モデルと速度の目安（実測）
Morphifexはモデルを同梱していません。Ollamaに入っているモデルをそのまま使います。どれを選ぶかで、出来上がりも、待ち時間も、必要なGPUメモリも変わります。下に載せるのは開発機とRunPodで借りたGPUでの実測値です。お使いの環境では前後します。
このページの「16GB」はVRAM（グラフィックボード専用のメモリ）のことで、ふだん言う「メモリ64GB」＝PCメモリとは別ものです。動くかどうかは両方の合計で決まり、速いかどうかはVRAMに収まったかで決まります。詳しくははじめかたにあります。
計測した環境
下の数値は、次の2つの環境での実測です。Morphifex本体と保存先はどちらの場合も手元のPCで、RunPodのGPUはOllamaの接続先としてだけ使っています。
CPU / メモリ: Ryzen 7 9700X（8コア）/ 64GB
接続先:
http://localhost:11434
用途: 同じ条件を短時間でまとめて撮るため
接続先: 別PCのOllamaと同じ設定
| 計測したモデル | gemma4:12b-it-qat / gemma4:26b-a4b-it-qat / gemma4:31b-it-qat / ornith:35b |
|---|---|
| 生成の設定 | temperatureなどは指定していません。各モデルの既定値のまま動かしています |
| 母数 | 完了したOllamaジョブ1,050件（RunPod 558件 / 手元 492件）。2026年7月13日〜25日 |
| 代表値 | 中央値。読み込み直後の1回だけ遅いといった外れ値を避けるため、平均ではなく中央値を出しています |
出力速度（1秒あたりトークン数）
モデルが文章（SVGやHTMLのコード）を書き出す速さです。数字が大きいほど速く、待ち時間は短くなります。
- RTX 5070 Ti（VRAM 16GB・手元）
- RTX 5090（RunPod）
n は計測した回数です。| モデル | RTX 5070 Ti（16GB） | RTX 5090 |
|---|---|---|
gemma4:12b-it-qat | 84.5 tok/s（n=86） | 129.6 tok/s（n=112） |
gemma4:26b-a4b-it-qat | 98.8 tok/s（n=96） | 198.7 tok/s（n=146） |
gemma4:31b-it-qat | 5.5 tok/s（n=45） | 66.5 tok/s（n=128） |
ornith:35b | 91.4 tok/s（n=82） | 220.4 tok/s（n=162） |
- 26b-a4b は名前ほど重くありません。「a4b」は一度に使う部分だけを動かす作りで、16GBでも12bより速く出ています。
- 31b は16GBに収まりません。手元では5.5 tok/s まで落ちました。同じモデルが5090では66.5 tok/sです。
- 大きさより「作り」です。
ornith:35bは34.7Bありますが、16GBの手元でも91.4 tok/sで、12b級より速く動いています。26b-a4bと同じく一度に使う部分だけを動かす型（256個のうち8個）だからです。同じ16GBで、30.7Bの31bは5.5 tok/s。数字の大小ではなく、その作りがVRAMに収まるかどうかで決まります。
VRAMに載るかどうかが、いちばん効く
同じ gemma4:31b-it-qat で、同じお題を作ったときの差です。モデルもプロンプトも同じで、違うのはGPUだけです。
| 環境 | 出力速度 | イラスト1枚 |
|---|---|---|
| RTX 5070 Ti（VRAM 16GB） | 5.5 tok/s | 約8分（487.6秒・n=12） |
| RTX 5090 | 66.5 tok/s | 約48秒（47.9秒・n=22） |
数をこなすなら12B・26B、1枚に時間をかけてでも出来を上げたいなら31B、という使い分けができます。待てるなら、VRAMが小さくても大きいモデルを試す価値はあります。
機能ごとの所要時間
1回の生成にかかった時間（中央値）です。やり直しが入ると、この時間がその回数分かかります。2つのグラフは目盛りをそろえてあるので、そのまま見くらべられます。
手元の RTX 5070 Ti（VRAM 16GB）
まずは、多くの人の環境に近いほうから。回数の少ないセルもそのまま載せています（n が計測した回数です）。
- gemma4:12b-it-qat
- gemma4:26b-a4b-it-qat
- gemma4:31b-it-qat
- ornith:35b
| 機能 | 12b | 26b-a4b | 31b | ornith:35b |
|---|---|---|---|---|
| イラスト | 39.5秒（n=17） | 56.5秒（n=10） | 487.6秒（n=12） | 60.8秒（n=16） |
| アイコン | 36.1秒（n=12） | 61.7秒（n=8） | 300.3秒（n=8） | 46.9秒（n=14） |
| 4コマ（作画） | 23.3秒（n=8） | 18.7秒（n=5） | 429.5秒（n=6） | 51.9秒（n=4） |
| Webゲーム | 72.2秒（n=9） | 83.3秒（n=16） | 818.5秒（n=6） | 91.7秒（n=15） |
| ノベル | 45.2秒（n=12） | 34.7秒（n=11） | 303.7秒（n=3） | 52.5秒（n=12） |
n の小さい数字は「その環境で確実にこうなる」ではなく、「少なくともこういう回があった」として読んでください。
16GBで数をこなせるのは12b級・26b-a4b・ornith:35bで、Webゲーム1本が1分〜1分半ほどです。31bだけは桁が違い、イラスト1枚に8分、ゲーム1本に13分半かかりました。ゲームが動かなかったときの修復は、26b-a4bで実行時エラーが38.4秒（n=5）、静的エラーが81.2秒（n=5）です。
RunPodの RTX 5090
こちらは同じ条件をまとめて撮ったので、どのセルも11〜24回あります。
- gemma4:12b-it-qat
- gemma4:26b-a4b-it-qat
- gemma4:31b-it-qat
- ornith:35b
| 機能 | 12b | 26b-a4b | 31b | ornith:35b |
|---|---|---|---|---|
| イラスト | 28.0秒（n=23） | 26.1秒（n=22） | 47.9秒（n=22） | 34.6秒（n=21） |
| アイコン | 28.9秒（n=15） | 34.9秒（n=17） | 43.4秒（n=16） | 23.8秒（n=15） |
| 4コマ（作画） | 17.6秒（n=15） | 11.1秒（n=14） | 37.7秒（n=15） | 20.1秒（n=14） |
| Webゲーム | 46.3秒（n=22） | 39.8秒（n=21） | 78.7秒（n=24） | 41.5秒（n=23） |
| ノベル | 20.6秒（n=13） | 21.3秒（n=31） | 32.2秒（n=15） | 19.4秒（n=32） |
4コマは構成（12〜23秒）を作ってから作画に入るので、1本の合計はこの表より長くなります。
2026-08-12 更新: 手元の16GBは4モデル × 5機能がすべて埋まりました。このページを最初に書いた時点では手元の計測が81件しかなく、半分が「計測なし」でした。いまは492件です。ここに載せていないモデル（Qwen3.5 / Qwen3.6 など）も手元では動かしていますが、同じ条件を2つの環境で撮れているのはこの4モデルだけなので、表は4モデルのままにしています。撮れた分から順に足していきます。
どのモデルから試すか
- 数を作って比べたい：
gemma4:12b-it-qatかgemma4:26b-a4b-it-qat。16GBでも待ち時間が実用の範囲に収まります。 - 大きいモデルを16GBで試したい：
ornith:35b。34.7Bありますが一度に使う部分が小さい型なので、手元の16GBでもイラスト1枚が約1分です。大きさだけで諦めなくて済む例です。 - それでも31bの出来を見たい：
gemma4:31b-it-qatは16GBに収まらないので、VRAMに余裕のあるGPU（別PCやクラウドGPU）があると現実的な速度になります。VRAMが小さくても、PCメモリに余裕があれば動きます（手元の16GB環境ではイラスト1枚に約8分）。待てるなら試す価値はあります。 - まず動くかを確かめる：手元のモデルで1枚作ってみます。出ない場合はトラブルシュートへ。
出来ばえの差は数字では出ません。同じ条件で作って作品管理で見比べるか、作例集で実物を見てください。
自分の環境で測る
上の数字はあくまで2つの環境の実測です。GPU、量子化、コンテキスト長、接続先が違えば結果は変わります。Morphifexは同じ計測をあなたの環境でも取っています。
- 比べたいモデルで同じ条件の作品を作る
題材と設定はそろえて、モデルだけ変えて作ります。作り方は同じ条件で比べるを参照してください。
- 実行履歴を開く
サイドメニューの「実行履歴」から、モデル性能レポートの「計測対象」と「GPUラベル」を選びます。
- 4項目を見る
平均総所要時間、総所要時間の中央値、平均モデル読込時間、平均出力速度が、モデルごとに並びます。読み方は実行履歴と性能へ。
接続先ごとにGPUラベルを付けておくと、上のような比較が自分の手元でもそのまま作れます。
1件ずつ順番に処理します
生成も評価も、アプリ全体で常に1件だけ動きます。複数モデルで比べるときも、選んだ順に1モデルずつ処理します。同時に動かすとVRAMを取り合って、どちらも遅くなるためです。
何かが動いているあいだに別の生成を始めようとすると、「別の生成または評価が実行中です」と表示されて断られます。いま何が動いているかは、画面上部の実行中インジケータで確認できます。
モデルはOllama側で用意する
アプリの一覧に出るのは、Ollamaが持っているモデルです。Morphifexがモデルを自動でダウンロードすることはありません。ollama pull <モデル名> で入れたものが選べるようになります。
モデルを追加・更新したあとは、「Ollama接続」画面の「モデル能力を再取得」を押します。画像に対応しているかどうかなどの情報をOllamaから読み直す操作です。
コンテキスト長
モデルへ一度に渡せる長さの設定です。Morphifexが生成時にOllamaへ明示するのは、この値と、一部機能での最大出力トークン（4コマ漫画の構成・作画など）だけです。
temperatureやseedなどの生成パラメーターは指定しません。すべてのモデルを、それぞれの既定値（Modelfileの設定）のまま動かします。配布者が調整した「そのモデルの素の状態」を同じ扱いで比べることが、この道具の前提だからです。変えたい場合はOllama側のModelfileで調整できますが、その場合は過去の結果と比較の土台が変わることに注意してください。
| 既定値 | 32,768（5機能とも同じ） |
|---|---|
| 候補 | 16,384 / 32,768 / 65,536 / 131,072 / 262,144 |
5つの作成画面すべてで変えられます。作成ボタンの下にある「コンテキスト長」を押すと選び直せます。既定と違う値にしているときは、そのボタンに数字が出ます。選んだ値は作成の種類ごとに覚えます。
コンテキスト長を大きくするほど必要なメモリも増えます。比較の条件にも入るので、値を変えると同じ題材でも別のグループになります。
vision対応が要るのはどこか
イラスト、アイコン、4コマ漫画、Webゲーム、ビジュアルノベルは、どれもテキスト生成モデルで動きます。モデルが書くのはSVGやHTMLというコードなので、画像を見る能力は要りません。
vision（画像を見る能力）が必要なのは、通常の導線から外してある互換機能だけです。
- 画像評価：できあがった絵を画像にしてモデルへ見せ、点を付けさせる機能。
- 修正前後の画像比較：自動修正で、直す前と後のどちらがよいかをモデルに判定させる処理。
- 参照画像からの生成・修正：見本の画像を渡して描いてもらう機能。
これらの画面では、vision対応のモデルだけが選択肢に出ます。Ollamaにvision対応モデルが1つもない場合は、その旨が表示されます。