ローカルLLMとClaude Codeで攻めるAI開発環境の選び方。実務者がRTXとMacを徹底比較

3行要約

• AIエージェントを実務で回すなら、VRAM 16GB以上のRTXか、メモリ64GB以上のMacBook Proが必須の選択肢となります。
• DeepSeekやGLMなどの最新軽量モデルを自前で動かす「ローカル完結型」の構築が、コストとセキュリティの両面で最強の投資です。
• 8GB以下のVRAMを積んだGPUを買うのは、今のAIトレンド（Agent Sandbox等）を考えると「安物買いの銭失い」になるリスクが高いです。

結論: まず選ぶべき構成

結論から言うと、あなたが「AIで仕事を自動化したい」「ハッキングレベルの高度なスクリプトを生成させたい」と考えているなら、中途半端なスペックは避けるべきです。 今回の韓国の銀行へのサイバー攻撃で使われたとされるスタック（ARTEXやClaude Code、複数のLLMの組み合わせ）は、AIが自律的に動き続ける「エージェント型」の運用を前提としています。 これを個人の環境で再現、あるいはそれに対抗する開発を行うには、モデルを複数同時にロードできるだけのメモリ容量が生命線になります。

Windows環境であれば、VRAM 16GBを搭載した「RTX 4060 Ti 16GB」が最低ライン、理想は24GBの「RTX 4090」です。 Mac環境であれば、統一メモリの利点を活かして「M3 Max / M4 Max搭載のメモリ64GB以上」を選んでください。 「とりあえず動けばいい」という入門者であっても、VRAM 12GB（RTX 3060等）は確保しないと、最新のQwenやLlama 3クラスの量子化モデルすらまともに動かず、結局買い直す羽目になります。

用途別おすすめ

この中で、今もっとも「賢い買い物」と言えるのは、楽天やAmazonでポイント還元を含めて狙う「RTX 4060 Ti 16GB」です。 「16GB」という数字が重要で、AIペネトレーションツール（ARTEXなど）のように複数のプロセスがLLMを叩く環境では、速度よりも「メモリから溢れないこと」が安定稼働の絶対条件になります。

もしあなたがMac派なら、最低でも36GB、できれば64GB以上のモデルを強く推奨します。 Apple SiliconのMacはメモリを後から増設できないため、ここでケチるとAIエージェントを動かした瞬間にスワップが発生し、一気に動作が重くなります。 特にClaude CodeやCline（旧Claude Dev）のように、ローカルのファイルを大量に読み込ませるツールを使う場合、メモリ容量がそのまま「一度に扱えるコンテキスト量」の快適さに直結します。

買う前のチェックリスト

• チェック1: VRAM容量（GPUメモリ）は12GB以上あるか？ 現代のAI開発において、VRAM 8GBはすでに「過去の遺物」です。画像生成ならまだしも、LLM（大規模言語モデル）を実務で使うなら、量子化されたモデルをロードするだけで5〜8GB消費します。余裕がないとエージェント（Agent Sandbox等）を動かす隙間がありません。

• チェック2: PCの電源ユニットは容量に余裕があるか？ 特にRTX 4090を検討している場合、定格850W、できれば1000W以上の電源が必要です。私は4090を2枚挿していますが、ピーク時の消費電力は凄まじく、安物の電源だとシステムごと落ちます。

• チェック3: ローカルLLMを動かす「目的」は明確か？ 単に「ChatGPTの代わり」が欲しいだけなら、月額$20のサブスクの方が安上がりです。ローカルの利点は「プライバシー（機密コードを外部に投げない）」「検閲なし」「API代を気にせずエージェントを24時間回せる」ことにあります。今回のニュースのようなハッキングツールの検証なども、ローカル環境でなければ不可能です。

• チェック4: 冷却性能と騒音を許容できるか？ AIの推論を回し続けると、GPUのファンは全開になります。特に夏場の自室で4090を回すと、冷房が効かないレベルの熱が出ます。静音性を重視するなら、Mac StudioやMacBook Proの方が、AI処理時の騒音は圧倒的に抑えられます。

楽天/Amazonで見るべき検索キーワード

代替案と妥協ライン

すべての人がRTX 4090を買う必要はありません。 もし予算が厳しいなら、まずは「RTX 3060 12GB」を中古で探すのが、最も賢い妥協案です。 楽天やAmazonでも型落ちで安くなっていることが多く、VRAM 12GBはLLM入門において「最低限の尊厳」を守れるスペックです。

また、ハードウェアを買わずに「API（OpenRouterやGrok API）」を駆使するのも手です。 今回の犯人もDeepSeekやClaude Codeを組み合わせていましたが、これらはAPI経由でも利用可能です。 ただし、今回の韓国の事例のように「AIをツールとして組み合わせて連続実行させる」場合、APIだと数時間で数千円が飛んでいくことも珍しくありません。 「1日3時間以上、AIエージェントを動かす」のであれば、月々のAPI代を計算すると、1年以内にRTX 4060 Tiの購入代金（約7〜8万円）を回収できてしまいます。

もう一つの妥協案は「Google Colab」や「Lambda Labs」のようなクラウドGPUの利用です。 しかし、これらは「環境を立ち上げる手間」が発生するため、思いついた時にすぐコードを書かせるClaude Codeのような開発スタイルとは相性が悪いです。 「仕事で使えるか」を基準にするなら、やはりデスクの横に物理的なVRAMが積まれている安心感には勝てません。

私ならこう選ぶ

私が今、予算20万円前後でゼロから環境を作るなら、迷わず「RTX 4060 Ti 16GB」を軸にした自作PCを組みます。 楽天の「お買い物マラソン」などのイベント時に、MSIやASUSの信頼できるベンダーのボードを狙い撃ちしますね。 なぜ4070ではなく4060 Tiの16GB版なのか。それはAI実務において「計算速度の差（数秒）」よりも「メモリ不足でエラーが出る（仕事が止まる）」ことの方が致命的だからです。

一方で、もしあなたが普段からMacで開発しているなら、無理にWindows自作に手を出さず、認定整備済製品の「Mac Studio M2 Max (メモリ64GB以上)」を狙うのが正解です。 Apple Siliconは、Ollamaやllama.cppの対応が非常に早く、セットアップの容易さはWindowsの比ではありません。 私自身、自宅の4090サーバーは重い学習や24時間稼働のエージェント用、手元のMacBook ProはClaude Codeを使ったフロントエンド開発用、と明確に使い分けています。 まずは自分が「何をAIにやらせたいか」を整理してください。コードを書かせるのが主目的なら、VRAM/メモリ容量こそが正義です。

よくある質問

Q1: VRAM 8GBのゲーミングPCを持っていますが、AI開発は無理ですか？

結論、不可能ではありませんが、かなり苦しいです。7Bクラスのモデルを4bit量子化すれば動きますが、今回の犯人が使ったような「複数のモデルを連携させる」動きをさせると、すぐにメモリが溢れてクラッシュします。本格的にやるなら買い替え時です。

Q2: 楽天で買うメリットはありますか？

あります。特に高額なGPUやMacは付与ポイントが大きいため、実質価格でAmazonを下回ることが多いです。「玄人志向」などの安価なブランドをポイント5倍デー等に狙うのが、SIer出身者がよくやる堅実な買い方ですね。

Q3: DeepSeekやGrokをローカルで動かすのは難しいですか？

今は「Ollama」というツールを使えば、コマンド一つで動かせます。今回のニュースにあるような高度なスタックも、土台となるのはこうしたオープンソースの推論エンジンです。スペックさえ満たせば、導入のハードルは驚くほど低くなっています。

あわせて読みたい

• 27Bが6GBで動く？Ternary Bonsai 2登場で変わるローカルLLM用PCの選び方と比較
• ローカルLLMとAI開発環境の選び方：RTXかMacか？仕事で使えるスペック比較と失敗しない買い方
• ローカルLLM環境の選び方比較｜RTXかMacか？後悔しないVRAM・スペック選定ガイド