coding agent に最適なローカル LLM は、ひとつのモデル名ではありません。非公開コード、反復パッチ、低遅延の edit-test loop、すでに持っている hardware を使える状況で、Claude Code や OpenAI Codex より accepted change あたりのコストが下がる route です。
複雑な設計、長い context、チームで見える review、managed background task、監査しやすい workflow は cloud agent がまだ強い領域です。Codex と Claude Code の公式情報も、実コストが plan window、model choice、context、API billing、team behavior に左右されることを示しています。
判断単位は token 単価ではなく accepted change です。待ち時間、prompt、review、rework、test、hardware amortization、subscription/API spend を含めて、最終的に受け入れられた変更数で割ります。ローカル出力が review を重くするなら安くありません。
短い答え
ローカル route は、狭い scope、繰り返し、明確な test、短い feedback loop がそろったときに強くなります。非公開 repo の説明、import rewrite、単純 migration、test scaffold、config cleanup、lint-driven fix が代表例です。逆に、要件が曖昧で、複数 package にまたがり、設計判断が必要で、team visibility が重要なら Codex、Claude Code、API-backed workflow を選ぶ方が安全です。
ルートマトリクス
| タスク | ローカル LLM | Codex | Claude Code | API/Hosted agent |
|---|---|---|---|---|
| 非公開 repo 読解 | 最適 | policy 次第 | policy 次第 | 重すぎる場合あり |
| 反復的な機械パッチ | 強い | 強い | 強い | batch に向く |
| offline edit-test loop | 最適 | network/window 依存 | network/window 依存 | 弱い |
| 複雑設計 | 補助のみ | 強い | 強い | orchestration 次第 |
| 長い context refactor | 注意 | 強い | 強い | budget 管理が必要 |
| CI/team automation | wrapper が必要 | 良い | 良い | 標準化しやすい |
この表は repo ごとに変えるべきです。data policy が厳しいチームは local を多く使い、review log と shared workflow が重要なチームは Codex、Claude Code、hosted agent を多く使います。
証拠の境界
2026-07-08 時点の確認では、単一の universal winner は言えません。OpenAI は Codex を terminal、IDE、web、cloud surfaces で動く coding agent として説明し、pricing では ChatGPT plan usage、API key billing、cloud features、model choice を分けています。Anthropic の Claude Code costs も tokens、context management、/usage、model choice、team behavior を分けて考える必要があります。Qwen3-Coder、Qwen3-Coder-Next、Devstral は agentic coding の候補ですが、model card はあなたの repo で accepted patch が安くなることまでは証明しません。
accepted change あたりコスト
必要なのは request price ではなく accepted change cost です。local には GPU amortization、電力、setup、quantization、wrapper configuration、context packing、failed patch、人間の rescue が入ります。cloud には subscription window、API tokens、cloud runtime、organization controls、audit logs、tool switching が入ります。local route は、総時間と rework を下げたときだけ勝ちます。
ローカルが勝つ仕事
ローカルの勝ち筋は bounded loop です。明確な goal、少数の files、近い test、繰り返し可能な rule、明確な stop rule がある仕事です。候補モデルとして Qwen3-Coder、Qwen3-Coder-Next、Devstral、小型 code model を試せますが、hardware、context budget、wrapper が daily use を決めます。16GB VRAM の具体ルートは 16GB local coding LLM guide を参照してください。
Claude Code、Codex、hosted agent が勝つ仕事
cloud route は不確実性に強いです。architecture decision、large refactor、long history、team audit、background task、shared PR review が絡むなら、強い hosted model と managed workflow が結果的に安くなります。Codex は ChatGPT/Codex surface を使うチームに向き、Claude Code は CLI habit と planning style が合う作業に向き、API agents は CI、budget、repeatable orchestration に向きます。
7日 pilot
1回の demo で移行しないでください。Day 1 で accepted-change metric を定義し、Day 2 で local smoke test を 1関数と近い test に限定します。Day 3 は同じ task を Codex または Claude Code で実行し、Day 4 は review と rework を計測します。Day 5 は privacy/context boundary、Day 6 は task class route table、Day 7 は keep/split/stop の判断です。
停止ルール
context spill が主な bug になったら止めます。review cost が節約分を超えたら止めます。setup と model swap が日常作業を食い始めたら止めます。team visibility が local speed より重要なら cloud に戻します。停止は local LLM の失敗ではなく、タスクを正しい route に戻す操作です。
運用メモ
route table をチームで使える形にするには、毎回同じ項目を残します。task brief、allowed files、forbidden files、model と wrapper、context length、verification command、latency、人間の rewrite、最終的に accept したか reject したかです。「起動した」だけでは判断できません。「diff が受け入れられた」ことを記録する必要があります。同じ task を数回繰り返して、偶然の成功ではなく安定性を見ます。
失敗の分類も重要です。遅い場合は offload、context 過多、wrapper のファイル詰め込みが原因になりやすいです。品質が低い場合は、モデル能力だけでなく、task scope が広すぎる、近い test がない、prompt が制約を伝えていない可能性があります。review cost が増えた場合は、diff が大きすぎる、説明が弱い、またはモデルが暗黙に設計判断をしているサインです。
チームでは route table を issue template や PR checklist に入れると運用しやすくなります。local を許可する task、cloud に戻す task、人間が先に design note を書く task を分けます。非公開 repo では local の価値が compliance と control になり、プロダクトチームでは cloud の価値が logs、audit、review の一貫性になることがあります。
pilot の最後には next action を付けます。keep local、shrink local、route to cloud、API orchestration に移す、test を追加する、stop のどれかです。これにより、7日後に残るのはモデルの感想ではなく、次の task に使える運用ルールになります。
公式 plan、API billing、model availability が変わったときは、route table も更新します。古い価格、古い context window、古い model package を前提にしたままでは、local と cloud の比較がすぐにずれます。更新時は同じ smoke test を再実行し、採用した理由と捨てた理由を短く残します。
よくある質問
coding agent に最適なローカル LLM は？
万能の1位はありません。Qwen3-Coder、Qwen3-Coder-Next、Devstral、小型 code model は候補ですが、あなたの repo で accepted-change cost を下げる route が勝者です。
ローカルモデルは Claude Code や Codex を置き換えますか？
一部だけです。private、repeatable、short-context、testable な作業は置き換えられます。architecture、long context、team workflow は cloud が残ります。
GPU を買うべきですか？
反復 local workload が hardware と maintenance を回収できるときだけです。まれな high-stakes task は subscription/API の方が合理的です。
Codex CLI は local model ですか？
いいえ。CLI は local agent surface ですが、model route と billing は ChatGPT plan または API key の可能性があります。
pilot で何を測りますか？
accepted changes、review minutes、failed patches、test pass、setup time、context failures、reroutes です。
いつ cloud に戻しますか？
architecture reasoning、long context、managed execution、auditability、または local rework が savings を超えるときです。