VPSで小型LLM（qwen2.5:0.5b）を試して分かった3つの真実

はじめに

AI VTuber「牡丹プロジェクト」を開発していて、OpenAI APIのコスト（月¥4,500）が気になり始めました。

「VPSで小型LLMを動かせば、定型文のバリエーション生成をコストゼロでできるのでは？」

そう考えて、さくらVPS（2GB RAM）にOllama + qwen2.5:0.5bをインストールして検証しました。

結論: メモリ・速度は問題なし。でも、品質が不安定で本番投入は断念しました。

この記事では、実際の検証結果と、そこから学んだ3つの真実をお伝えします。

検証環境

VPSスペック

プロバイダ: さくらVPS
CPU: Intel Xeon 3コア
メモリ: 2GB
GPU: なし（CPU-only mode）
OS: Ubuntu

Ollamaセットアップ

# Ollamaインストール
curl -fsSL https://ollama.com/install.sh | sudo sh

# qwen2.5:0.5bモデルをプル（397MB）
ollama pull qwen2.5:0.5b

# 常時ロード設定（環境変数）
sudo mkdir -p /etc/systemd/system/ollama.service.d
echo '[Service]
Environment="OLLAMA_KEEP_ALIVE=-1"
Environment="OLLAMA_NUM_PARALLEL=1"
Environment="OLLAMA_MAX_LOADED_MODELS=1"' | sudo tee /etc/systemd/system/ollama.service.d/override.conf

sudo systemctl daemon-reload
sudo systemctl restart ollama

常時ロード設定のポイント:

OLLAMA_KEEP_ALIVE=-1: モデルをメモリに常駐（アンロードしない）
OLLAMA_NUM_PARALLEL=1: 並列処理を1に制限（メモリ節約）
OLLAMA_MAX_LOADED_MODELS=1: 最大1モデルまで（メモリ節約）

テスト結果

1. メモリ使用量テスト ✅

モデルロード前:

total: 2GB
used: 1.0GB
available: 960MB

モデルロード後:

total: 2GB
used: 1.5GB
available: 429MB

プロセス詳細:
- ollama serve: 101MB
- ollama runner: 516MB

結論: ✅ メモリ的に十分動作可能（429MB余裕あり）

2. 応答速度テスト ✅

初回応答（モデルロード込み）:

time ollama run qwen2.5:0.5b "こんにちは"

total duration: 2.585s
load duration: 1.817s
eval rate: 38.15 tokens/s

2回目以降（モデルロード済み）:

total duration: 1.315s
eval rate: 38.15 tokens/s

結論: ✅ 応答速度は実用的（1.3秒程度）

3. 品質テスト: 定型文バリエーション生成 ❌

目的: 三姉妹VTuberのキャラクター性を反映した定型文バリエーション生成

テストケース: 牡丹（17歳ギャル系）の挨拶

元の文: 「おはよう！今日も元気にいこ！」

プロンプト:

以下の文を、牡丹（17歳ギャル系VTuber）のキャラクターに合わせて微妙に変えてください。
元の文: おはよう！今日も元気にいこ！
変更: 語尾、絵文字、口調を少し変える程度（意味は同じ）
出力: 変更後の文のみ（簡潔に、日本語で）

結果（5回テスト）

回数	出力	評価
1	「おはよう！元気にいこ！」（17歳ギャル系VTuber）	❌ 説明が入ってしまう
2	こんにちは！今日も元気です！	❌ 挨拶が変わってしまう
3	おはよう！今日は元気！	△ まずまず
4	「こんにちは！あけましておめでとうございます！」	❌ 全く違う内容
5	朝好！今日は元気ですね！	❌ 中国語混入

評価: ❌ 品質が不安定、指示に従わないことが多い

プロンプトをシンプルにしても改善せず

シンプルプロンプト:

次の文の語尾だけを少し変えて。
元: おはよう！今日も元気にいこ！
変更後:

結果（5回テスト）

回数	出力	評価
1	今日は元気でお過ごしですね！	❌ 文全体が変わる
2	元: おはよう！今日は元気な一日過ごせる！	❌ プロンプトを繰り返す
3	朝ごみ！今日は良い一日！	❌ 意味不明
4	元: おはよう！今日は元気に満ちた一日です！	❌ プロンプトを繰り返す
5	明日も元気にいこ！	❌ 時間が変わる

評価: ❌ さらに不安定、指示理解が弱い

分かった3つの真実

真実1: 小型LLMは動く、でも品質は不安定

できること:

✅ VPS（2GB RAM）で安定動作
✅ 応答速度が実用的（1-2秒）
✅ 英語の基本応答は良好

できないこと:

❌ 日本語のニュアンス調整
❌ キャラクター性の反映
❌ 微妙な口調の変更
❌ 中国語が混入することがある

qwen2.5:0.5bは中国製モデルなので、日本語の微妙な変更が苦手なのは納得です。

でも、「語尾を少し変える」程度の指示すら安定して実行できないのは、本番環境では使えないと判断しました。

真実2: ルールベースの方が優れていることがある

小型LLMで品質が不安定なら、シンプルなルールベースシステムの方が優れています。

ルールベース定型文システム（Python実装例）

import random

GREETING_VARIATIONS = {
    "botan": [
        "おはよ〜！今日も元気にいこ！",
        "おはよう！今日も元気出していこ〜！",
        "おっはよ！元気いっぱいでいこ！",
        "おはよ！今日も頑張ろ〜！",
    ],
    "kasho": [
        "おはようございます。よく眠れましたか？",
        "おはよう。今日も良い一日にしましょうね。",
        "おはようございます。体調は大丈夫ですか？",
        "おはよう。今日も頑張りましょう。",
    ],
    "yuri": [
        "おはよう...今日も頑張ろうね",
        "あ、おはよう...よく眠れた？",
        "おはよう...今日も一緒に過ごせるね",
        "...おはよう。今日もよろしくね",
    ]
}

def generate_greeting(character: str) -> str:
    """キャラクター別の挨拶をランダムに選択"""
    return random.choice(GREETING_VARIATIONS[character])

# 使用例
print(generate_greeting("botan"))
# → "おっはよ！元気いっぱいでいこ！"

ルールベースの利点

指標	小型LLM	ルールベース
品質	❌ 不安定	✅ 確実
キャラクター性	❌ 反映困難	✅ 保証
応答速度	△ 1.3秒	✅ 0.001秒以下
メモリ	△ 516MB	✅ ゼロ
コスト	✅ ゼロ	✅ ゼロ
バリエーション数	∞	△ 事前定義数のみ

欠点:

バリエーション数に上限がある
手動でパターンを追加する必要がある

でも、最初は手動で作って、後から学習したパターンを追加していけば良いのです。

真実3: 技術的に可能 ≠ 実用的に最適

この検証で最も重要な学びは、「技術的に可能」と「実用的に最適」は違うということです。

技術的に可能だったこと

✅ VPSでOllamaが動く
✅ qwen2.5:0.5bが応答を返す
✅ メモリ・速度は問題なし

実用的に最適ではなかったこと

❌ 品質が不安定（本番投入不可）
❌ キャラクター性を反映できない
❌ ルールベースの方が確実で速い

「VPSでLLMを動かす」という技術的挑戦に興奮しすぎて、実用性を冷静に評価できていませんでした。

でも、検証して正確な判断材料が得られたので、結果オーライです。

最終的なアーキテクチャ（改訂版）

当初の3層構成（パターンDB → Ollama 0.5b → OpenAI API）から、より現実的な2層構成に変更しました。

改訂版: 2層ハイブリッド構成

コスト削減効果

ベースライン: ¥4,500/月（全てgpt-4o）

改訂版2層構成:
  Layer 1 (パターンDB + ルールベース): 60%
  Layer 2 (OpenAI API): 40%
    ├─ gpt-4o-mini: 28% → ¥45 × 0.28 = ¥12.6
    └─ gpt-4o: 12% → ¥4,500 × 0.12 = ¥540

合計: ¥552.6/月

削減率: 87.7%！

長期的な推移

Phase 1（初期）:
  Layer 1: 30% | Layer 2: 70%
  コスト: ¥1,575/月（65%削減）

Phase 2（3ヶ月後）:
  Layer 1: 60% | Layer 2: 40%
  コスト: ¥552/月（87.7%削減）

Phase 3（6ヶ月後）:
  Layer 1: 80% | Layer 2: 20%
  コスト: ¥225/月（95%削減）

Phase 4（1年後）:
  Layer 1: 90% | Layer 2: 10%
  コスト: ¥112/月（97.5%削減）

学習が進むほどコストが下がる仕組みは維持されています。

まとめ

qwen2.5:0.5bの評価

✅ VPSで動作可能: メモリ・速度共に問題なし
❌ 定型文バリエーション生成は不向き: 品質が不安定
⚠️ 限定的な用途なら有用: 英語応答、キーワード抽出など

推奨実装方針

Layer 1をルールベースで実装
- 定型文バリエーションは事前定義パターンから選択
- シンプルで確実、コストゼロ
Layer 2はOpenAI API
- 複雑な会話のみAPI利用
- gpt-4o-miniを積極活用（70%）
- gpt-4oは重要会話のみ（30%）
qwen2.5:0.5bは実験用途
- 本番環境では使用しない
- ローカル環境での実験・検証に活用
- 将来的な大型モデル（1.5b, 3b）の検討材料

今日の一言

「技術的に可能」と「実用的に最適」は違う。開発者として、最適な選択をすることが大切。

関連記事

AI VTuber設計思想「AiDA-AiTE」〜プロレス文化から学ぶ、愛あるじゃれ合いの実装〜

プロジェクト情報

プロジェクト: 牡丹プロジェクト（AI VTuber）
GitHubリポジトリ: AI-Vtuber-Project
技術スタック: Python, Ollama, OpenAI API, LINE Messaging API

🤖 Generated with Claude Code

Co-Authored-By: Claude noreply@anthropic.com

作成日: 2025-11-13