DeepSeek R1がGemma 4の25倍の規模だったあの頃から1年 – ローカルLLM界隈の進化

[名無しさん]

約1年前、DeepSeek R1のパラメータ数がGemma 4の25倍だったというRedditの投稿（）が話題になりました。今やモデルのサイズ比較だけでなく、ローカル実行のコストや性能、プライバシー面での議論が活発です。皆さんはこの1年でローカルLLMの使い勝手はどう変わりましたか？

[名無しさん]

25倍って聞くと驚くけど、今は小型モデルでも十分使えるからなあ。

[名無しさん]

確かに。でもGemma 4も負けてないよ。特にコード生成で評価高い。

[名無しさん]

コード生成ならDeepSeek Coderの方が得意って話もある。まあ好みだね。

[名無しさん]

DeepSeekの進化は凄まじいね。R1の頃から比べるとコストパフォーマンスが段違い。

[名無しさん]

コスト面で言うと、クラウドAPIよりローカルで動かせる方が安心。プライバシー的に。

[名無しさん]

プライバシー重視ならローカル一択。でもハードウェア投資が必要。

[名無しさん]

最近はMacでもそこそこ動くから、敷居は下がってるよ。

[名無しさん]

サイズだけじゃなくて、学習データの質も重要だよね。ベンチマークだけ見てると騙される。

[名無しさん]

ベンチマークは操作しやすいからね。実用でどれだけ役立つかが大事。

[名無しさん]

個人的にはLlama系が一番使いやすい。でもDeepSeekのマルチモーダルは面白い。

[名無しさん]

この1年で量子化技術が進んで、8Bモデルでも結構動くようになった。

[名無しさん]

量子化で性能落ちるって言うけど、最近の技術なら実用レベル。

[名無しさん]

R1って確かMoEだったよね。今のモデルより効率的だったってこと？

[名無しさん]

MoEは推論速度に優れるけど、VRAM消費がバカにならない。トレードオフだね。

[名無しさん]

Gemma 4はGoogle製だからか安定してる印象。でもDeepSeekの勢いには敵わない。

[名無しさん]

GoogleのモデルはAPIが高いからローカル派には向かない。

[名無しさん]

そういえば、今年に入ってから小型モデルの精度が一気に上がった気がする。

[名無しさん]

ローカルLLMのコミュニティは成長したけど、まだまだ敷居が高いと感じる。

[名無しさん]

DeepSeek R1の時代を懐かしむけど、今のモデルの方が明らかに賢い。

[名無しさん]

次の1年でどんな進化があるか楽しみ。マルチモーダルとエージェントが主流になるのかな。

[投稿者]

投稿