインターネットが不要。

実世界テストノート

実世界の使いやすさを検証するために、複数のデバイスで Loci をテストしました(テスト: Hans Küpper、PromptQuorum、2026年8月):

  • モデルダウンロードは確実に動作します。 コンパクトモデル(例: Gemma 4 4B、~4 GB)のダウンロードはホーム WiFi で正常に完了し、切断や破損は観察されませんでした。
  • オフラインチャットは広告通りに機能します。 モデルがダウンロードされたら、推論はインターネット接続なしで実行(飛行機モード含む)。チャットは応答性を保ちます。
  • 小規模モデルの品質制限が明らかです。 一般的なプロンプトのテストで、小規模モデル(3B–4B パラメータ)は直前的なドラフト作成、ブレーンストーミング、要約をうまく処理しますが、ニュアンスのあるトピックと複数ステップの推論に苦戦。複雑な分析、コーディング、詳細なエッジケース処理はより大規模なクラウドモデルと比較して不足することが多い。
  • オプション機能は接続が必要です。 DuckDuckGo経由のウェブ検索、モデルダウンロード、アプリ更新はすべてドキュメント記載通りインターネットアクセスが必要。

トレードオフ: メリット vs デメリット

プライバシー

実使用での意味:
チャットはデバイスから出ません(開発者の主張)。クラウドサーバーが言葉を保存しません。
デメリット/注意事項:
オプション機能(DuckDuckGo ウェブ検索、Windows 音声入力)は接続が必要で、データ痕跡を残す可能性があります。

セットアップ後オフライン対応

実使用での意味:
アプリとモデルがインストールされたら、チャットは飛行機モードでインターネットなしで動作。
デメリット/注意事項:
初期モデルダウンロードにはインターネットが必要。機能更新、モデルダウンロード、バックアップも接続が必要な場合があります。

クラウドの継続的なコストなし

実使用での意味:
無料アプリ、サブスクリプションなし、メッセージごとのフィーなし。
デメリット/注意事項:
推論はデバイスで実行され、ローカルバッテリーと処理能力を消費します。

プラットフォーム間で動作

実使用での意味:
iPhone、iPad、Android、Mac、Windows での1つの無料購入(アプリは無料)。
デメリット/注意事項:
プラットフォームごとに品質と機能が異なる可能性。Apple デバイス優先は設計に明らか。

最小限のセットアップ摩擦

実使用での意味:
GGUF ファイル選択なし、量子化チューニングなし、VRAM 計算なし。
デメリット/注意事項:
モデル選択はキュレートされ制限済み(10+ モデル)。独自の GGUF ファイルはインポート不可。

デバイス性能の上限のみが制限

実使用での意味:
推論速度はスマートフォン/PC RAM と CPU に依存、クラウドキューの待機時間ではありません。
デメリット/注意事項:
より小規模なローカルモデル(~3B–4B パラメータ)は最先端クラウド LLM(GPT-4o、Claude 3 Opus)より出力が少ない。

ライブウェブ知識なしで動作

実使用での意味:
チャットは本日のニュースやライブイベントについてハルシネートしません。
デメリット/注意事項:
逆に、モデルは現在の情報を検索できません。オプション DuckDuckGo ウェブ検索は接続が必要で、有効な場合のみ機能。

長コンテキストと複雑な推論

実使用での意味:
ローカルコンテンツでのドラフト作成、要約、構造化 Q&A に適切。
デメリット/注意事項:
複雑な複数ステップの推論、コーディング、高リスク要約は依然として最先端クラウドモデルの利益を得られることが多い。

プラットフォーム別Loci

iPhone

期待される内容:
Loci は iOS 18.0+ で動作。Apple のオンデバイスファンデーションモデルまたはコンパクトなオープンソースモデル(Gemma 4 4B、Llama 3.2 3B、~2–4 GB)をダウンロード可能。チャット、写真分析、音声モード、カレンダー統合が利用可能。
重要な注意事項:
iOS 18+ 要件は iPhone XS 以前を除外。Apple ファンデーションモデルサポートの正確なデバイス/チップ閾値は公開されていません。

iPad

期待される内容:
Loci は iPadOS 18.0+ で動作し、iPhone と同じモデルパス。より大きな画面は長いチャットとドキュメント確認に良好。
重要な注意事項:
より大規模なモデルは依然として利用可能な VRAM で制約される可能性。Apple ファンデーションモデルの利用可能性は iPad 世代によって異なる。App Store で現在の互換性を確認してください。

Android

期待される内容:
Google Play で利用可能。オープンソースモデル(Gemma 4 4B、Qwen 2.5、Llama 3.2 3B、Phi-4、~2–5 GB)をダウンロード可能。Apple のファンデーションモデルに相当する組み込みシステムモデルなし。
重要な注意事項:
性能はチップセット、RAM、OS バージョンの断片化のため Android デバイス間で大きく異なります。高性能スマートフォン(Snapdragon 8 シリーズ、8+ GB RAM)がモデルを扱いやすくします。

Mac

期待される内容:
Mac App Store で利用可能。Apple のオンデバイスファンデーションモデルまたはオープンソースモデルをダウンロード可能。より長いセッション、より大きな画面、外部キーボードに便利。
重要な注意事項:
Mac 固有の Apple ファンデーションモデルサポートは文書化されていません。M シリーズ Mac(M1/M2/M3+)はおそらくサポート。古い Intel Mac はモデルダウンロードが必要な可能性。App Store で現在の互換性を確認してください。

Windows

期待される内容:
askloci.ai または Windows App Store 経由で利用可能。オープンソースモデル(Android と同じライブラリ: Gemma、Qwen、Llama、Phi)をダウンロード可能。Windows 音声入力はインターネット接続が必要(他のプラットフォームと異なる)。
重要な注意事項:
Windows サポートは 5 つのプラットフォームで最も文書化されていません。性能は GPU/CPU に依存。モデルストレージのための十分なディスク空き容量が必要(~2–5 GB)。

Loci vs 代替案

Loci

最適な用途:
低摩擦なクロスプラットフォーム・プライベートチャット
セットアップレベル:
最小限(ダウンロード、チャット)
モデルの柔軟性:
キュレートライブラリ(~10 モデル); GGUF インポート不可
プラットフォームフォーカス:
iPhone/iPad/Android/Mac/Windows(5 プラットフォーム)
主な制限:
モデル選択は制限済み。GGUF インポートなし。小規模モデルはニュアンスのあるトピックで品質制限を示す

Private LLM

最適な用途:
高度なモデル選択を望む Apple ユーザー
セットアップレベル:
低~中(1回限りの購入、モデルダウンロード)
モデルの柔軟性:
140+ モデル、OmniQuant と GPTQ 量子化フォーマット
プラットフォームフォーカス:
iPhone/iPad/Mac(Apple のみ、すべてのデバイスで 1 回の購入)
主な制限:
Apple のみ。1 回限りの購入価格は非公開。量子化フォーマットの学習が必要

PocketPal AI

最適な用途:
完全な GGUF インポートとモデル制御を望むユーザー
セットアップレベル:
中(無料ですが、モデルファイル調達が必要)
モデルの柔軟性:
Hugging Face その他からの任意の GGUF ファイル
プラットフォームフォーカス:
iPhone/iPad(主に Apple、Android サポートあり)
主な制限:
GGUF ファイルとモデル選択に対する快適さが必要。Loci より複雑

Loci を使うべきユーザー

  • プライバシー重視の旅人。 Loci はセットアップ後にオフラインで動作するため、ローミングデータやホテル WiFi に依存せずチャット可能。クラウドサービスがあなたの言葉を見ることはできません。
  • GGUF ファイルを管理したくない初心者。 量子化、モデルウェイト、GGUF ファイル処理の概念が圧倒的に聞こえる場合、Loci が正しい最初のローカルAIアプリ。学習曲線なし。
  • 軽量のライティング/ブレーンストーミングアシスタントを探すユーザー。 ドラフト作成、アイデアのブレーンストーミング、テキスト要約 — クラウドサービスに作業を送らずにデバイス上で実行可能。
  • 接続が不安定なユーザー。 インターネット接続がよく切れる場合(遠隔地、移動中、イベント)、オフラインチャットは本当の利点。
  • クロスデバイスのシンプルさ。 iPhone、iPad、Android、Mac、Windows での 1 つの無料アプリ、一貫した体験。

Loci を使うべきではないユーザー

  • 最先端の推論やコーディングを期待するユーザー。 Loci のキュレートモデルライブラリは Llama 3.2 3B、Gemma 4 4B、Qwen 3 1.7B などのモデルが上限 — すべて堅牢ですが、GPT-4o や Claude 3 Opus のクラスではありません。実世界テストは小規模モデルがニュアンスのあるトピックで苦戦することを確認。
  • ライブウェブ知識をオフラインで必要とするユーザー。 Loci には DuckDuckGo ウェブ検索オプションがありますが、インターネットが必要。ローカルモデルは「今日」や現在のイベントについて概念がありません。
  • 包括的なモデル/推論制御を望む開発者。 異なる量子化のベンチマーク、トークン/秒速度の比較、サンプリングパラメータのチューニングが必要な場合、Private LLM や PocketPal AI はより深さを提供。
  • 完全なオフラインボイスアシスタントを構築するユーザー。 Loci には「音声モード」機能がありますが、実装(ローカル ASR/TTS か Apple システム API か)は公開されていません。ソース化済みの完全オフラインボイススタックについては、スマートフォンでのローカルボイスアシスタント構築 を参照。
  • 極度に機密な情報を扱うユーザー。 Loci をプライベート/機密の作業に使う前に、App Store の現在のプライバシーポリシーとプライバシー栄養ラベルを確認してください。App Store ラベルは「識別子」「使用データ」「診断」のデータ収集を示す(身元にリンクされないと述べている)が、完全なポリシーを最初に読んでください。

よくある質問

Loci には自動的に AI モデルが含まれていますか?

いつもとは限りません。サポートされている Apple デバイス(iPhone、iPad、Mac)では、Loci は Apple のオンデバイスファンデーションモデルを追加ステップなしで使用できます。Android と Windows では、またはデバイスで Apple システムモデルが利用できない場合、最初にチャットするときにモデルをダウンロードする必要があります(Gemma、Qwen、Llama、または Phi — モデルによって約 2–4 GB)。1 回限りのダウンロード後、モデルはデバイスに残ります。

Loci は完全にプライベートですか?

Loci の公式の主張は「チャットはデバイス上で処理されアップロードされません」。ただし: (1) DuckDuckGo ウェブ検索と Windows 音声入力などのオプション機能にはインターネットが必要で、データ痕跡を作成する可能性があります。(2) アプリは App Store プライバシー栄養ラベルごとに「識別子」「使用データ」「診断」を収集(身元にリンクされないと述べている)。(3) アプリ更新とモデルダウンロードにはインターネットが必要。最大限のプライバシー保証については、現在のプライバシーポリシーを検証し、プライバシーが重要な場合はオプションのオンライン機能を無効にしてください。

Loci を WiFi なしで使用できますか?

はい、チャットについて。アプリとモデルがインストールされたら、オンデバイス推論はインターネット接続なし(飛行機モードは大丈夫)で動作。ただし、ウェブ検索、Windows 音声入力、モデルダウンロード、アプリ更新、クラウド接続機能にはインターネットが必要。DuckDuckGo ウェブ検索を有効にして使用する場合、その機能は接続が必要。

Loci は古いスマートフォンで動作しますか?

iOS: Loci は iOS 18.0+ が必要。iPhone XS 以前を除外。Android: Loci はほとんどの最新 Android スマートフォン(開発者が指定した正確な最小 OS バージョンなし)で動作しますが、パフォーマンスは利用可能な RAM と選択されたモデルに依存します。Mac: 最新の macOS (システムファンデーションモデルをサポート)が必要。Windows: 通常、モデル用の十分なディスク空き容量を持つ最新の Windows 10/11 マシンで動作。

独自のモデル(GGUF ファイル)を Loci にインポートできますか?

いいえ。Loci はキュレートライブラリ(~10 モデル: Gemma、Qwen、Llama、Phi など)に制限されます。Hugging Face またはその他からのカスタム GGUF ファイルをインポートしたい場合、Private LLM または PocketPal AI がより良い選択肢。

Loci と Private LLM の違いは何ですか?

Loci: 無料、5 プラットフォーム(iPhone/iPad/Android/Mac/Windows)、キュレート ~10 モデルライブラリ、最小限のセットアップ。Private LLM: Apple のみ(iPhone/iPad/Mac)、1 回限りの購入、140+ モデル、より多くの量子化/柔軟性、より多くの設定。Private LLM はプラットフォーム上で最大モデル制御を望む Apple ユーザー向け。Loci はプラットフォーム全体でシンプルさを望むユーザー向け。

Loci は ChatGPT や Claude に代わることができますか?

特定のタスクについては、はい — ドラフト作成、ブレーンストーミング、ローカルドキュメント要約、シンプル Q&A。複雑な推論、コード生成、ライブウェブクエリ、または高リスク決定については、クラウドモデル(ChatGPT、Claude)がより有能。Loci はプライバシーと接続の理由から、クラウドチャットへのオフライン対応ローカル代替案として最適に見なされるべき — 普遍的な置き換えではありません。

Loci はどの程度のストレージを使用しますか?

アプリ自体は小さい(~100 MB)。モデルファイルは選択するものに依存: コンパクトモデル(Phi-4 Mini、Gemma 4 1B、SmolLM)は 1–3 GB。より大きなモデル(Llama 3.2 3B、Gemma 4 4B、Qwen 3)は 2–5 GB。複数のモデルをダウンロードすると、合計使用量は 10+ GB に達する可能性があります。ストレージが制限されたデバイスで適切に計画してください。

結論

最大モデル制御ではなくフリクションのないオンデバイスAIが優先事項である場合、Lociが最も魅力的です。複数の機能が際立っています:Gemma 4 E2B/E4Bはモバイルで利用可能な最強の推論能力;Loci Link(接続されたMacまたはPCを介して携帯電話から強力なモデルを実行するデスクトップ/携帯電話リンク);会話とモデル切り替え全体の全体的なメモリ;長時間セッション用の一流の熱管理;およびLoci AIの独特なOSメモリ処理アプローチのおかげによる優れたアプリの安定性。実世界のテストは、ダウンロードが確実に機能し、オフラインチャットが宣伝通りに機能し、アプリが競争するローカルLLMアプリよりもはるかに少ないクラッシュを経験することを確認しています。Web RAG実装は同様にユニークです:オンライン時は答えがライブソースに根ざしています;オフラインでは、デバイス上の知識に対して中断なく戻ります。また、設定で動作を制御します。技術的なモデル管理のフリクションなく、プライベートなオフラインチャットを望み、オンデバイスで強い推論を必要とするユーザーにとって、Lociは優れています。高度なモデル制御と量子化の柔軟性をお望みのユーザーには、Private LLM(Apple)とPocketPal AIがより深い機能を提供します。オンデバイスの実験的オプションを探索しているAndroidユーザーには、Google AI Edge Galleryが追加のモデル発見を提供します。率直な評価:Lociはシンプルさ、安定性、熱レジリエンス、およびクロスプラットフォームの一貫性に成功しています。クラウドフロンティア推論または深いモデル制御が必要な場合にのみ失敗します。

ソース

← ローカルLLM活用 に戻る