メインコンテンツへスキップ
見出し画像

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。


    画像
    表1: モデル / サイズ / ライセンス / 特徴


    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


    画像
    表2: 状況 / おすすめ


    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。

     
     
    Claude/Cursor/Codexを使ってシステム開発xマーケx営業を並列開発する経営者。 元日本オラクルでシステムの受託会社であるTodoONadaをやっています。 http://defform.comも自社サとして運営中。

    あなたへのおすすめ