ローカルで AI を回す機械に、実際いくら要るのか。買った額と、組むときに踏んだ物理の罠。
動画・音楽・LLM を同じ機械・同じ条件で並べた記録。速いという話が、自分の機材の話とは限らないから。
VRAM が足りない、PC ごと落ちる、原因が分からない。直せた話と、まだ勝てていない話。
| 入力 | MiniMax Music3 | ACE-Step v1 3.5B |
|---|---|---|
| インスト (歌詞なし) | 37.55 秒 | 11.19 秒 |
| 英語の歌詞 | 63.74 秒 | 10.34 秒 |
| 日本語の歌詞 | 63.84 秒 | 10.16 秒 |
| VRAM ピーク | 15.3 - 15.5 GiB | 8.7 - 8.9 GiB |
| ディスク | 13.35 GiB | 7.17 GiB |
| モデル | 生成 tok/s | JSON そのまま | 必須語を保持 | 画像 60 語以内 | モーション 25 語以内 |
|---|---|---|---|---|---|
| qwen3.8:27b | 72.7-84.6 | 3/3 | 2/3 | 3/3 | 3/3 |
| gemma4:31b | 49.6-49.9 | 3/3 | 3/3 | 3/3 | 3/3 |
| qwen3:30b-a3b | 219.1-227.8 | 0/3 | 2/3 | 1/3 | 2/3 |
| qwen3:14b | 99.1-105.3 | 3/3 | 1/3 | 3/3 | 3/3 |
| nemotron-nano-9b-v2-jp | 138.4-139.2 | 1/3 | 3/3 | 1/3 | 1/3 |
| モデル | 解像度 / フレーム | 出力の尺 | 初回 (ロード込) | 定常 | 音 |
|---|---|---|---|---|---|
| LTX 2.5 (蒸留 int8) | 1280x704 / 241f / 25fps | 9.64 秒 | 80.2 秒 | 55.1〜60.1 秒 | あり |
| LTX 2.3 (fp8mixed) | 1280x704 / 241f / 25fps | 9.64 秒 | 105.7 秒 | 70.2〜90.2 秒 | あり |
| MiniMax H3 Turbo (4 steps) | 1344x736 / 243f / 24fps | 10.12 秒 | 151.1 秒 | 141.9〜150.6 秒 | あり |
| Wan 2.2 I2V 14B (20 steps) | 832x480 / 81f / 16fps | 5.06 秒 | 225.6 秒 | 220.6 秒 | なし |
測った結果のうち、なぜ試したのかと、どこで読み違えたのかまで残したいものは note に書いているわ。 数値そのものは 実測データ にも置いてあるから、 速く知りたいならそちらでいいの。
2026-08-19 ／ note
16.2GB の 27B が、8.6GB の 14B と同じ速さで回った。速さは体積で決まらなかったし、文脈を 262,144 まで伸ばした設定はエラーを出さないまま壊れていた。
この記事で出した実測: 文脈長を伸ばすと、どこで CPU へ退避するか ／ ローカル LLM 5 本に同じ指示を渡して、指示を守れた回数を数えた数値を見る
2026-08-19 ／ note
自分で作った曲のビートに合わせて、映像のカットを全部切り替えた。指示した BPM 100 は 3 曲とも出てこなくて、合わせる相手は指示した数字ではなく出てきた音のほうだった。
この記事で出した実測: 説明文に書いた BPM は、そのままでは出てこない数値を見る
2026-08-19 ／ note
開放重みの音楽モデル MiniMax Music3 を、いま使っている ACE-Step と同じ機械・同じ入力で並べた。6 倍おそくて、尺の指定は上限としてしか効かなかった。
この記事で出した実測: 音楽モデル 2 本に同じ入力を渡して並べた ／ 尺の指定は「上限」であって「指定」ではなかった数値を見る
| GPU | GeForce RTX 5090 (VRAM 32GB / Blackwell sm_120) |
| CPU | Ryzen 9 9950X3D |
| RAM | DDR5 128GB |
| OS | Windows 11 Pro (10.0.26200) |
測っている途中の断片は SNS に、まとまった記録は note に、数値そのものはここに置いているわ。 どれか 1 つだけ見てもらってもいいの。最新の投稿は右の欄に出しているわ。