本記事は、「Next AI Drawio を LM Studio と組み合わせて使う」というローカルAI構成が、実用に耐えるかどうかを検証した記録である。
AIに図を描かせる。
それ自体は、もう珍しい話ではない。
だが多くのデモは、クラウド前提だ。
高速で、洗練されていて、確かに気持ちがいい。
一方で、ローカルAIを日常的に使っている身からすると、
どうしても一つの疑問が残る。
これは、ローカルでも使い物になるのか？
結論から書こう。
Next AI Drawio は、ローカルAIでも十分に実用になる。
クラウドとの差が気になるなら、前回の記事を参照して欲しい。
検証環境は「普通」でいい
今回の検証環境は、特別なものではない。
- Docker 上で Next AI Drawio
- LLM サーバー：LM Studio
- モデル：
- gpt-oss
- qwen/qwen3-vl-4b
- Context 長：90k 固定
ハードウェアは、いつもの構成だ。
- Pentium G4560
- メモリ 16GB
- ストレージ HDD
正直に言って、最低クラスだと思う。
だが、アプリの読み込みが終わってしまえば使用感に影響はない。
処理の律速は、完全に LLM 側だ。
Next AI Drawio 側は、驚くほど軽い。
公式デモとローカルAIの違い
公式デモでは、こうしたプロンプトがそのまま通る。
OSI の 7 layer をカラフルな図解で。キャプション付き。
一行だけで、見栄えのする図が返ってくる。
ここは素直に完成度が高い。
ローカルAIでは、少しだけ気を使う必要がある。
とはいえ、プロンプト職人芸が必要なわけではない。
- 何を図にしたいか
- 図の構造（層・対応関係など）
この二点を意識して書けば十分だ。
「長い指示を書く必要はないが、
丸投げもしない」
その程度の違いでしかない。
今回使用したプロンプト
OSI 7階層参照モデルを、
左に階層（色分けされたボックス）、
右に各層の説明文（短いキャプション）を配置した
カラフルな図解で作成してください。
モデル別の所感
qwen/qwen3-vl-4b
高速に生成され、要素も一通り揃うが、説明や構造がやや冗長になりやすい。
図のたたき台としては十分だが、最終形にするには整理が必要。
生成は速い。
Context を 90k に拡張すると、挙動はかなり安定する。
以前見られたような、
同じ図を延々と繰り返すループ挙動も今回は出なかった。
ただし、図として見るとやや冗長だ。
説明を足そうとする意識が強く、
「止まるべきところで止まらない」傾向は残る。
しかし、4BモデルでVL付きのQwen3がここまでやるのは立派。
gpt-oss
構造が安定しており、過不足のない骨格を一度で出してくる。
派手さはないが、「下書き」として最も手直ししやすい出力。
仕上がりは、明らかにこちらが上だった。
- 図の構造が壊れない
- 色合いもいい
- キャプショニングも優秀
- 教材的な完成感がある
- 一枚描いたところで、ちゃんと止まる
派手さはない。
だが「下書き」としては、非常に使いやすい。
今回の用途では、
gpt-oss のほうが一段上の結果だったと言っていい。
速度は、この用途では主役じゃない
qwen3 のほうが速い。
これは事実だ。
だが AI 作図においては、
数秒の差が体験を大きく左右することはない。
重要なのは、
- 図の骨格が破綻しないこと
- 手直し前提で使えること
- 思考を止めずに次へ進めること
その点で、
速度は決定要因にならなかった。
ローカルAIで使う意味
この構成の価値は、性能ではない。
- クラウドに依存しない
- LAN 内で完結する
- API コストを気にしなくていい
- 思考の途中で、気軽に図を出せる
- 秘密の作図にも使える
完成図を作るためのツールではない。
思考を前に進めるための下書き生成器だ。
Next AI Drawio は、
ローカルAIと組み合わせても、その役割をきちんと果たす。
結論
公式デモの完成度は高い。
それは間違いない。
恐らく、GPT-4oクラスを使用しているのだろう。
だが、
ローカルAIでも「下書き用途」には十分耐える。
派手さより、構造。
速度より、止まれること。
その価値を理解している人にとって、
この組み合わせは、かなり現実的な選択肢になる。
これが今回の実地検証の発見だ。
参照
