開発向けノートPC（メモリ32GB・SSD 1TB）
向いている人: Claude Code・Cursor・Codexを持ち歩いて使う人。GPUは不要、メモリとSSDに振る
- できる合うAI 8/16・合う仕事 3/8（内訳）
- まず試すLFM2.5 1.2B JP 8bit（Q8_0）・約31 tok/s推定
- 足りない自動化ツール（n8n / Dify / Make）（常時稼働に向かない（ノート・スリープ））・Stable Diffusion / SDXL（VRAM 12GB以上が必要）・ほか6
Amazonで探す
目安 15〜23万円2026年10月時点
PR: 以下はAmazonアソシエイトの広告リンクを含みます。価格の目安は執筆時点のもので変動します。価格・在庫はリンク先でご確認ください。
検索結果に同クラスの機種が並びます。メモリとSSDの容量を見て選ぶのが確実です。
なぜこの構成なのか
Claude Code・Cursor・Codexを持ち歩いて使う人の構成です。GPUは一度も使われないので予算を全部メモリとSSDに振ります。メモリ32GBは、Docker Desktop（WSL2込みで4GB）、エディタと言語サーバ（2.5GB）、ブラウザ（3〜5GB）、エージェントのビルドとテスト（2〜3GB）を同時に抱えるための最低ライン。
NVMe 1TBは、リポジトリとnode_modulesとDockerイメージで半年後に効いてきます。CPUはCore Ultra 7やRyzen 7の8〜12コアあれば、テストの並列実行で詰まりません。
避けたい似た構成
同価格帯のゲーミングノートを選ぶと、RTX 5060（8GB）が載る代わりにメモリ16GBになっていることが多い。エージェント用途では完全に逆の配分です。もう一つ、SSD 512GBのモデルを「後で外付けを足せばいい」と選ぶと、Dockerイメージとnode_modulesは外付けに逃がしにくいので苦労します。内蔵1TBを最初から選んでおきましょう。
拡張性と寿命
メモリ32GBは、1エージェントで開発する限り3〜4年もちます。並列エージェントを常用するようになると64GBが欲しくなるので、増設スロットのある機種だと安心。WindowsならWSL2に割り当てるメモリを .wslconfig で16〜20GBに固定しておくと、Windows側のメモリが足りなくなるのを防げます。
この1台でできること
足りないAI（8）と理由
- 自動化ツール（n8n / Dify / Make）: 常時稼働に向かない（ノート・スリープ）
- Stable Diffusion / SDXL: VRAM 12GB以上が必要 / CUDA（NVIDIA GPU）前提のツールが多い
- FLUX / 高品質画像生成: VRAM 16GB以上が必要 / CUDA（NVIDIA GPU）前提のツールが多い / SSD 2TB以上が必要
- 動画生成AI（Wan / Hunyuan / LTX）: メモリ64GB以上が必要 / VRAM 24GB以上が必要 / CUDA（NVIDIA GPU）前提のツールが多い / SSD 2TB以上が必要
- ローカルLLM（8Bクラス）: VRAM 8GB以上が必要
- ローカルLLM（27〜32Bクラス）: VRAM 24GB以上が必要
- ローカルLLM（70B〜120B MoE）: メモリ64GB以上が必要 / VRAM 40GB以上が必要 / SSD 2TB以上が必要
- 文字起こし（Whisper）: VRAM 6GB以上が必要
この1台で動くローカルモデル（一般的なデスクトップ/ノートPC（DDR5-5600・GPUなし）（メモリ32GB）として計算）
4bit以上でメモリに収まるモデルから抜粋。速度は推定（この機種の全モデル一覧）。
まず試すなら: LFM2.5 1.2B JP（8bit（Q8_0）・必要1.8GB・約31 tok/s推定）。日本語向けに調整された1.2B。GPUなしのメモリ8GBのノートでも軽く動く
| モデル | 量子化 | 必要 | 判定 | 推定速度 |
|---|---|---|---|---|
| Gemma 3 270M | 8bit（Q8_0） | 0.8GB | 快適 | 約130 tok/s推定 |
| Qwen2.5 0.5B | 8bit（Q8_0） | 1.1GB | 快適 | 約69 tok/s推定 |
| Qwen3.5 0.8B | 8bit（Q8_0） | 1.4GB | 快適 | 約46 tok/s推定 |
| Gemma 3 1B | 8bit（Q8_0） | 1.6GB | 快適 | 約37 tok/s推定 |
| Sarashina2.2 0.5B | 8bit（Q8_0） | 1.8GB | 快適 | 約37 tok/s推定 |
| Qwen3 0.6B | 8bit（Q8_0） | 2.0GB | 快適 | 約36 tok/s推定 |
| LFM2.5 1.2B JP | 8bit（Q8_0） | 1.8GB | 快適 | 約31 tok/s推定 |
| Llama 3.2 1B | 8bit（Q8_0） | 2.0GB | 快適 | 約28 tok/s推定 |
| EXAONE 4.0 1.2B | 8bit（Q8_0） | 2.3GB | 快適 | 約25 tok/s推定 |
| TinySwallow 1.5B | 8bit（Q8_0） | 2.3GB | 快適 | 約23 tok/s推定 |
| RakutenAI-2.0 mini | 8bit（Q8_0） | 2.4GB | 快適 | 約22 tok/s推定 |
| Sarashina2.2 1B | 8bit（Q8_0） | 2.6GB | 快適 | 約22 tok/s推定 |
代表的なモデルはどれくらいで動くか
よく使われる5本について、この構成（一般的なデスクトップ/ノートPC（DDR5-5600・GPUなし）（メモリ32GB）として計算）での必要メモリと推定速度です。速度はメモリ帯域幅からの計算値で、実測ではありません。
| モデル | パラメータ | 必要メモリ | 判定 | 推定速度 |
|---|---|---|---|---|
| Qwen3 8B | 8.19B | 10.0GB | 遅い | 約4.3 tok/s推定 |
| Gemma 3 12B | 11.77B | 13GB | 遅い | 約3.1 tok/s推定 |
| Gemma 3 27B | 27.01B | 20GB | 遅い | 約2.0 tok/s推定 |
| gpt-oss-20b | 20.91B | 12GB | 実用 | 約11 tok/s推定 |
| Llama 3.3 70B | 70.55B | 44GB | 収まらない | — |
この構成でどの仕事が回るか
「AIにさせたい仕事」の側から見て、この構成が要件を満たすかどうかです。8種類のうち3件が回り、5件は足りません。
| 仕事 | この構成では | 足りないもの |
|---|---|---|
| 文章・資料・メール作成 | 快適 | — |
| プログラミング・開発 | 快適 | — |
| 自動タスク・エージェントの常時運用 | 動かない | メモリ64GB以上が必要 / 常時稼働に向かない（ノート・スリープ） |
| イラスト・画像生成 | 動かない | VRAM 12GB以上が必要 / CUDA（NVIDIA GPU）前提のツールが多い |
| 動画生成・編集 | 動かない | メモリ64GB以上が必要 / VRAM 24GB以上が必要 / CUDA（NVIDIA GPU）前提のツールが多い / SSD 2TB以上が必要 |
| 議事録・文字起こし | 動かない | VRAM 6GB以上が必要 |
| データ分析・Excel/Python | 快適 | — |
| 社内文書の検索・要約（ローカルRAG） | 動かない | VRAM 24GB以上が必要 |
足りない用途をこの1台でまかなうなら、自動タスク・エージェントの常時運用の要件を満たす構成まで上げる必要があります。自動タスク・エージェントの常時運用のページに、その要件を満たす構成を並べています。
この構成の余力と、足りなくなったとき
収録している204モデルのうち、この構成のメモリに4bit以上の量子化で収まるのは158本です。収まらないもののうち、いちばん惜しいのはNemotron 3.5 Lightning 30B-A3Bで、メモリがあと約11GB足りません。
| あと少しで収まらないモデル | パラメータ | 必要 | 不足 |
|---|---|---|---|
| Nemotron 3.5 Lightning 30B-A3B | 31.58B | 33GB | 11GB |
| Shisa V2.1 Llama 3.3 70B | 70.55B | 44GB | 22GB |
| Llama 3.3 Swallow 70B | 70.55B | 44GB | 22GB |
メモリを一段上の64GB（例: 一般的なデスクトップ/ノートPC（DDR4-3200・GPUなし）（メモリ64GB））にすると、収まるモデルは15本増えて173本になります。逆に一段下の16GBだと58本減ります。GPUを積まない構成なので、メモリの増設がそのまま上限の引き上げになります。
同じ価格帯で選べる他の形
目安価格が近い、別の形（ノート・BTO・自作・Mac・常時稼働）の構成です。同じ金額でも、形が変わるとできることが変わります。
| 構成 | 形 | 向いている人 | 目安 |
|---|---|---|---|
| RTX 5060（8GB）デスクトップ・メモリ32GB | デスクトップ（BTO） | 画像生成の入門と8BクラスのローカルLLM。最安のGPU機 | 15〜21万円 |
| Mac mini M4（メモリ24GB・SSD 512GB） | Mac | 最安で「クラウドAI＋8〜14BのローカルLLM」。Claude Codeは1エージェントまで。静音・省電力で常時稼働にも | 14〜17万円 |
| 静音ミニPC（Ryzen 9・メモリ64GB・GPUなし） | 常時稼働サーバー型 | n8n・Dify・エージェントのルーティンを24時間回す。省電力・小型・静音で置き場所を選ばない | 13〜22万円 |
| GPUなし開発デスクトップ（メモリ32GB・SSD 1TB） | デスクトップ（BTO） | コーディングAI・データ分析・自動化のサーバ役。GPUは後から足せる | 12〜18万円 |
| RTX 5070（12GB）デスクトップ・メモリ32GB | デスクトップ（BTO） | SDXLの画像生成が快適。14BクラスのローカルLLMがGPUだけで動く | 20〜28万円 |
同じ形の他の構成
| 構成 | 向いている人 | 目安 |
|---|---|---|
| 一般ノートPC（メモリ16GB・SSD 512GB） | ChatGPT・Claude・Geminiをブラウザで使う人。NPU搭載のCopilot+ PCである必要はない | 8〜13万円 |
| GPUノート（RTX 5070 Laptop 8GB・メモリ32GB） | 持ち歩いて画像生成の入門や8BクラスのローカルLLMを回す人 | 20〜28万円 |
| GPUノート（RTX 5070 Ti Laptop 12GB・メモリ32GB） | ノートでSDXLの画像生成や14BクラスのローカルLLMを実用的な速さで動かしたい人 | 27〜36万円 |
| GPUノート（RTX 5080 Laptop 16GB・メモリ64GB） | ノート1台でFLUX・27BクラスのローカルLLM・並列エージェントまで | 38〜55万円 |
| MacBook Air M4（メモリ24GB・SSD 512GB） | クラウドAI中心の静かなノート。Claude Codeは1エージェントまで、8B〜14BのローカルLLMも動く | 20〜25万円 |
| MacBook Pro 14/16 M4 Pro（メモリ48GB・SSD 1TB） | 開発者の定番。Claude Code並列運用＋30BクラスのローカルLLMを1台で | 42〜52万円 |
| MacBook Pro 16 M4 Max（メモリ128GB・SSD 2TB） | 70B〜120BのMoE型まで持ち歩ける。帯域546GB/sでミドルクラスのGPU並みの速さ | 70〜85万円 |