Qwen vs Gemma：ローカルOllamaモデルの選び方
公開日:
読了時間: 1 min
テーマ: テクノロジー
著者: Leandro Valencia
ローカルで言語モデルを動かすとき、QwenとGemmaのどちらを選ぶかの実践ガイド。コード、控えめなハードウェア、多言語タスク、Ollamaでの一般用途を比較する。
目次
QwenとGemma、それぞれ一言で
Qwen（Alibaba）は広いカバー範囲に賭けるファミリーです。サイズの種類が多く、コンテキストウィンドウは長く、多言語サポートがしっかりしていて、同じファミリーのなかにプログラミング専用のブランチ（qwen3-coder）もあります。用途がよく変わるなら——今日は文書を要約し、明日はコードを書き、明後日は翻訳する——Qwenはタスクごとに適切なバリアントを持つ、ひとつのエコシステムをくれます。
Gemma（Google）は効率と自然さに賭けます。「実効パラメータ」バリアント（e2b、e4bタグ）と学習時量子化（QAT）のおかげで、控えめなハードウェアでもよく動くよう設計されたモデルです。加えて、多くの人がロボットっぽさが少ないと感じる文体もあります。Qwenが提供していないものもあります。エッジ向けバリアントと統合12Bモデルでの、ネイティブな音声入力です。
どちらも抽象的な意味で「一番」ではありません。正しい問いは、どのファミリーが勝つかではなく、自分がやることに対してどちらが勝つかです。
判断の枠組み：選ぶ前の4つの問い
1. 主なタスクは何か？
定期的にコードを書くなら——とくに断片ではなくリポジトリ全体を相手にするなら——qwen3-coderブランチはまさにそのために訓練されています。学習データにコードの割合が高く、生成したコードが実際に動くよう強化学習されています。Gemmaには、その水準でコードに特化した直接の同等物はありません。一般的なプログラミングには十分ですが、それが公式に掲げている得意分野ではありません。
用途が執筆、要約、メール、文書分析、雑談寄りの会話なら、どちらのファミリーもよくこなします。差はファミリーそのものより、サイズと量子化に左右され始めます。
2. どんなハードウェアを持っているか？
ここはGemmaに設計上の利点があります。e2bとe4bバリアントは、名前から想像するより少ないメモリで動くよう最初から訓練されており、-it-qat版（学習を意識した量子化）は、訓練後に圧縮するときの典型的な品質低下なしに、消費をさらに下げます。マシンのRAMが8 GB以下なら、あるいはエッジ端末で動かしたいなら、そこから始めてください。
Qwenも小さなサイズ（2B、4B）を出しており、控えめなマシンでもよく動きます。ただファミリーとしての強みは、中サイズ（9B以上）からよりはっきりします。そこでは品質と重さのバランスが非常に競争力があります。
3. 広い多言語サポートが必要か？
ここはQwenが目立つことが多いです。当初から多言語に強く振り、アジアの言語や、あまり一般的でない言語ペアの翻訳で特にそれが表れます。仕事で複数言語のコンテンツを定常的に扱うなら、いちばん無理のない出発点です。
Gemmaも複数の言語はこなしますが、独自の強みは別のところにあります。カバーの広さより、すでに強い言語でのテキストの質と自然さです。
4. 入力のモダリティは重要か？
モデルに音声を直接理解させたいなら——ボイスメモ、通話の断片——Gemmaが選択肢です。エッジ向けバリアントと統合12Bモデルがネイティブに対応しているからです。Qwenのどのバリアントも、いまこれは提供していません。テキストと画像だけで足りるなら、どちらのファミリーも問題なくカバーします。ツール呼び出しと推論モードも、ほとんどのサイズにあります。
Qwenが勝ちやすいとき
- エージェント的なプログラミング、またはリポジトリ全体を対象にした作業（
qwen3-coder）。 - 多様な多言語作業。とくにアジアの言語。
- 簡単なタスクから本格的な推論まで、中間サイズの段階が多く、ひとつのファミリーでカバーしたいとき。
- ファミリー全体で一貫して、非常に長いコンテキストウィンドウが必要なとき。
Gemmaが勝ちやすいとき
- 控えめなハードウェア、またはエッジの場面。実効パラメータサイズとQATのおかげです。
- 純粋な推論の速さより、文章の質と自然なトーンが大事なタスク。
- 先に書き起こしを通さず、モデルに音声を直接処理させたいとき。
- 中サイズで、メモリとコンテキストの密度が良い長文。
これらの規則はどれも絶対ではありません。2つのファミリーのあいだで観察できる傾向であり、特定のモデルがあなたの個別のケースで他方を上回る保証ではありません。確実に知る唯一の方法は、自分のタスクで両方を試すことです。
決め打ちせずに自分で試す方法
ファミリーを「永遠に」選ぶ必要はありません。両方を入れておき、タスクごとに決められます。
ollama pull qwen3.5:9b
ollama pull gemma4:e4b-it-qat
これで、16 GBマシンでも扱えるサイズの、各ファミリーの妥当な代表が手に入ります。同じ本番のタスク——自分のメール、自分の要約、自分のコード断片——を両方で試し、比べてください。自分に大事なことそのものを測るので、どのベンチマーク表より参考になります。
マシンがもっと控えめなら、それぞれ小さい版（qwen3.5:4bとgemma4:e2b-it-qat）に差し替えてください。定期的にコードを書くなら、メモリが支えられるときにqwen3-coder:30bを混ぜます。
QwenとGemmaを比べるときのよくある失敗
サイズと量子化ではなく、バージョン名で比べる。 qwen3.5:4bとgemma4:e4b-it-qatは、両方ともマシンに「載る」からといって比較対象ではありません。アーキテクチャも訓練の目的も違います。バージョン番号ではなく、具体的な用途で比べてください。
新しいファミリーのほうが、自分にとって常に良いと決めてかかる。 AlibabaもGoogleも頻繁に更新を出しますが、すべての更新が自分の大事な点を良くするわけではありません。新しい版が推論ベンチマークでは上がり、文章の質は何も変わらない、ということはありえます。
出典を確認せず、第三者のベンチマークをうのみにする。 ローカルモデルのカタログは変化が速く、未検証、あるいはサイト間で真っ向から矛盾する性能数字が流れます。数字で決める前に、公式カタログのollama.com/libraryを見てください。そのデータが本当に大事なら、元の出典（AlibabaまたはGoogle）のモデル技術カードも見てください。
Qwenの有料コードプランを無視し、全部が無料だと決めてかかる。 Qwenの重みとそのCLIはApache 2.0ライセンスで自由に使え、Ollamaで完全に無料で動かせます。Alibabaは別に、クラウドでホストするQwen Codeのサブスクリプションも出しています。別のサービスであり、モデルをローカルで使う条件ではありません。
よくある質問
Qwen3.5:9bとgemma4:e4b、どちらを選ぶ？
タスク次第であり、「全般にどちらが上か」ではありません。プログラミングや多様な多言語作業なら、Qwenから始めてください。ハードウェアが厳しい、文章のトーンが自然であってほしい、音声を処理したい、ならGemmaから。どちらも16 GBマシンに余裕をもって載り、決める前に自分のタスクで両方試す価値があります。
「Qwen 4」はもう出ている？
本稿執筆時点では、Qwen3.5がAlibabaによる確認済みの公式リリースであり、サイズは0.8Bから122Bまであります。AlibabaはQwen 3シリーズの更新を頻繁に出すので、入れる前にollama.com/library/qwen3.5の利用可能なタグを見て、読んでいる時点の現行版を確認してください。
Qwenのコードプランとは何か？
Alibabaが自社インフラ上でホストするQwen Codeを使う有料サブスクリプションで、自分のハードウェアを管理せずにモデルを使いたいチーム向けです。同じモデルをOllama経由で無料かつローカルに動かすこととは独立しています。
プログラミングならどちらのファミリーが良いか？
リポジトリ規模のコード作業なら、そのタスク向けに訓練と調整されたqwen3-coderブランチが選択肢です。Gemmaは一般的なプログラミングには十分ですが、同等の専用バリアントはありません。
マシンが控えめならどちらが良いか？
Gemmaです。実効パラメータバリアント（e2b、e4b）と学習時量子化（QAT）のおかげで、訓練後に圧縮するときの典型的な品質低下なしに、メモリ消費を下げられます。
実務上の結論
「QwenかGemmaか」に唯一の答えはありません。「16 GBのノートPCでプログラミングするならQwenかGemmaか」には唯一の答えがあり、それは上の枠組みで作れます。何をするか、どんなハードウェアか、多言語が重要か、テキストと画像以外のモダリティが要るか。各ファミリーの代表をダウンロードし、自分のタスクで試し、いまのベンチマーク表で勝ったほうではなく、自分の必要をいちばんよく満たすほうを残してください。
このガイドで挙げたサイズ、タグ、能力は、Ollama公式カタログと、2026年9月に参照したAlibabaおよびGoogleの技術カードに対応します。どちらのファミリーも更新は頻繁です。ダウンロード前にollama.comで現行タグを確認してください。
関連記事
興味を持ちそうな関連コンテンツを探し続けましょう
使うべき9つのAIツール（それぞれの用途も解説）
ChatGPT、Qwen、Codex、Ollama、Google Flow、Vibes、Perchance、Trebloの9つのAIツールの実践ガイド。それぞれの機能、対象ユーザー、料金、使うべきタイミングをわかりやすく解説します。
日常使いに最適なOllamaモデル（2026年版ガイド）
Ollamaモデル選びの2026年版ガイド。Qwen 3.5、Gemma 4、gpt-oss、qwen3-coderなどの比較表と、量子化、必要RAM、お使いの環境に応じたインストール先を解説。
企業でAIを使う際のセキュリティとプライバシー：ChatGPTやClaudeに共有してはいけないデータ
企業へのAI導入を検討する際にChatGPTやClaudeに貼ってはいけないもの：資格情報、顧客データ、健康情報、未成年者、契約書。コンシューマー vs Team プラン、個人アカウント、1ページのポリシー。
提携
私が毎日使っていて、このコミュニティがより良い条件で使えるツールです。