LM Studioの推奨スペック — 何が動くかをデータで確認する（2026年10月）
画面で操作するローカルLLM。モデル探しから会話まで完結する
どんなツールか
ローカルLLMをGUIで扱えるアプリです。モデルの検索、ダウンロード、量子化の選択、会話、パラメータの調整までを画面で完結できます。Hugging Faceのモデルを直接検索でき、「この機種のメモリなら動く」という目安も表示されます。ローカルLLMを初めて触る人に最も勧めやすいツールで、OpenAI互換のAPIサーバ機能も備えているため、他のツールから呼び出す用途にも使えます。
動作に必要なもの
アプリ自体はElectron製で1GB前後のメモリを使います。そのぶん、モデル用に使えるメモリはOllamaより少し減ります。GPUの有無は自動で判定し、GPUに載せる層の数を手動で調整することもできます。
機種別に何本のモデルが動くか
当サイト収録の204モデルのうち、4bit以上の量子化でメモリに収まる数です。LM Studioが使うのはGGUF形式なので、この数字がそのまま「LM Studioで動くモデル数」になります。
| 機種 | メモリ | 動くモデル | 快適に動く | この機種で動く最大 |
|---|---|---|---|---|
| GeForce RTX 5060 | 8GB | 87 / 204 | 87 | Nemotron Nano 12B v2（12.31B） |
| GeForce RTX 5070 | 12GB | 100 / 204 | 100 | ABEJA Qwen3 14B Agentic（14.77B） |
| GeForce RTX 5070 Ti | 16GB | 111 / 204 | 111 | Qwen3.8 27B（27.32B） |
| GeForce RTX 4090 | 24GB | 158 / 204 | 158 | Seed-OSS 36B（36.15B） |
| GeForce RTX 5090 | 32GB | 162 / 204 | 162 | Kimi Linear 48B-A3B（49.12B） |
| Apple M4（24GB） | 24GB | 118 / 204 | 43 | North Mini Code 1.0（30.48B） |
| Apple M4 Pro（48GB） | 48GB | 163 / 204 | 112 | Kimi Linear 48B-A3B（49.12B） |
| Apple M4 Max（128GB） | 128GB | 188 / 204 | 139 | Step-3.7-Flash（196.96B） |
| 一般的なデスクトップ/ノートPC（DDR5-5600・GPUなし）（メモリ32GB） | 32GB | 158 / 204 | 13 | Seed-OSS 36B（36.15B） |
手持ちのPCで判定すると、あなたの機種で動くモデルの一覧と推定速度が出ます。
導入と、最初に詰まるところ
インストーラを実行するだけで使い始められます。アプリ内からHugging Faceのモデルを検索してダウンロードできるので、コマンドを打つ必要がありません。最初に迷うのは量子化の選択で、同じモデルに10種類近いファイルが並びます。手元の容量から選ぶなら、まず4bit（Q4_K_M か IQ4_XS）を試し、余裕があれば上げる順番が確実です。
もうひとつはGPUオフロードの設定で、何層をGPUに載せるかを自分で決められます。全部載せてエラーになるなら、載せる層数を減らして様子を見ましょう。
最初の30分でやること
- アプリを入れ、検索画面で動かしたいモデルを探す
- 量子化を選ぶ。まず4bit（Q4_K_M か IQ4_XS）から始めて、余裕があれば上げる
- ダウンロード後、GPUオフロードの層数を最大にして読み込み、エラーが出たら減らす
- コンテキスト長を、実際に渡す文書の長さに合わせて設定する
- 同じ質問を2〜3本のモデルに投げて、速度と回答を見比べる
つまずきやすい点
- GPUオフロードの層数を手動で下げると、VRAMに収まらないモデルでも一部だけGPUで動かせます。速度と安定性のバランスを自分で取れるのが利点です
- コンテキスト長を伸ばすとメモリが増えます。アプリ内の表示を見ながら、実効メモリを超えない範囲で調整しましょう
- ダウンロードしたモデルは数GB〜数十GB。SSDの空き容量を定期的に確認してください
- 同じモデルでも量子化の選択肢が多数出てきます。迷ったらQ4_K_M、収まらなければIQ4_XSが目安です
速度が出ないときに見る場所
GPUに載せる層数、コンテキスト長、それにKVキャッシュの量子化。この3つで体感が決まります。層を全部GPUに載せられているかどうかが最も大きく、1層でもCPU側に残ると速度が落ちます。コンテキスト長は既定で短めに設定されているので、長い文書を渡すなら伸ばす必要があり、その分メモリを食います。生成が始まるまでの待ち時間が長いときは、プロンプトの処理（プリフィル）に時間がかかっている状態で、これはコンテキストの長さに比例します。
他のツールや自動化との組み合わせ
ローカルサーバ機能を有効にすると、OpenAI互換のエンドポイントとして外部から呼び出せます。画面でモデルを選んで動作を確かめ、そのまま同じモデルをスクリプトから叩く、という流れが1つのアプリで完結します。モデルの比較検討と、その後の運用を同じ環境でやりたい場合に向いた構造です。
よくあるエラーと対処
| 症状 | 見るところ |
|---|---|
| 読み込みでエラーになる | GPUに載せる層数が多すぎます。スライダを下げて、エラーなく読み込める層数を探しましょう |
| 生成は動くが遅い | 一部の層がCPU側に残っています。1段低い量子化にすると全層をGPUに載せられることがあります |
| 生成が始まるまで待たされる | プロンプトの処理に時間がかかっている状態です。渡す文書を短くするか、コンテキスト長を必要な分に絞ります |
| 同じモデルなのに他の環境より遅い | コンテキスト長とKVキャッシュの設定が違うことが多い箇所です。両方の設定をそろえてから比べましょう |
乗り換えを考えるとき
自動化に本格的に組み込む段階では、コマンドで完結する Ollama のほうが扱いやすくなります。サーバに置いて常時動かす用途でも、GUIアプリであることが足かせになります。逆に、どのモデルを使うか決まっていない段階では、このツールで比べるのがいちばん速い方法です。
他のツールと比べる
| ツール | 向いている使い方 |
|---|---|
| Ollama | コマンド1行でローカルLLMを動かす。他のツールから呼び出す用途の定番 |
| LM Studio（このページ） | 画面で操作するローカルLLM。モデル探しから会話まで完結する |
| llama.cpp | ローカルLLMの土台。OllamaもLM Studioも内部でこれを使う |
| ComfyUI | ノードをつないで画像・動画生成を組み立てる。VRAM管理が細かい |
| Stable Diffusion WebUI（AUTOMATIC1111 / Forge） | 画像生成の定番インターフェース。決まった手順で描くなら最短 |
よくある質問
LM Studioは無料ですか？
個人利用は無料で使えます。業務での利用条件は公式サイトの最新のライセンス表記を確認してください。
どの量子化を選べばいいですか？
まずQ4_K_M、メモリが足りなければIQ4_XSかQ3_K_M、余裕があればQ5_K_MかQ6_Kです。形式ごとの違いは当サイトの量子化別ページにまとめています。
メモリが足りないとどうなりますか？
読み込みに失敗するか、システムメモリに逃がして極端に遅くなります。読み込む前に必要メモリを確認しておくと無駄がありません。
ダウンロードしたモデルは他のツールでも使えますか
使えます。GGUF形式のファイルなので、llama.cppやOllamaからも読み込めます。保存先のフォルダを確認して、同じファイルを指すようにすれば、二重にダウンロードせずに済みます。数十GB単位の節約になるので、複数のツールを試す段階では確認しておく価値があります。
どの量子化を選べばいいか分かりません
手元の容量に収まる中で、いちばんビット数の大きいものが基本です。4bit（Q4_K_M か IQ4_XS）がいちばんよく使われる軽さで、品質とサイズのつり合いが取れています。3bit以下は品質の落ち方が急になるため、4bitで収まらないならモデル自体を1つ小さいものに替えるほうが結果が安定します。モデルごとの実サイズは当サイトのモデル別ページに量子化別で載せています。