{
  "$type": "site.standard.document",
  "bskyPostRef": {
    "cid": "bafyreic6bfelt2kmblzcjp744nlgcbcmx62pdgxvj4pgk6sc2wgsu3fzvu",
    "uri": "at://did:plc:hzgu7qyp34ofph3btawzwyw4/app.bsky.feed.post/3mn56d4in2ax2"
  },
  "coverImage": {
    "$type": "blob",
    "ref": {
      "$link": "bafkreihrlwkw33gzlzie7ium4qw7jvjuod6tnp4np6hy7d5mjwvmnopxl4"
    },
    "mimeType": "image/png",
    "size": 68694
  },
  "path": "/keitayamamoto/articles/4380d3f64c8bf1",
  "publishedAt": "2026-05-29T16:43:07.000Z",
  "site": "https://zenn.dev",
  "textContent": "ローカルLLMの性能が気になる\nローカルLLMの性能がどんなもんか気になったのでベンチマークをとってみました。\n主にコーディング用途を意識していて、コーディング系でコンパクトな Aider Polyglot というベンチマークのサブセットを使っています。\n\n 計測対象モデル\n\n\n\nモデル\n量子化\nサイズ\n推論エンジン\n\n\n\n\nDeepSeek V4 Flash\nq2-imatrix\n81GB\nds4\n\n\nQwen3.6 35B A3B\nQ4_K_M\n22GB\nLM Studio\n\n\nGemma 4 26B A4B\nQ4_K_M\n18GB\nLM Studio\n\n\nClaude Sonn...",
  "title": "ローカルLLM（Qwen3.6 / Gemma4 / DeepSeek V4 Flash）+ Claude ベンチマーク比較"
}