メインコンテンツへスキップ
PromptQuorum人のために設計。 AI向けに構造化。

コーディングに最適な14Bモデルは?

著 · PromptQuorum創設者 · オープンウェイト/オープンソースAIの発見エンジン

重要なポイント

  • ✓Qwen2.5-Coder 14B InstructはQwen自身のレポートでHumanEval 89.6%と、比較した3モデルで最高で、約10 GBのVRAM(ダウンロード9.0 GB)が必要です
  • ✓DeepSeek-Coder-V2-Liteは16BのMixture-of-Expertsモデル(アクティブパラメータ2.4B)で、8.9 GBのダウンロードでHumanEval 81.1%です
  • ✓StarCoder2 15B InstructはHumanEval 67.7%で、このベンチマークでは両モデルに及びません
  • ✓VRAMが12 GBならQwen2.5-Coder 14Bを、8 GB未満なら7Bのコーディングモデルを使ってください。HumanEvalの数値はすべて各社公表のinstruct結果であり、PromptQuorumの実測ではありません
コーディングに最適な14Bモデルは?

クイック回答

Qwen2.5-Coder 14Bは、Qwen自身のレポートで3つのコーディングモデルのうち最も高く、HumanEval(instruct)で89.6%です(DeepSeek-Coder-V2-Liteは81.1%、StarCoder2 15Bは67.7%)。qwen2.5-coder:14bのダウンロードは9.0 GBなので、約10 GBのVRAMを見込んでください。

  • ▸Qwen2.5-Coder 14B Instruct:HumanEval 89.6%、ダウンロード9.0 GB(ollama run qwen2.5-coder:14b)
  • ▸DeepSeek-Coder-V2-Lite(16B MoE、アクティブ2.4B):HumanEval 81.1%、ダウンロード8.9 GB
  • ▸StarCoder2 15B Instruct:HumanEval 67.7% — いずれも各社の公表値であり、PromptQuorumの実測ではありません
Model Comparisons

Qwen2.5-Coder 14BがHumanEvalで首位

Qwen2.5-Coder-14B-Instructは、Qwen2.5-Coder技術レポートでHumanEval 89.6%を記録し、比較した3モデルで最高です。これは各社公表のinstruct結果であり、PromptQuorumの実測でもQ4_K_Mの結果でもありません。量子化したローカル版では多少異なる場合があります。

DeepSeek-Coder-V2-Lite-Instructは同じ表で81.1%です。総パラメータ16B・アクティブ2.4BのMixture-of-Expertsモデルで、密な14Bモデルではありませんが、Ollamaのダウンロードが8.9 GBのため同じVRAMクラスに入ります。HumanEvalの8.5ポイント差はQwenに有利で、すでに使っているならDeepSeekも妥当な代替です。

StarCoder2-15B-Instruct-v0.1は同じ表で67.7%です。The Stack v2で学習されリポジトリ指向の作業に向きますが、HumanEvalでは上の2モデルに及びません。

モデルHumanEval(instruct)アーキテクチャ
Qwen2.5-Coder 14B89.6%14.7B(密)
DeepSeek-Coder-V2-Lite81.1%16B MoE(アクティブ2.4B)
StarCoder2 15B67.7%15B(密)

VRAMの余裕が選択を決める

Qwen2.5-Coder 14BとDeepSeek-Coder-V2-Liteはいずれも Q4_K_Mで約10 GB VRAMが必要で、12 GBカードでは2 GBしか余裕がありません。この余裕は長いコンテキストセッションでは不十分です:8kコンテキストではVRAM使用量は~11.5 GBに達します。大きなファイルを扱うワークフローでは16 GB以上のカードを推奨します。

4kトークン未満のコンテキストウィンドウ(単一ファイル補完の一般的なケース)では、3つのモデルすべてがRTX 3060 12 GBやRTX 3080 Ti 12 GB上で快適に動作します。QwenとDeepSeek Coderでの速度は約14〜18 tok/sです;StarCoder2 15Bは同等のVRAM消費量を考えると同様のスループットで動作します。リポジトリ規模の検索やオープンソース貢献パターンに焦点を当てるワークフローではStarCoder2を優先します。

他のサイズとVRAMティアにおけるコーディングモデルの包括的な比較については、12 GB VRAM向け最適コーディングLLMガイドをご覧ください。

汎用14Bモデルのおすすめ:Qwen3 14BとPhi-4

コーディング以外の用途では、Ollamaの主な汎用14BモデルはQwen3 14B(qwen3:14b、ダウンロード9.3 GB、コンテキスト40K)とPhi-4(phi4:14b、9.1 GB、コンテキスト16K)です。どちらも標準のQ4量子化で12 GBカードに収まり、上記のコーディング向けモデルと同じVRAMクラスです。

Qwen3 14Bは長いコンテキストと幅広い多言語利用に向き、Phi-4は推論や数学が中心のプロンプトを狙っています。純粋なコードでは、上記の専用モデルが引き続き優位です。汎用モデル同士の直接ベンチマークは実施していないため、スコアは記載していません。

モデルOllamaタグダウンロードコンテキスト
Qwen3 14Bqwen3:14b9.3 GB40K
Phi-4phi4:14b9.1 GB16K

14Bコーディングモデルに関するよくある質問

総合で最適な14Bモデルは?▾
単独の勝者はいません。コーディングではQwen2.5-Coder 14Bが首位で、汎用チャットや推論ではQwen3 14BとPhi-4がOllamaの主な選択肢です(各約9 GB)。
14Bモデルに必要なVRAMは?▾
Q4量子化で約9〜10 GBです。12 GBカードで動作しますが、長いコンテキストの余裕は少なく、16 GBあれば余裕があります。
Qwen2.5-Coder 14Bは8 GB VRAMで動作しますか?▾
確実には動作しません。Q4_K_Mではモデルに~10 GB VRAMが必要です。Q3_K_Mなら8 GBに収まりますが品質低下が目立ちます。8 GB VRAMにはQwen2.5-Coder 7BまたはDeepSeek Coder 7Bがより良い選択肢です。
Qwen2.5-Coder 14BとDeepSeek-Coder-V2-Liteは実際のタスクでどう違いますか?▾
実タスクでの同条件の測定値はありません。Qwenのレポートに載るHumanEvalの数値では、Qwen2.5-Coder 14BがDeepSeek-Coder-V2-Liteを8.5ポイント上回ります(89.6対81.1)。HumanEvalはPythonのベンチマークなので、RustやGoなどの言語についてはほとんど参考になりません。
14Bコーディングモデルはコードにおいて汎用34Bモデルより優れていますか?▾
必ずしもそうではありません。コード特化モデルは、コードタスクでより大きな汎用モデルとの差をかなり縮められますが、ここでは同条件の測定値がありません。ベンチマークの詳細はQwen Coder対DeepSeek Coderの比較をご覧ください。
14Bコーディングモデルにはどの量子化を使うべきですか?▾
Q4_K_Mが一般的な標準です。FP16の品質の大部分を保ちつつメモリは半分をかなり下回りますが、損失はモデルやタスクによって異なります。Q5_K_Mは約1 GB多くVRAMを使い品質の上限がわずかに上がるため、12 GB以上のVRAMで短いコンテキストの場合にのみ価値があります。
MCP