7B LLM · ローカルTTS / 音声 · 文書AI / OCR
- 一般的な4bitモデルは実用的です
- 一般的な6GB入門ラインを満たします
- GPU支援型文書AIの良い入門構成です
注意点: 14B LLM: 大きなCPU/RAMオフロードが必要になりやすいです
ブラウザから見えるGPUを検出し、軽量なWebGPU計算テストを実行して、ローカルLLM、音声、文書AI、音楽、画像、動画生成への実用的な適性を表示します。テストはブラウザ内で実行され、AILocalabsがベンチマーク用バッファやファイルをアップロードすることはありません。
このPCを診断する
ブラウザテストの前に使える実用的な目安です。一般的な量子化ローカル推論を想定しており、モデル構造、コンテキスト長、バックエンド、解像度、CPU/RAM オフロードで必要量は変わります。
注意点: 14B LLM: 大きなCPU/RAMオフロードが必要になりやすいです
注意点: 14B LLM: 量子化、コンテキスト、部分オフロードが重要です
注意点: 32B LLM: 大きなオフロードとコンテキスト削減が必要です
注意点: 32B LLM: 量子化とCPU/RAMオフロードが必要になりやすいです
注意点: LLMは一般的な量子化ローカル推論を前提にしています。画像・動画モデルはメモリ差が大きいため、判定は保守的です。
AILocalabs の主要 AI ワークフローは自分の Windows PC 上で動作します。まずこの端末を確認し、実際に使いたい用途に合うアプリを開いてください。
WebGPU/WebGLのGPU情報、論理CPUスレッド数、ブラウザが公開する概算メモリ値を取得し、小さなCompute Shaderをローカルで実行します。
ブラウザはフィンガープリンティング対策で一部のハードウェア情報を意図的に隠します。このツールは実際に取得できた値だけを表示し、API上限を物理VRAMのように見せません。
Windowsなどのデスクトップブラウザでは、WebGPU/WebGLからGPUメーカーとモデルを正確に取得できることがあります。
計算スコアは現在のGPUでWebGPU shaderを実行し、ウォームアップ後に複数回測定した結果です。
ブラウザには信頼できる物理VRAM APIがありません。RTX 4060 Tiの8GB/16GBのようなモデルはユーザー確認が必要です。
ブラウザから取得する信号、WebGPU ベンチマークの規模、スコア境界を公開し、結果をブラックボックスではなく検証・引用できる情報として扱えるようにしています。
測定方法レビュー: 2026年8月30日WebGPU/WebGL が公開する GPU 識別情報、論理 CPU スレッド、概算システムメモリクラスを読み取ります。WebGPU の resource limit は API 上限として表示し、物理 VRAM として扱いません。
1 回のウォームアップ後に 3 つの計測サンプルを取得します。各サンプルは 524,288 個の float 要素に対して 3 回の compute dispatch を行い、各 shader invocation は 96 回の算術反復を実行します。中央値を compute score に使用します。
ブラウザ GPU compute は最大 85 点、確認済みまたは一意に推定できる VRAM は最大 15 点です。量子化、コンテキスト長、backend、解像度、driver、温度、CPU/RAM offload により実際の結果は変わります。
場合によります。デスクトップブラウザはGPUベンダー、アーキテクチャ、デバイスID、WebGL rendererなどを公開することがありますが、プライバシー保護はブラウザごとに異なります。
信頼性の高い方法はありません。WebGPUのresource limitは物理VRAM容量ではありません。モデルに一意のVRAM構成がある場合だけ自動入力します。
違います。ローカルAI適性を見るための軽量なブラウザWebGPU計算スコアです。ドライバ、電源モード、温度、バックグラウンド負荷で結果は変わります。
ハードウェア検出と計算テストはページ内で実行され、ファイルやベンチマークバッファはアップロードしません。通常のWebホスティングと解析は標準的なリクエスト情報を受け取る場合があります。