最初の試験では、どのモデルも最初の要求を読み込むだけで 140〜180 秒かかり、実用にならなかった。 本書は、これから立てる計画 p260929-01（Claude Code 以外のエージェントの検証）のための事前調査である。 ここに書く各ツールの性質は記事・公式資料による。 Claude Code・Pi・OpenCode・Codex CLI・Aider はその後このPCで試した。結果は ローカルLLM で AI エージェントを使う — 試験結果にある。Qwen Code は試していない。
このPCでは、プロンプトの読み込みが 300〜1,250 tok/s しか出ない（深くなるほど落ちる）。 最初に送る量がそのまま待ち時間になるため、エージェントの選び方で結果が大きく変わる。
| エージェント | 最初に送る量 | 出典 |
|---|---|---|
| Claude Code（このPC・実測） | 約 60,000 | 試験の記録。共通ルール（CLAUDE.md）・メモリの注入を含む |
| Claude Code（記事） | 約 33,000 | 指示ファイルなしの素の状態。道具の定義だけで 14,000〜17,000 |
| OpenCode（記事） | 約 7,000 | 同じ測り方で Claude Code の約 1/5 |
| Pi（記事） | 1,000 未満 | 道具 4 つ（read・write・edit・bash）と 150 語ほどの指示 |
このPCの 60,000 のうち、記事の素の状態との差（約 27,000）は、利用者の共通ルールとメモリの分と考えられる。 Claude Code のままでも、それらを読ませない起動方法があれば半分以下になる可能性がある。 試したところ、ホームを空のフォルダに替えるだけで 17,000〜23,600 トークンになった（2026-09-29 実測）。
いずれも OpenAI 互換の /v1/chat/completions（Codex は /v1/responses）で llama-server に繋ぐ。手元には node 26・bun 1.4・npm があり、どれも入れられる見込み。
| エージェント | 形 | 繋ぎ方 | このPCで見込める点 |
|---|---|---|---|
| Pi | CLI | ~/.pi/agent/models.json に baseUrl とモデルを書く | 本命最初に送る量が最小。gemma-4 系と組み合わせた記事がある |
| OpenCode | CLI | opencode.json に provider（baseURL）を書く | 本命送る量が Claude Code の約 1/5。要求の先頭を毎回同じに保つためキャッシュが効きやすいとされる |
| Qwen Code | CLI | modelProviders に baseUrl・contextWindowSize・envKey を書く（envKey を省くと認証エラー） | 候補Qwen3-Coder 向け。Gemini CLI 由来で送る量は多めの見込み（未確認） |
| Codex CLI | CLI | %USERPROFILE%\.codex\config.toml の [model_providers.*]、または --oss | 候補gpt-oss-20b との組み合わせ例が多い。llama-server が Responses API に応じるかは要確認 |
| Aider | CLI | LiteLLM 経由で openai/ 接頭辞のモデル名を使う | 候補道具呼び出しでなく差分の書式で編集するため、道具呼び出しが弱いモデルでも動く可能性。Python が要る |
| Claude Code（軽量起動） | CLI | いまと同じ。共通ルール・メモリ・MCP を読ませない起動方法を探す | 候補送る量を減らせれば、今回の試験結果が変わる可能性 |
tools/ 以下の git 管理外）かを計画で決める