FullSense ™ — Recommended on-prem models
どの OSS LLM を Ollama / LM Studio / vLLM で動かすと FullSense (llive / llove / lldesign / lltrade) が 意図通り動くか。各 product README で 個別に書くと drift するので、portal を真実ソースにする。
結論 (2026-05-18)
| 用途 | 推奨 | 補助選択肢 | 非推奨 |
|---|---|---|---|
| 日常対話 / Brief 駆動 | qwen2.5:7b | qwen2.5:14b, gemma2:9b | llama3.2:3b |
| コード生成 (lldesign / lltrade) | qwen2.5-coder:7b | qwen2.5-coder:14b, deepseek-coder-v2:16b | llama3.2:3b |
| VLM (image describe) | qwen2-vl:7b | llama3.2-vision:11b (warm 後), llava:7b | 未 warm の vision モデル |
| 小型 / エッジ実機 (RPi / Jetson Nano 等) | phi-3:3.8b, qwen2.5:3b | gemma2:2b | llama3.2:3b (ll* typo 再発) |
なぜ llama3.2:3b は非推奨か
feedback_competitor_benchmark の 2026-05-16 progressive validation matrix
- 4-Brief A/B 結果で 2 度の
lllivetypo (3 Ls) が出現。これはll*で始まる FullSense ブランドの命名規則と 直接的に競合する tokenisation 問題。具体出現箇所はllmesh/docs/qiita/qiita-overview.md他参照。
このため、llive / llove / lldesign / lltrade のいずれの README でも llama3.2:3b を install スニペットの第一推奨にしない。
推奨選定の判断軸
flowchart TD
Q1{用途は<br/>コード生成?}
Q2{用途は VLM?}
Q3{RAM < 16 GB?}
Q4{エッジ機器?}
Q1 -- Yes --> CODE[qwen2.5-coder:7b]
Q1 -- No --> Q2
Q2 -- Yes --> VLM[qwen2-vl:7b]
Q2 -- No --> Q3
Q3 -- Yes --> SMALL[qwen2.5:3b<br/>or phi-3:3.8b]
Q3 -- No --> Q4
Q4 -- Yes --> EDGE[gemma2:2b]
Q4 -- No --> DEFAULT[qwen2.5:7b]
install スニペット (実用)
各 product 共通の最小手順:
# 1. Ollama 起動 (デフォルトは http://localhost:11434)
ollama serve &
# 2. 推奨モデルを pull (~5 GB)
ollama pull qwen2.5:7b
# 3. llive (任意の FullSense 製品も同じ env で動く)
$env:LLIVE_LLM_BACKEND = "ollama"
$env:LLIVE_OLLAMA_MODEL = "qwen2.5:7b"
$env:LLIVE_OLLAMA_HOST = "http://localhost:11434"
py -3.11 -m llive.cli brief submit ./my-brief.yaml
llama.cpp llama-server 経由運用も同等。詳細は llive/docs/setup/llama-server-company-setup.md。
モデル更新ポリシー
- Honest disclosure: 推奨は 2026-05-18 時点のベンチ結果に基づく。 最新ベンチ (Benchmarks Policy に従う) で順位が変動したら本ページを更新する。
- 推奨変更時は本ページ + llive README + lldesign / lltrade docs の 該当箇所を 1 commit でまとめて更新する (drift 防止)。
- 推奨外モデルでも動作する。
feedback_no_echo_baselineの通り、mock / rule-based baseline を含めて全モデル比較は CI ベンチで継続。
関連
- Comparison — vs 各社 AI CLI / Web
- Benchmark Policy — 系列 A/B/C/D + xs/s/m/l/xl 運用
- Spec hub
- maintainer memory:
feedback_llive_spelling(llive= L 2 個、lllive禁止)feedback_competitor_benchmark(ベンチ運用 4 軸)feedback_llive_measurement_purity(cloud vs on-prem 系列分離)
Last updated
2026-05-18 — 初版。lldesign / lltrade README で具体モデル名を書かず 本ページにリンクする hub 方針を採用。