Llama 4 ローカルで動かす方法・性能・ライセンス【Meta 2026年】

3行まとめ

1. Llama 4 Scoutは109Bパラメータ（17Bアクティブ）のMoEモデルで、Q4_K_M量子化では実測約65GBが必要。RTX 5090（32GB）1枚には載らず、複数枚かH100クラスが必要になる
2. Maverick（400B）はQ4でも約200GB必要で、個人のローカル環境にはほぼ載らない——クラウドGPUが現実的
3. ライセンスは商用利用可だが、月間アクティブユーザー7億人超で別途許諾が必要、EU向けマルチモーダル利用に制限あり

Llama 4 Scout / Maverickの基本スペック

MetaはLlama 4 ScoutとMaverickを2025年4月5日にリリースした（CoderSera調べ）。どちらもMixture-of-Experts（MoE）設計で、テキストと画像の両方を入力できるネイティブマルチモーダルモデルだ。

Scoutの10Mトークンコンテキストは、GPT-4oの128Kウィンドウの約78倍に相当する。ソフトウェアコードベース全体や、小説25冊分を1プロンプトに入力できる計算になる（CoderSera調べ）。

2025年4月、MetaはLMArenaに「Llama-4-Maverick-03-26-Experimental」という特別チューニング版（一般公開されているMaverickとは別物）を提出し、その版がリーダーボード首位を獲得した。その後LMSYS側が「ラベル表示が不十分だった」と認め、一般公開版のMaverickは同じLMArena上で明らかに低いスコアになっている（CoderSera調べ）。なお元の記述にあった「ELO 1,417」「benchmaxxing」という具体的な数値・用語は、この記事の出典6件のいずれにも見当たらなかったため、2026-08-27に上記の内容に訂正した。

なお、2Tパラメータ級の「Behemoth」は2026年6月時点でも未公開のままだ。

ローカルで動かすためのハードウェア要件

VRAM要件はモデルサイズと量子化方式で大きく変わる。以下のQ4_K_M・Q8_0はHugging Face API（unsloth/Llama-4-Scout-17B-16E-Instruct-GGUF、2026-08-27にファイルサイズを実測）に基づく実測値、FP16・INT4はCompute Market・APXML・Spheron調べ。

Scout（109B）

Q4_K_M・Q8_0はHugging Face上のGGUF実ファイルの合計サイズを2026-08-27に直接集計した値（Q4_K_M：49.8GB+15.5GB＝約65.4GB、Q8_0：49.8GB+49.9GB+14.8GB＝約114.5GB）。RTX 5090（32GB）1枚には載らず、複数枚構成かH100クラスが必要になる（2026-08-27修正：元は二次ブログの記載を基に「Q4_K_M約25GB・RTX 5090×1枚で動く」「Q8約45GB」としていたが、いずれも実測の半分以下に過小だった）。

Maverick（400B）

Maverickは個人向けGPU1枚では動かない。クラウドGPU（H100で約$2.50/時間）が現実的な選択肢になる（Spheron調べ）。

Apple Silicon Mac

Apple Siliconの統合メモリは大容量モデルに有利だが、実測ベースのQ4_K_M（約65GB）は36GB・48GB構成のM4 Pro/Maxには収まらず、128GB以上の統合メモリを積んだ構成が必要になる。ただしGPUと比べると推論速度は遅く、目安として5〜15トークン/秒程度（CPU寄りの速度）になる。

Ollamaでの導入手順

ローカルLLMとは何かでも紹介しているOllamaは、最も手軽なローカルLLM導入ツールだ。

# 1. Ollamaインストール（macOS）
curl -fsSL https://ollama.com/install.sh | sh

# 2. Llama 4 Scoutを取得・起動
ollama run llama4

# 3. APIサーバーとして利用（OpenAI互換）
curl http://localhost:11434/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{"model": "llama4", "messages": [{"role": "user", "content": "Hello"}]}'

OllamaはOpenAI互換APIを提供するため、既存のOpenAI SDKコードをほぼそのままローカルに向けられる。

llama.cppで動かす場合

より細かい制御が必要な場合はllama.cppを使う。GGUFフォーマットの量子化モデルをHugging Faceからダウンロードし、llama-serverコマンドで起動する流れになる。

# ビルド（CUDA対応）
cmake -B build -DGGML_CUDA=ON
cmake --build build --config Release

# 起動
./build/bin/llama-server -m llama-4-scout-q4_k_m.gguf --ctx-size 8192

ライセンス比較——他のオープンモデルとの違い

Llama 4は「Llama 4 Community License Agreement」の下で配布されている（Meta公式）。ローカルLLMおすすめモデル10選で紹介している他のオープンモデルとの比較は以下の通り。

注意すべき点は2つある（Meta公式のライセンス本文はJavaScriptで描画されるページのためcurlでの直接確認ができず、以下はCoderSeraの解説記事に基づく。2026-08-27修正：元の表にあった「出力で競合モデル訓練：禁止」という行は、この記事の出典6件のいずれからも文言を確認できなかったため削除した）。

1. 7億MAUルール：Llama 4リリース前月の月間アクティブユーザーが7億人を超えるサービスで使う場合、Metaから別途ライセンスを取得する必要がある。個人や中小規模の事業者にはほぼ関係ない
2. EUマルチモーダル制限：EU域内に本拠地を置く（domiciled）企業・個人には、Llama 4のマルチモーダル機能（画像入力）の利用権・配布権が付与されない。テキストのみの利用は制限対象外

スペック上の数字と実際の使用感のズレ

• Scoutの10Mトークンコンテキストは仕様上の数値で、ローカル環境でフルに使うにはVRAM不足になる場合が多い。実用上は8K〜32K程度で使うケースが大半と思われる
• MaverickのLMArenaでの好成績は、公開版とは別の特別チューニング版によるもので、LMSYS自身がラベル表示の不十分さを認めている。実タスクでの性能は、当初の話題性ほど他モデルと差がない可能性がある
• 量子化によるVRAM節約は品質低下とのトレードオフ。Q4量子化でどの程度の品質劣化があるかはタスクに依存する
• Apple Siliconでの推論速度は、NVIDIA GPU比で大幅に遅い。「動く」と「実用的な速度で動く」は別

ベンチマークとライセンスの確認先

本記事の情報は2026年6月時点のもの。ベンチマークスコアや量子化時のVRAM要件は、ソフトウェアの更新や測定条件により変動する。ライセンス条件の正確な内容はMeta公式のLlama 4 Community License Agreementを参照のこと。記載の価格・スペックは各出典元の報告に基づく。