コーディングに強いローカルLLM 2026。VRAM別の現実解とエージェント接続まで

自社プロダクトのソースコードは、外部AIに一番出しにくいデータのひとつです。だからこそ「コードを外に出さずにAIコーディング支援を使いたい」という相談が増えています。結論から言うと、2026年8月時点ではVRAM 24GBクラスにQwen3-Coder-30B-A3Bを載せる構成が定番で、16GB級ならgpt-oss-20bやDevstral Small 2、エディタ内補完だけならQwen2.5-Coderの小型版という住み分けです。本記事では、補完とエージェントという2つの用途を分けたうえで、VRAM別の現実解とコーディングエージェントへの接続要件を整理します。

この記事の要点

コーディング用途は「補完（FIM）」と「エージェント」で要件が別物です。補完は小型・低遅延が正義、エージェントは長コンテキスト（32K以上）とtool calling精度が決め手になります

定番はQwen3-Coder-30B-A3B（Apache 2.0）です。MoE構成で有効パラメータ3.3Bのため生成が速く、Q4量子化で24GBクラスに収まり、FIMとtool callingの両方に対応します

16GB級ではgpt-oss-20b（MXFP4で約12〜13GB）、単一GPUのエージェント用途ではDevstral Small 2（24B、SWE-bench Verified 68.0%）が有力です

Claude CodeはOllama v0.14.0以降・LM Studio 0.4.1以降のAnthropic互換APIでローカルモデルに接続できます。ベンチマークスコアは測定条件で大きく変わるため、鵜呑みにせず自社リポジトリで試すのが確実です

「補完」と「エージェント」は別物

ひとくちにコーディングLLMと言っても、用途は2つに分かれます。

	補完（FIM）	エージェント
動き方	カーソル前後の文脈から中間を埋める	指示を受けてファイルを読み、編集し、テストを回す
重要な性能	応答速度（数百ミリ秒）、FIM学習の有無	長コンテキスト、tool calling精度、エラーからの復帰
適したサイズ	3〜7B級で成立	実用は20B級以上
代表モデル	Qwen2.5-Coder（0.5B〜32B）、Seed-Coder-8B	Qwen3-Coder系、Devstral系、gpt-oss

FIM（fill-in-the-middle）は、カーソルの前後を見て中間を埋めるための専用の学習です。これを受けていないモデルは、どれだけ賢くてもCopilot型の補完には向きません。逆にエージェント用途では、モデルが自律的にツール（ファイル読み書き・コマンド実行）を正しく呼び続けられるかが成否を分けます。この能力の見極めは『ローカルLLMのtool calling』で詳しく解説しています。

実務では「補完用に小型FIMモデル、エージェント用に中型MoE」の2本立てが現実的です。1台で兼ねたい場合は、FIMとtool calling両対応のQwen3-Coder-30B-A3Bが候補になります。

主要モデルの整理（2026年8月時点）

モデル	構成	ライセンス	SWE-bench Verified	備考
Qwen3-Coder-30B-A3B	総30B/有効3.3B MoE	Apache 2.0	-（公式値なし）	256Kコンテキスト。FIM+tool calling両対応。ローカルの定番
Qwen3-Coder-Next	総80B/有効3B MoE	Apache 2.0	70.6%（SWE-Agent条件）	2026年2月公開のCoder系最新。統合メモリ大容量機向け
Devstral Small 2	24B密	Apache 2.0	68.0%	エージェント特化訓練。公式が「量子化で単一RTX 4090級」と明言
gpt-oss-20b	総21B/有効3.6B MoE	Apache 2.0	60.7%（reasoning=high）	汎用モデルだがコーディング良好。MXFP4で16GB級
gpt-oss-120b	総117B/有効5.1B MoE	Apache 2.0	62.4%（reasoning=high)	統合メモリ64GB以上向け
Qwen2.5-Coder系	0.5B〜32B密	Apache 2.0	-	FIM学習済みの補完定番。2024年11月公開だが現役
Seed-Coder-8B	8B密	MIT	-	FIMネイティブ対応の小型

注意点を2つ。第一に、SWE-benchのスコアは実行の足場（スキャフォールド）とターン数で大きく変わるため、条件の違う数値を横に並べて優劣を断定できません。上表もあくまで各社公表値です。第二に、より大型のオープンモデル（Devstral 2の123B、GLM系の300B級など)は性能面で上位ですが、ローカル実行にはワークステーション級の投資が必要で、本記事の主対象からは外しています。オープンモデル全体の勢力図は『オープンLLM勢力図2026』をご覧ください。

VRAM別の現実解

量子化はQ4クラス（gpt-ossはネイティブMXFP4）を前提にした目安です。正確な必要量はローカルLLM必要メモリ診断で確認できます。エージェント用途はコンテキストを大きく取るため、KVキャッシュ分の余裕を必ず見てください。

搭載メモリ	現実解	用途の目安
8GB	Qwen2.5-Coder-3B/7B（補完専用）	エージェントは実用下限以下
12〜16GB	gpt-oss-20b（約12〜13GB）、Devstral Small 2 Q4（約14GB）	軽めのエージェント作業まで
24GB（RTX 3090/4090、32GB Mac）	Qwen3-Coder-30B-A3B Q4（約18〜19GB）、Qwen2.5-Coder-32B Q4	エージェント実用ライン
統合メモリ64GB以上（Mac等）	gpt-oss-120b（約61GB、128GBなら快適）、Qwen3-Coder-Next Q4	本格的なエージェント運用

30B-A3Bのようなブランド名の「A3B」は、MoE（専門家混合）で1トークンあたり実際に動くのは3.3B分だけという意味です。メモリには総パラメータ30B分が必要ですが、生成速度は小型モデル並みに出ます。ハードウェア選びの基礎は『予算別ローカルLLM PC 2026』にまとめています。

コーディングエージェントにつなぐ

2026年時点で、接続まわりは大きく整備されました。

Claude Code: Ollama v0.14.0以降がAnthropic Messages APIにネイティブ対応し、ANTHROPIC_BASE_URLをローカルに向けるだけで接続できます。LM Studioも0.4.1以降でAnthropic互換エンドポイントを提供しています。設定手順と実用性の現在地は『Claude Codeをローカルモデルで動かす』で詳しく解説しています
Cline・Continue等: OpenAI互換APIで接続します。Qwen公式もCline接続の設定例を公開しています
コンテキスト長: エージェント作業は消費が激しく、32K以上が実用の目安です（Ollama公式も32K以上を推奨）。既定値が小さいまま使って「すぐ文脈を忘れる」と誤解するケースが目立ちます
tool calling: モデルによってパーサーやチャットテンプレートの整備状況が異なり、同じモデルでも配布元の設定次第で動作が変わることがあります。導入時は必ず「ファイル編集→テスト実行→修正」の一連の流れが完走するかを確認してください

選定時の注意（スコアの読み方）

コーディングLLMはベンチマーク競争が激しい分野で、数字の扱いに注意が要ります。

SWE-bench等のスコアは大半がベンダー自己申告で、スキャフォールド・ターン数・reasoning設定で数ポイント単位で変わります
「日本語での指示にどれだけ従うか」はコーディングベンチには表れません。日本語コメント・日本語仕様書ベースの開発なら、日本語性能の整理も併せて確認してください
最終判断は、自社の実リポジトリで半日試すのが一番安上がりです。評価用に「バグ修正・小機能追加・テスト追記」の3タスクを用意しておくと比較しやすくなります

導入前チェックリスト

用途を「補完」「エージェント」に分けて要件を書き出した
候補モデルがメモリに載ることを確認した（必要メモリ診断。エージェントはコンテキスト分の余裕も）
コンテキスト長を32K以上に設定した
tool callingで「編集→実行→修正」の一連が完走することを確認した
ベンチスコアではなく自社リポジトリの実タスクで比較した
コードを外に出さない要件（契約・規程）を整理し、ローカル化の根拠を明文化した

まとめ

「コードを外に出さずにAIコーディング支援を使う」は、2026年時点で現実的な選択肢になりました。24GBクラスのGPUか32GB以上のMacがあれば、Qwen3-Coder-30B-A3Bを軸にエージェント作業まで実用になります。一方で、モデル選びよりも、コンテキスト設定・tool callingの検証・実タスクでの評価という導入プロセスの方が成果を左右します。

TodoONadaでは、開発チーム向けのローカルLLM環境構築（モデル選定・エージェント接続・運用設計）を支援しています。「自社のコードベースで実際どこまで使えるのか」を検証する段階からご相談いただけます。