LM Studioの使い方とローカルLLMの料金｜無料でAIを動かす完全ガイド (2026年版)

ローカルLLMとは、大規模言語モデル（たくさんの文章を学んだAIの本体）を、自分のパソコンの上で動かすことです。ネットにつながっていなくても、あなたのPUの中だけでAIが返事をします。ここがクラウド型のChatGPTとの決定的な違い。

LM Studioとは何か、ひと言でいうと

LM Studioは、オープンソースのAIモデルをパソコン上で動かすための専用アプリです。難しい設定コマンドを一切打たずに、アプリの画面だけでAIを起動できます。

対応OSはWindows、macOS、Linuxの3つ。LM Studio公式の案内によると、モデルの検索・ダウンロード・チャットまでを1つの画面で完結できる設計になっています（2026年7月時点）。

初心者がローカルLLMでつまずくポイントは、たいてい「環境構築」です。Pythonを入れて、ライブラリを揃えて、設定ファイルを書いて……ここで9割が脱落する。LM Studioはこの工程を丸ごと消してくれます。

具体的に何ができるのか、先に全体像を。

つまり、AIを動かすのに必要な作業がぜんぶこのアプリに入っています。次は一番気になるお金の話から。

ローカルLLMの料金は本当に無料なのか？

結論、アプリの利用料も、AIとの会話1回ごとの課金もありません。ここが破格。

クラウド型のChatGPTやClaudeは、たくさん使うほどお金がかかる仕組みです。とくにAPI（他のソフトからAIを呼び出す窓口）を使う開発では、文字のかたまり（トークン）を処理するたびに課金される。使えば使うほど積み上がっていきます。

ローカルLLMはこの従量課金がゼロ。1日に1万回聞いても、料金は変わりません。

ただし「無料」には正確な言い方があります。かかるお金がないわけではなく、かかり方が違うだけ。

表を一言でまとめると、ローカルLLMは「先にPC代を払い、あとはタダで使い放題」というモデルです。

だから判断基準はこう。ライトに月数回使うだけなら、無料枠のあるクラウドで十分。毎日大量に回す、機密データを扱う、開発でAPIを叩きまくる——そういう人ほど、ローカルの「使い放題」が効いてきます。

社内の問い合わせ対応をAIで自動化したい人は、ローカルとクラウドのコスト比較が特に重要になります。運用規模での損益分岐を先に知りたいなら、AIカスタマーサポートツールの選び方を読むと、この後の料金の話が腹落ちします。

LM Studioのインストール手順

導入はダウンロードして開くだけ。所要時間は5分もかかりません。

1. LM Studio公式サイトから、自分のOS用のインストーラーを落とす
2. インストーラーを起動して指示通りに進める
3. アプリを開く

ここまでは普通のアプリと同じです。難所はゼロ。

Macの場合、Apple Silicon（M1以降のチップ）搭載機だとAIの処理が速くなります。Windowsの場合は、NVIDIAのグラフィックボード（GPU）があると一気に快適になる。この理由は後半の「必要スペック」で説明します。

インストール直後の画面には、まだAIの本体が入っていません。次にやるのは、動かすAIモデルを選んで落とす作業です。

モデルをダウンロードして最初のチャットを始める

LM Studioを開いたら、検索画面から動かしたいAIモデルを選びます。ここが一番迷うところ。

ギズモード・ジャパンの解説では、多くのパソコンで動く例としてGoogleの「Gemma 3n E4B」が挙げられていました。軽量なモデルを選べば、MacBook Airのような薄型ノートでも試せます。

初めての1本は、軽いモデルを選ぶのが正解です。いきなり巨大なモデルを落とすと、ダウンロードだけで数十GB、起動しても固まる——という悲しい結末になりがち。

手順はこの流れ。

1. 検索画面でモデル名を入れる（例: gemma、qwen、gpt-ossなど）
2. サイズと量子化（後述）を見てダウンロード
3. チャット画面でモデルを読み込む
4. メッセージを打つ

読み込みが終われば、あとはChatGPTと同じ感覚で会話できます。ネットを切っても動くのが、地味に感動するポイント。

日本語で使いたいなら、日本語に強いモデルを選ぶこと。DevelopersIOの整理では、Qwen系の日本語性能が向上しているとされていました（2026年時点）。gpt-oss、Gemma 3、DeepSeek-R1あたりも、ローカルで人気の選択肢として名前が挙がっています。

ここまでの整理: LM Studioは「入れて、モデルを選んで、話す」の3ステップ。料金は従量課金がなく、実質タダ。ただし動かすには相応のPCが要る——次はその条件を詰めます。

動かすのに必要なPCスペックは？

ローカルLLMの快適さは、メモリ（とくにGPUのVRAM）でほぼ決まります。ここがローカルLLM最大の壁。

VRAMとは、グラフィックボードが持つ専用メモリのことです。AIモデルはこのメモリに丸ごと載せて動かすため、モデルが大きいほど大量のVRAMを食います。載りきらないと、極端に遅くなるか起動しない。

ローカルLLMガイド系の解説では、VRAMの目安として4GB／8GB／16GBといった区切りで語られることが多いです。ざっくりの体感を表にすると、こうなります。

表の要点はひとつ。メモリが多いほど、賢くて大きいAIが動きます。

ここで効くのがMacの特性です。Apple Siliconのメインメモリ（ユニファイドメモリ）は、AI処理でもまとめて使える設計になっています。だからメモリを多く積んだMacは、ローカルLLMと相性がいい。NVIDIAのGPUを積んだWindowsも、VRAMが大きければ強力です。

自分のPCで動くか不安な人は、まず軽量モデルから試すこと。落として動かせば、答えは一発でわかります。

量子化（Q4/Q6/Q8）って何を選べばいい？

量子化とは、AIモデルを軽くして、少ないメモリでも動くように圧縮する技術です。ローカルLLMを語るうえで避けて通れない言葉。

モデル名の後ろに「Q4_K_M」「Q6_K」「Q8_0」「BF16」といった記号がついているのを見たことがあるはずです。この数字が小さいほど、モデルは軽く・速く・少しおバカに、大きいほど重く・遅く・賢くなります。

写真の画質を落とすと容量が減るけど、細部がぼやける——あのイメージに近い。

結論を先に言うと、初心者は「Q4_K_M」で困りません。多くの解説でも、実用の落とし所として最初に挙がる定番です。

メモリに余裕があるなら1つ上のQ6_Kを試して、賢さの違いを体感してみる。この差を自分の目で確かめられるのが、ローカルの面白いところです。

LM StudioとOllama、どっちを選ぶべき？

同じローカルLLMツールでも、LM StudioとOllamaは「操作スタイル」が正反対です。ここで選び方が分かれる。

Ollamaは、Mac・Windows・LinuxでAIを動かせるオープンソースツールです。コマンド操作が中心で、開発者がサクッと動かすのに向いています。gpt-oss、DeepSeek-R1、Gemma 3、Qwen3といった人気モデルを、コマンドやAPI経由で手軽に扱えるのが特徴。

対してLM Studioは、画面（GUI）で全部やる。マウス操作でモデルを選び、ボタンでチャットを始められます。

表の結論はこう。とにかく画面で完結させたいならLM Studio、ターミナルに抵抗がなく開発に組み込みたいならOllamaです。

パソコンの操作に自信がない人、まず動かして感触を掴みたい人は、LM Studioが一択。この記事がLM Studio軸なのも、脱落率の低さが理由です。

ローカルサーバー機能で開発に組み込む

LM Studioには、地味だけど強力な機能があります。OpenAI互換のローカルサーバー。

これは、あなたのPCの中で動くAIを、他のソフトから呼び出せる「窓口」を立てる機能です。しかもこの窓口は、OpenAI（ChatGPTの会社）のAPIと同じ形をしています。

何が嬉しいのか。世の中の多くの開発ツールは「OpenAIのAPIを叩く」前提で作られています。LM Studioの窓口はそれと同じ形なので、接続先をLM Studioに向けるだけで、既存のツールがローカルAIで動く。

たとえばコマンドラインのAIコーディングツール「Codex CLI」を、LM Studioのローカルモデルにつなぐ使い方も紹介されています。クラウドのAPI課金なしで、開発にAIを組み込める形です。

開発でAIを叩く回数が多い人ほど、この「従量課金ゼロの窓口」の価値は大きい。試作段階で気兼ねなく回せます。

LM Studioが向いている人・向いていない人

ここまでの話を、判断できる形に落とします。全員におすすめ、ではありません。

向いている人

• 機密データを外部に出したくない（社内資料・個人情報を扱う）
• AIを毎日大量に使い、クラウドの課金がかさんでいる
• ネットが不安定な環境でも動かしたい
• 環境構築が苦手で、画面操作で完結させたい

向いていない人

• 月に数回しか使わない（無料枠のクラウドで十分）
• 最高性能のAIを常に使いたい（最新の大型クラウドモデルには及ばない場面あり）
• PCのメモリが少なく、買い替える気もない

正直に言うと、ローカルLLMは「クラウドの完全な代わり」ではありません。プライバシーとコストのために、少し性能を妥協して手元に置く選択です。この割り切りができる人には、破格の道具になります。

問い合わせ対応のように、扱う情報の機密性が高い業務ほどローカルの出番です。クラウド型と有人対応を組み合わせた設計を知りたいなら、AI顧客対応ツールの比較が参考になります。

関連する比較・代替を見る

ローカルLLMを検討するなら、隣り合うツールも一度眺めておくと選びやすくなります。

• LM StudioとOllamaを徹底比較 — 画面派かコマンド派かで即決できます
• LM Studioの代替ツール一覧 — 他の選択肢を横並びで
• Ollamaの代替ツール一覧 — 開発者向けの比較に
• LM Studio単体の詳細 — 機能とスペックの詳細
• Ollama単体の詳細 — コマンド運用の全体像

よくある質問（FAQ）

Q. LM Studioは完全に無料ですか？

アプリ本体は無料でダウンロードでき、会話1回ごとの課金もありません。かかるのはPCの電気代と、動かすためのPC本体だけ。従量課金でお金が積み上がる心配はゼロです。ただし商用利用は、動かすAIモデルごとのライセンスに従う必要があります。

Q. 会社のPCでも使えますか？

技術的には可能ですが、社内のセキュリティ方針とモデルのライセンス確認が先です。データが外部に出ない点はむしろ企業向きですが、ソフトの導入許可は情シスに一度通してください。

Q. 日本語で会話できますか？

日本語に対応したモデルを選べば、日本語で会話できます。UI自体は英語中心ですが、操作はシンプルです。日本語性能で選ぶなら、Qwen系やGemma系など日本語での評価が高いモデルから試すのがおすすめです。

Q. ネットがなくても動きますか？

モデルを一度ダウンロードすれば、あとは完全にオフラインで動きます。飛行機の中でも、ネットが落ちた日でもAIが使える。これがローカルLLM最大の安心感です。

Q. ChatGPTの代わりになりますか？

用途によります。要約・下書き・社内文書の処理なら十分実用的。一方で最高難度の推論や最新情報が絡む作業は、クラウドの大型モデルに軍配が上がる場面が残ります。使い分けが現実的です。

Q. どのモデルから始めればいいですか？

軽量モデルのQ4_K_M版から始めるのが失敗しません。Gemma系やQwen系の小さめモデルなら、多くのPCで動きます。動いたら少しずつ大きいモデルに挑戦する、この順番が安全です。

Q. LM StudioとOllamaは併用できますか？

できます。画面でお試しするときはLM Studio、開発に組み込むときはOllama、という使い分けも実際にあります。両方とも無料なので、まず両方入れて肌に合う方を残すのもありです。

AI PICKS編集部の判定

ローカルLLM入門の1本目として、LM Studioは一択です。理由はシンプルで、環境構築という最大の脱落ポイントを画面操作で消してくれるから。ここが他ツールと比べて圧倒的に優しい。

料金面の価値もはっきりしています。会話ごとの従量課金がゼロなので、AIを毎日大量に回す人や、機密データを外に出せない人には破格の選択肢。使えば使うほど、クラウドとの差が開いていきます。

ただし過度な期待は禁物です。手元で動く以上、最新の大型クラウドモデルと同じ賢さは望めません。PCのメモリという物理的な壁もある。「性能を少し妥協して、プライバシーとコストを取る道具」と割り切れる人にこそ刺さります。

まずは軽量モデルのQ4版を1本落として、オフラインで動かしてみる。その一発で、自分の用途に合うかどうかは体で分かります。

次に読むなら、画面派とコマンド派で最終的にどちらが自分に合うか決められるLM StudioとOllamaの比較がおすすめです。導入前の最後の判断材料になります。