lovegamingpcs.com
ツール・ソフト

LM StudioとOllama、同じGPU・同じモデルファイルなら速さはどれだけ違うか — RTX 2070 SUPERで実測

RTX 2070 SUPER(VRAM 8GB)で、OllamaとLM Studioに完全に同じGGUF(qwen3 8B Q4_K_M)を読ませて5回ずつ実測。Ollama 67.54、LM Studio 64.58トークン/秒で差は約4.4%。測り方と録画も載せる。

同じ資材の箱が2本の搬入レーンに分かれて運ばれ、ほぼ同じ速さでゴールに並ぶ現場のアイソメ図
実測値をもとにした説明図。画面のスクリーンショットではありません。

同じGPU・同じモデルファイルで比べると、Ollamaは67.54トークン/秒、LM Studioは64.58トークン/秒。差は約4.4%だった。

ローカルLLMの実行ツールは、OllamaとLM Studioの2つが定番だ。どちらが速いかという話はよく出るが、比べる側のモデルや量子化がそろっていないと、ツールの差なのかモデルの差なのか分からない。

そこで手元のRTX 2070 SUPER機(i7-9700K/メモリ16GB)で、バイト単位で同じモデルファイルを2つのツールに読ませて測った。1台・1条件での測定で、環境が違えば結果は変わる。

測った条件。同じGGUFを2つのツールに読ませる

Ollamaが使っているqwen3 8B(Q4_K_M)のモデル本体はGGUFファイルだ。これをそのままコピーしてLM Studioのモデル置き場に置いた。コピー後のSHA-256は、Ollamaが管理するファイルのダイジェスト(a3de86cd1c13…)と一致した。重みは完全に同じだ。

現場でいえば、同じ資材を同じ搬入口から入れて、使う重機だけを替えた形になる。

項目 内容
測定日 2026年10月20日
機材 i7-9700K / RTX 2070 SUPER(VRAM 8GB)/ DDR4 16GB / Windows 11 Home
ドライバー NVIDIA 617.14
Ollama 0.34.4
LM Studio ヘッドレス版 llmster 0.0.25-1、エンジン llama.cpp CUDA版 2.41.0
モデル qwen3 8B Q4_K_M(両ツールで同一のGGUF)
生成設定 temperature 0・seed 42・最大256トークン・コンテキスト4096・全層GPU
思考モード 両方オフ(Ollamaは think=false、LM Studioはプロンプト末尾に /no_think)
回数 暖機1回のあと各5回。中央値を採用
速さの取り方 各ツールが返す自己計測値

LM Studioは、公式のヘッドレス版の手順(PowerShellで irm https://lmstudio.ai/install.ps1 | iex)で入れた(出典: LM Studio Headless)。読み込みは lms load に --gpu max(全部GPUに載せる)と --context-length 4096 を付けた(出典: LM Studio lms load)。

GPUは1枚しかないので、1つずつ起動して測った。測らない側のツールは止め、VRAMが空いたのを確かめてから始めている。

速さの取り方はツールごとに違う。Ollamaは eval_count(出力トークン数)÷ eval_duration(生成時間)で計算した(出典: Ollama API generate)。LM Studioは /api/v0/chat/completions が返す stats の tokens_per_second をそのまま使った(出典: LM Studio REST API)。

思考モードの切り替えは、Qwen3のモデルカードに「ユーザーのプロンプトかシステムメッセージに /think と /no_think を付けて切り替えられる」とある(出典: Qwen3-8B モデルカード)。temperature 0は再現性のための設定で、モデルカードの推奨値(非思考モードで0.7)とは違う。

結果。差は約4.4%、ばらつきよりは大きい

同じGGUFqwen3 8B Q4_K_MSHA-256一致Ollama 0.34.45回の中央値67.54 tok/sLM Studio(llmster 0.0.25・CUDA版llama.cpp)5回の中央値64.58 tok/s020406080 tok/s5回の幅: Ollama 67.39〜67.79 / LM Studio 64.29〜64.93。差は約4.4%読み込み後のVRAM使用(nvidia-smi)は Ollama 6,294MiB / LM Studio 6,250MiB
手元のRTX 2070 SUPER機で、SHA-256が一致する同じGGUFファイルを2つのツールに読ませ、同じプロンプト・同じ設定で5回ずつ測った中央値。棒の長さは0〜80トークン/秒の同じ物差しで描いている。重みが同じなので、差は各ツールの実行エンジンと設定の違いから来ていると考えられる。

5回の数値をまとめる。

ツール 中央値 5回の幅 生成トークン数
Ollama 0.34.4 67.54 tok/s 67.39〜67.79 126
LM Studio(llmster 0.0.25-1) 64.58 tok/s 64.29〜64.93 125

Ollamaのほうが中央値で約3トークン/秒速かった。割合にすると約4.4%だ。

各ツールの5回のばらつきは0.6トークン/秒以内に収まっている。差の3トークン/秒はそれより大きいので、測った範囲では「たまたま」ではない差と読める。

一方で、出力の中身はほぼ同じだった。どちらも256トークンに届く前に自然に書き終え、VRAMの役割を初心者向けに説明する同じ流れの文章になった。

最初の1文字と、読み込みの時間

文字が出始めるまでの時間も、Mac側からストリーミングで受けて測った。SSHのトンネルを通した壁時計なので、あくまで補助の値だ。

ツール 最初の文字が届くまで(5回)
Ollama 0.044 / 0.027 / 0.045 / 0.026 / 0.028秒
LM Studio 0.100 / 0.099 / 0.132 / 0.097 / 0.120秒

どちらも0.15秒未満だった。プロンプトのトークン数がOllama 51、LM Studio 47と違うのは、チャットの書式(テンプレート)の扱いがツールごとに違うためだ。

モデルの読み込みは、Ollamaが13.9秒(APIの load_duration)、LM Studioが29.1秒(lms load コマンド全体をSSH越しに計った時間)だった。測り方がそろっていないので、この2つは単純に比べられない。

読み込んだあとのVRAM使用量は、nvidia-smiでOllama 6,294MiB、LM Studio 6,250MiBだった。8GBの枠には、どちらも余裕を残して収まっている。GPUの使用状況の読み方はnvidia-smiの読み方にまとめてある。

録画で見ると、差はほとんど見分けられない

同じ質問をそれぞれのツールに送り、ブラウザに文字が流れる様子を実時間で録った。

Ollama 0.34.4・qwen3 8B(Q4_K_M)の実時間の録画(2026年10月20日、RTX 2070 SUPER機)。完了時の数字はOllamaの計測値で、この回は126トークン・67.29トークン/秒。生成中の受信数と受信/秒はブラウザ側の目安。

Ollamaの録画MP4を見る

LM Studio(llmster 0.0.25・CUDA版llama.cpp 2.41.0)に、Ollamaと同一のGGUFで同じ質問を送った実時間の録画(2026年10月20日)。ストリーミングではLM Studioの計測値が返らないため、正式な値は別に5回測った中央値の64.58トークン/秒。

LM Studioの録画MP4を見る

Ollamaの生成完了画面。経過1.9秒で回答が出終わっている
Ollamaの完了時の画面(2026年10月20日)。約1.9秒で回答が出終わった。
LM Studioの生成完了画面。経過2.0秒で回答が出終わり、内容はOllamaとほぼ同じ
LM Studioの完了時の画面(2026年10月20日)。約2.0秒で出終わり、回答の内容はOllamaとほぼ同じだった。

300字ほどの回答で、出終わるまでの差は0.1秒ほどだった。並べて見ても、目で差を見分けるのは難しい。

4%の差より先に見ておくこと

測った範囲で言えば、8Bクラスが全部VRAMに載る条件では、ツールを替えても速さは5%も変わらなかった。

逆に、速さを1桁変えたのはVRAMからあふれたかどうかだ。同じ2070 SUPERでも、qwen3 14Bは4割近くがあふれて7.6トークン/秒まで落ちた(VRAMからあふれたときの実測)。

段取り八分でいえば、ツール選びより先に「載せたいモデルが搬入口に入るか」を決めるほうが効く。

LM Studioの公式要件は、x64ならAVX2対応のCPUが必須で、メモリは16GB以上、専用VRAMは4GB以上が推奨とされる(出典: LM Studio System Requirements)。Ollamaの入れ方はOllama導入手順、VRAM別に載るモデルの目安はローカルLLMのPCスペック早見表にある。

なお、LM Studioは読み込み時に「同時に受ける数(PARALLEL)」が4になっていた。今回は1件ずつ送ったので、この設定が速さにどう効くかは確かめていない。

まとめ。ツールの差は約4%、枠の差は1桁

測った範囲で言えるのは次の3つだ。

  1. 同じGGUF・同じGPUで、Ollamaは67.54、LM Studioは64.58トークン/秒(5回の中央値)。差は約4.4%
  2. 5回のばらつきは各0.6トークン/秒以内で、差はそれより大きい
  3. 最初の文字はどちらも0.15秒未満。300字の回答を出し終えるまでの差は0.1秒ほど

速さを大きく左右するのはツールではなく、モデルがVRAMに収まるかだ。枠を広げる前提で選ぶなら、今週のセール機をVRAM基準で仕分けた表と二刀流ランキングを置いておく。最強の1台より、載せたいモデルが丸ごと入る枠、この1点を外さない1台だ。

※本記事は公開情報と筆者の手元環境(RTX 2070 SUPER機・1台・2026年10月20日)での測定に基づく解説です。1モデル・1条件・各5回の測定で、ドライバー・各ツールの版・常駐アプリ・設定(コンテキスト長・同時処理数)で結果は変わります。読み込み時間は2つのツールで測り方が違います。最新の仕様は各公式ドキュメントをご確認ください。

出典