
ローカルで動くコーディング特化モデル比較。Qwen3-Coder・Devstral・gpt-oss
ローカルでコードを書かせるなら、汎用モデルよりコーディング特化モデルが効くことが多い。Qwen3-Coder、Devstral、gpt-ossを、ローカル動作の観点で比較します。選ぶ軸はライセンス・VRAM・コンテキスト長です。
比較の軸
コーディングモデルをローカルで選ぶとき、見るべきは次の4点です。
ライセンス: 商用利用できるか(Apache/MIT vs 制限付き)
VRAM・活性パラメータ: 手元の機材で動くか
SWE-Bench Verifiedなどのスコア: 実タスクの解決力
コンテキスト長: 大きなコードベースを一度に読めるか
候補モデル
ローカル向けの主な候補です。

Qwen3-Coder: ローカルの主力
Qwen3-CoderはAlibabaのコード特化シリーズです(Qwen3-Coder公式ブログ)。
ローカルで現実的なのは30B-A3B(MoE、活性3Bで高速)
Apache 2.0で商用しやすい
フラッグシップ480B-A35Bは本番サーバー向け
「まずローカルでコード補助を試す」なら30B-A3Bが入口になります。
Devstral: 軽量で長コンテキスト
DevstralはMistralのコーディングモデルです(Mistral Devstral公式)。
Devstral Small(24B、Apache 2.0)は単一RTX 4090や32GB Macで動作
長いコンテキストに対応し、SWE-Bench Verifiedで上位の報告
24Bと手頃で、民生GPUに載せやすい
24GB級のGPUやMacで、実タスク解決力の高いモデルを動かしたいなら候補です。
gpt-oss: 汎用だがコードも
gpt-ossはコード専用ではありませんが、reasoning対応で複雑なコードにも使えます。20Bなら16GB級で動くため、「汎用+コード」を1モデルで賄いたい場合に。
選び方の結論

VSCodeでのローカルコーディング環境(Continue/Cline/Tabby)は『VSCodeでローカルCopilot』で扱います。なお各モデルの後継(Devstral 2やQwen3-Coder-Next等)も出ており、スコアや仕様は流動的なので導入時に公式を確認してください。
まとめ
ローカルのコーディングは汎用より特化モデルが効く。軸はライセンス・VRAM・SWE-Bench・コンテキスト長
Qwen3-Coder-30B-A3Bがローカル主力(Apache 2.0、MoEで高速)
Devstral Small(24B)は民生GPU/Macで動き実タスク解決力が高い
gpt-oss 20Bは汎用+コードを1モデルで。後継モデルも出ており仕様は流動的
主な参考資料: Qwen3-Coder公式ブログ、Mistral Devstral公式、OpenAI gpt-oss
TodoONadaでは、用途に合ったコーディングモデルの選定とローカル開発環境の構築を支援しています。お問い合わせはこちら。