結論

共通ルールを読ませず、思考を切れば、Claude Code はこのPCでも使える。 20 本中 15 本が 15 分以内に読み・書きの両方に合格した（1 時間まで待てば 16 本）。

どのモデルを使うか

20GB 級の MoE も合格したが、読みに 127〜203 秒かかる（第 2 章）。

どのエージェントを使うか

モデル別の結果

この資料の試験は llama.cpp b10612・Claude Code 2.1.286・Pi 0.87.1・OpenCode 1.18.33・Codex CLI 0.158.0・Aider 0.86.2 で行った（2026-09-28〜10-01。詳細は試験の経緯と全実行の記録の「試験した版」）。 Claude Code を共通ルールなし・思考なし（--reasoning off）で動かし、差し替えたテンプレートがあるモデルはそれを使った。 1 問の待ち時間は 10〜15 分で、時間切れの問は 1 時間の枠で試し直した（Nemotron・GLM-4.6V・Qwen3-4B-Thinking の書き）。 最初に送った量はどのモデルも 17,000〜23,600 トークン。

• 読み・書きの両方に合格したのは 16 本。15 分以内に限ると 15 本（Qwen3-4B-Thinking の書きは約 20 分）
• 20GB 級の MoE（gemma-4-26B-A4B・Qwen3-30B-A3B・Qwen3.6-35B-A3B・Qwen3-Coder-30B・GLM-4.7-Flash）は合格したが、読みに 127〜203 秒かかる。生成速度は Qwen3-30B-A3B が 16.6 tok/s（-ncmoe 40。ローカルLLM 実行計画の「32GB での再測定」）。ほかの 4 本は測っていない
• 「ホームを外に移してから合格」の 3 本は、ホームがプロジェクトの中にあった回では、プロジェクトの本物のファイルを読み書きしにいって不合格だった（第 5 章）

版を上げて流し直した結果

llama.cpp を b11320 に、Claude Code を 2.1.289 に上げて、同じ読み・書きを 1 回ずつ流した（2026-10-05、NVIDIA GPU）。 時間切れは 10 分、名前に Thinking・Reasoning が入るモデルは 20 分。PC の休止と Claude Code の自動更新に重なった 2 問（Qwen3-4B-Thinking の読み、Devstral の書き）は流し直した。

流したのは tools\50_run\test-cc-tools.ps1 -UseTemplates -Tests read,write -ExtraArgs "--reasoning off" -MaxSizeGB 20 -NoRules。結果は logs\test-cc-tools\20261005-092541-norules-results.jsonl と、流し直しの 20261005-23*。

• 前の版で読み・書きの両方に合格した 16 本のうち、15 本が今回も両方に合格した。落ちたのは Qwen3.6-35B-A3B の書きだけで、sum の試験と同じく 1 回ごとの揺れと見られる
• かかる時間はほぼ同じ。版を上げて遅くなったモデルは無い（Ministral-3B・Qwen3-4B は、前の版の数字が思考を切る前の回）
• 不可の 3 本（Nemotron・GLM-4.6V・Qwen2.5-Coder-14B）は、版を上げても変わらない
• 第 1 章の結論（勧めるモデル）は変えなくてよい

エージェント別の結果

Claude Code（ルールなし）で通らなかった 3 本を、別のエージェントで試した。サーバの設定は第 2 章と同じ。 質問はコマンド行に載せるため英語にした。

• Pi がいちばん速い。Nemotron は Claude Code では 1 時間の枠でも読み書きしなかったが、Pi では 18 秒で答えた
• Aider はファイルを先に渡して使う道具。ファイルを渡さずに「読め」と頼むと、読めないと答えるか、中身を作り上げる。書きは 3 本とも通った（送る量は約 650 トークン）
• 合うエージェントはモデルによって違う。同じモデルでも Pi と OpenCode で結果が逆になった

速いモデルを Pi で

第 1 章で選んだ速い 3 本を、Pi でも試した（2026-09-30）。サーバの設定は第 2 章と同じ。E2B は結果が揺れたので 3 回流した。

• E4B と gpt-oss-20b は、Pi のほうが 2〜3 倍速い
• E2B の読みは、不合格の 2 回とも答えが空だった。ファイルの中身を受け取った直後に 1 トークンで生成を終え、答えを書かない。書きは 3 回ともファイルができた

Codex CLI（ルールなし）

CODEX_HOME を空のフォルダに向け、利用者の設定と AGENTS.md を読ませずに試した（2026-09-30）。 接続は config.toml の [model_providers.*] に wire_api = "responses" で書いた。

日本語でプログラムを書かせた結果

書きの試験に 10 分以内で合格した 19 本を、4 つのエージェントで試した（2026-09-30〜10-01）。問は日本語のまま渡した。

1から10までの合計を表示するnode.jsプログラムをsum.jsに書く。node sumで実行する

判定は、sum.js ができ、試験側で node sum を実行すると 55 が出て、エージェントの答えに 55 がある、の 3 つがそろって合格。 加えて、エージェントの作業ログに node sum の実行があるかを見た。3 つがそろっても実行の跡が無いもの（実行せずに 55 と答えたもの）は ☑️ 補欠合格とした。 問と判定の詳細は初期プログラミングの検証計画にある。サーバの設定は第 2 章と同じ。

1 組 1 回ずつ流した結果。表は tools\50_run\sum-table.ps1 -Until 20261001-2250 で結果のファイルから作った。「書いたが実行・報告なし」は、正しい sum.js を書いたが、自分では実行せず、答えにも 55 が無かったもの。「実行したが結果を答えない」は、node sum を実行して 55 を得たのに、答えには書かなかったもの。「時間切れ」は 10 分で終わらなかったもの。

エージェントごとの合格数

• 3 つのエージェント（Claude Code・Pi・OpenCode）すべてで、実行して合格したのは 6 本: gemma-4-E2B・E4B・12B（Q4_K_M）・26B-A4B、Qwen3.5-9B、Qwen3.6-35B-A3B
• 速さで選ぶなら Pi。gemma-4-E2B は 7 秒、E4B は 21 秒で、同じモデルの Claude Code の 3〜5 倍速い
• 通る本数で選ぶなら Claude Code。Pi・OpenCode で落ちた Ministral-3-3B・Qwen3-Coder-30B・Devstral も通った
• gpt-oss-20b・Qwen3-30B-A3B・Ministral-3-14B は、どのエージェントでも実行せずに 55 と答えた。プログラムは正しいが、「実行する」の指示には従っていない
• Aider はこの問に向かない。Aider はモデルの答えに書かれたコマンドだけを実行する作りで、どのモデルもコマンドを書かなかった
• OpenCode の GLM-4.7-Flash は node sum を実行して 55 を得たのに、答えは「Done. sum.js:1-8」だけだった
• Qwen3.6-35B-A3B は Claude Code で、はじめ sum.js を作業フォルダではなくホームの下（メモリの置き場）に書こうとして止められた。第 5 章の「ホームの場所からプロジェクトを推測する」と同じ動き

版を上げて 4 回ずつ流した結果

llama.cpp を b11320 に、エージェントを最新に上げて（版は試験の経緯と全実行の記録の「試験した版」）、同じ問を 1 組 3 回ずつ流した（2026-10-01〜10-02）。 1 回目の結果が前の版と食い違ったため、揺れか版の違いかを見るためである。 2026-10-04 に、3 回のうち 1 回でも 10 分以内に終わった組（Aider を除く 55 組）を、もう 1 回流した。

エージェントに渡した指示文

どのエージェントにも、次の 1 文だけを渡した。補足の文や例は付けていない。

1から10までの合計を表示するnode.jsプログラムをsum.jsに書く。node sumで実行する

渡し方はエージェントごとに次のとおり。作業フォルダは README.html だけを置いた空のフォルダで、1 問ごとに作り直した。

4 回の結果

1 マスに 1 回目から 4 回目の順に並べた。 ✅ 合格（書いて、node で実行して、55 と答えた）／ ☑️ 補欠合格（正しい sum.js を書いて 55 と答えたが、node で実行していない）／ ❌ 不合格（作らない・55 が出ない・実行したが答えない など）／ ⏱️ 時間切れ（10 分）。

行はモデルのファイルの大きさ順。表は tools\50_run\sum-table.ps1 -Sets -Ranges "20261001-2250..20261002-0700,20261004-0322..20261004-0730" で結果のファイルから作った。Aider は 2 回まで流した（朝 7 時の期限で 3 回目を流せず、4 回目は配布物から外したため流していない）。3 回とも ⏱️ だった組（Claude Code の Nemotron、OpenCode の Qwen3-4B-Thinking）は 4 回目を流していない。55 が出たかは、試験側で node sum を実行した標準出力だけで見ている。

• 4 回とも ✅ だったのは、gemma-4-E4B と gemma-4-26B-A4B（Claude Code・Pi・OpenCode のどれでも）。gemma-4-12B-QAT は Claude Code と Pi で 4 回とも ✅
• 同じモデル・同じエージェントでも、多くの組み合わせで ✅ と ❌ が入れ替わる。1 回だけの結果では合否を決められない。前の版との 1 回ずつの差（Claude Code 16 → 12 本など）は、この揺れの範囲に入る。4 回目も、3 回とも ✅ だった Qwen3.5-9B（Pi）が初めて ❌ になり、3 回とも ❌ だった Qwen3-Coder-30B（OpenCode）が初めて ✅ になった
• Pi は揺れが小さい。19 本中 8 本が 4 回とも ✅ で、どれも 1 分前後で終わる
• ☑️ はモデルの癖として出る。gpt-oss-20b と Qwen3-30B-A3B は、どのエージェントでも ☑️ が多い。作業ログでは、ファイルを書く道具を 1 回呼んだだけで、node を実行する道具は呼んでいない。1〜10 の合計は暗算でも出るため、答えは合う
• Aider は揺れずに落ちる。どのモデルも正しい sum.js を書くが、Aider は自分では実行しない

時間切れを 40 分にした結果

10 分の枠で 1 回でも ⏱️ になった組を、NVIDIA GPU のまま時間切れを 40 分にして 1 回ずつ流した（2026-10-04）。

• 時間を延ばして通ったのは Qwen3-4B-Thinking の Claude Code だけ。思考を切れない版で、1 問に 15 分ほどかかる
• ほかの組は、時間を延ばしても sum.js を作らないか、答えに 55 を書かない。10 分の枠での ⏱️ は、時間が足りないというより、止まらずに回り続けた結果と見てよい

これからの時間切れの決め方

思考を切れない版や推論用の版は、--reasoning off でも長く考えるため、倍にする。名前に Thinking・Reasoning が入るのは、今回の 19 本では Qwen3-4B-Thinking-2507 と Ministral-3-14B-Reasoning-2512 の 2 本。

Intel GPU で流した結果

閉域網へ持っていく先の PC は Intel の内蔵 GPU なので、この PC の Intel Iris Xe（共有メモリ 16GB）だけで同じ問を流した（2026-10-07）。 llama.cpp は b11320 の Vulkan 版で、モデルは Intel だけに載せた（--device で Intel に限り、空きの 8 割に収まるものは -ngl 99 で全部載せる）。時間切れは 30 分。対象は NVIDIA GPU で 1 回でも 10 分以内に終わった 55 組で、1 組 1 回ずつ流した。

表は tools\50_run\sum-table.ps1 -Since 20261007-1200 -LlamaDir llama.cpp-b11320-vulkan の結果を大きさ順に並べた。流したのは tools\50_run\run-sum-matrix.ps1 -LlamaDir llama.cpp-b11320-vulkan -TimeoutSec 1800。— は NVIDIA GPU で 3 回とも ⏱️ だったため流していない組。「起動できず」は、Intel のメモリに載らず llama-server が起動しなかった組（failed to allocate compute pp buffers）。同じ大きさの Qwen3-Coder-30B・Qwen3-30B-A3B は起動できても 3 エージェントとも時間切れだったので、流し直していない。

• Intel GPU だけで実際に使えるのは、7GB 以下のモデルと Pi の組み合わせ。gemma-4-E2B（17 秒）・E4B（29 秒）・12B-QAT（88 秒）・12B（83 秒）・Qwen3.5-9B（117 秒）は、Pi なら 2 分以内に終わる
• 3 つのエージェントすべてで ✅ だったのは、gemma-4-E4B と gemma-4-12B-QAT の 2 本。閉域網へ持っていくモデルはこの 2 本を軸にする
• Claude Code は 5〜15 分かかる。最初に送る量が多く、Intel GPU のプロンプトの処理（12B-QAT で約 69 tok/s）では時間がかかる。12B の 2 本は 826・899 秒で、時間切れの 15 分にぎりぎり収まった
• 11GB を超えるモデルは使えない。gpt-oss-20b は 20 分以上かかり、16GB 級は起動できないか、起動しても 3 エージェントとも時間切れだった
• 1 組 1 回ずつなので、NVIDIA GPU と結果が違う組（Qwen3-4B-Instruct の OpenCode が ❌、GLM-4.6V の OpenCode が ✅ など）は、揺れの範囲を出ない

Aider に別の指示で実行させた結果

Aider は sum.js を書くだけで実行しなかったため、書かせたあとに別の指示を渡せば実行するかを試した（2026-10-02、NVIDIA GPU）。 モデルは gemma-4-E4B。1 回目は sum の問をそのまま渡し、2 回目は同じ作業フォルダで Aider を起動し直し、--file sum.js で sum.js を会話に載せて次の指示を渡した。指示ごとに 3 回流した。

流したのは tools\50_run\test-aider-followup.ps1。☑️ は 55 と答えたが実行の跡が無いもの、❌ は実行も 55 の答えも無いもの。

• 指示を足しても、Aider は自分では実行しない。「実行して」と明示しても、モデルはコードから結果を推測して答えるだけで、Aider が実行するコマンドを書かない
• Aider で実行まで任せる使い方はできない。書かせたあとの実行と確かめは、人が行う

CPU で流した結果

GPU が使えない場合に備え、この PC の CPU だけで同じ問を流した（2026-10-04〜10-05）。 llama.cpp は b11320 の CPU 版、時間切れは 15 分（名前に Thinking・Reasoning が入るモデルは 30 分）。対象は NVIDIA GPU で 3 分以内に終わったことがある 50 組で、1 組 1 回ずつ流した。

表は tools\50_run\sum-table.ps1 -Since 20261004-1400 -LlamaDir llama.cpp-b11320-cpu の結果を大きさ順に並べた。流したのは tools\50_run\run-sum-matrix.ps1 -LlamaDir llama.cpp-b11320-cpu（時間切れは既定の自動）。— は NVIDIA GPU で 3 分以内に終わったことが無いため流していない組。

• CPU で使えるのは Pi だけ。19 組中 14 組が ✅ か ☑️ で、Bonsai（598 秒）を除けばどれも 1〜6 分で終わる。✅・☑️・❌ の顔ぶれは GPU のときとほぼ同じ
• Claude Code は 15 組中 13 組が時間切れ。最初に送る 2 万トークン近くの処理に CPU では数分かかり、それを何往復も繰り返すため。通ったのは gemma-4-E2B（705 秒）と E4B（870 秒）だけ
• OpenCode も 16 組中 11 組が時間切れ。通った 4 本も 6〜13 分かかる

調査結果のまとめ

NVIDIA GPU・Intel GPU・CPU で流した結果をまとめる。

• gemma-4-E4B は、NVIDIA GPU・Intel GPU・CPU のどれでも、3 つのエージェントすべてで合格した。どの環境でもまず試すモデルになる
• 合否はモデルとエージェントの組で決まり、GPU の種類ではほとんど変わらない。変わるのは速さで、最初に送る量が多い Claude Code ほど遅い環境の影響を強く受ける。Intel GPU と CPU では、大きいモデルは時間切れになって使えない
• 同じ組でも結果は揺れる。1 回だけの合否で組を決めず、複数回流して確かめる
• ☑️（実行せずに答える）はモデルの癖。gpt-oss-20b・Qwen3-30B-A3B・Ministral-3-14B-Reasoning は、どの環境・エージェントでも ☑️ が多い
• 時間切れは、NVIDIA GPU で 10 分、Intel GPU と CPU で 15 分、名前に Thinking・Reasoning が入るモデルは倍。延ばしても通る組はほとんど増えない

効いた設定とその理由

最初の試験（共通ルールを読ませた状態）では、読み・書きの両方に合格したモデルは 1 本も無かった。 次の 4 つを変えて、第 2 章の結果になった。引数と環境変数の中身は使う・試す手順にある。

未確認のこと

• Pi で試したのは 6 本だけ。20GB 級の MoE や、Claude Code で遅かったモデルを Pi で動かしたときの速さは測っていない
• Pi で gemma-4-E2B が答えを書かずに終わる理由は調べていない。Codex CLI でも、E2B の読みは「これから読む」と答えたところで終わった
• 試験は 1 ファイルを読む・1 行書く・10 行ほどのプログラムを書いて実行するだけ。複数のファイルにまたがる編集や、大きなコードを書く作業での品質は評価していない
• 20GB 級の MoE の生成速度は、Qwen3-30B-A3B のほかは測っていない
• Nemotron が Claude Code でだけ読み書きしない理由は調べていない。Pi・OpenCode では通る
• チャットテンプレートで 500 エラーになった 4 本が、モデル側の問題か、llama-server のテンプレート処理の問題かは切り分けていない