PapersGPTパフォーマンスベンチマーク：1,500以上のPDFを数分でインデックス化、ミリ秒で結果を取得

すべての研究者が同じ壁に直面します。Zoteroライブラリが数百〜数千のPDFに成長すると、「あのXについて書いてあった論文を探す」ことが宝探しのようになってしまいます。クラウド型AIツールは、すべてを誰かのサーバーにアップロードすることを強制します。デスクトップアプリは動作が遅く、AIに質問しても、ライブラリを検索するのに数秒待たされます。

PapersGPTは、その待ち時間をなくすために開発されました。それを証明するため、実際のハードウェア上で管理された一連のベンチマークを実施しました。その数値がこちらです。

ベンチマークの設定

毎日の研究業務に最も重要な3つの項目を測定しました。

インデックス時間 — 検索用にPDFライブラリをスキャンしてインデックス化するのにかかる時間。
メモリ使用量 — バックグラウンドのエージェントプロセスがアイドル時と検索時に消費するRAMの量。
取得レイテンシ — クエリがライブラリから根拠に基づいた結果を返す速さ。

テストは2台のマシンの実際のZotero環境で実施されました。1台はIntel i9プロセッサ搭載のMac、もう1台は**同じIntel i9搭載Mac上で動作するWindows仮想マシン（4コア / 8GB RAM）**です。これは一般的なオフィスPCを模した、意図的に控えめな構成です。

結果：PapersGPTパフォーマンスベンチマーク

指標	Mac（Intel i9）	Windows VM（4C8G）
ライブラリサイズ	1,506 PDF（ディスク上4.5 GB）	500+ PDF
インデックス時間	141秒	数秒
メモリ（エージェントプロセス）	227 MB	160 MB
平均取得時間	~15 ms	~15 ms

Windows VMはホストと同じIntel i9搭載Macを共有し、割り当てられたリソースは4コアと8GBのRAMのみです。

これらの数値が実際に何を意味するのか、詳しく見ていきましょう。

1. 2.5分未満で1,500以上のPDFをインデックス化

Macでは、PapersGPTは4.5GBのディスク容量を占める1,506件のPDFをわずか141秒でインデックス化しました。これは1秒あたり約10本の論文に相当します。一晩待つ必要も、1時間続く「ライブラリをインデックス化中」のプログレスバーを眺める必要もありません。プラグインをインストールしてライブラリをスキャンすれば、コーヒーが冷める前にチャットを始められます。

Windows VM — わずか4コアと8GBのRAMの環境 — では、500+ PDFのインデックス化に数秒しかかかりませんでした。そのため、成長を続けるライブラリでも、ほぼオンデマンドでインデックス化されます。

比較として、多くのクラウドベースの「ドキュメントとチャット」ツールでは、ファイルを1つずつアップロードしてサーバー側で処理する必要があり、調子の悪い日は1ドキュメントあたり数分かかることもあります。PapersGPTのローカルインデックス化は事実上即時です。

2. マシンを遅くしない軽量メモリ使用量

1-2 GBのRAMを占有するリサーチツールは珍しくありません。PapersGPTのエージェントプロセスは軽量なままです。1,500以上のドキュメントからなるライブラリを処理している間も、Intel i9搭載Macでは227 MB、4C8GのWindows VMではわずか160 MBです。

これは、Zotero、ブラウザ、PDFリーダー、LaTeXエディタがすべて同じ16 GBのRAMを取り合う状況で重要です。軽量なバックグラウンドエージェントがあれば、参考文献管理ツールと他のアプリのどちらかを犠牲にする必要はありません。

3. ~15 msの取得：質問を考えるよりも速い

最も重要な数値は取得レイテンシです。PapersGPTは、ライブラリから出典に基づいた結果を平均で約15 msで返します。参考までに：

一般的なウェブページの読み込みには1,000–3,000 msかかります。
まばたきには約100–150 msかかります。
PapersGPTは15 msで回答します — まばたきよりも一桁速いのです。

これこそが、「研究ライブラリとのチャット」をリモートAPI呼び出しではなくネイティブな体験のように感じさせる理由です。論文について質問すると、回答は事実上即座に返ってきて、引用は該当するPDFを正確に指し示します。

なぜPapersGPTはこれほど速いのか？

PapersGPTのパフォーマンスは偶然ではありません。ローカルファーストの速度のために設計されたエンジニアリング上の選択によるものです：

ネイティブC++コア

インデックス化および取得エンジンは**C++**で書かれています。これはデータベースエンジンや取引システムと同じ言語ファミリーです。検索のホットパスにおけるインタプリタ型ランタイム（Python、Node）のオーバーヘッドを排除します。

BM25全文検索

PapersGPTは、タイトル、作成者、タグ、抄録、個人のアノテーションを横断するBM25全文検索と、主キーによる瞬時の全文取得を組み合わせています。BM25は現代の検索エンジンを支えるものと同じランキングモデルであり、実績があり、高速で、学術テキストとの関連性も非常に高いものです。

ネットワーク往復ゼロ

すべてがローカルで動作するため、アップロードキューもサーバー側のインデックス化ジョブもなく、質問と論文の間のネットワークレイテンシもありません。体感できる速度は、そのまま自分のマシンの速度です。

軽量エージェント設計

バックグラウンドエージェントは意図的に最小限に設計されています。要約やチャット返信を生成する場合を除き、フルLLMをメモリに読み込みません。最も頻繁に実行される操作である検索は、コストを抑えたまま維持されます。

これが研究ワークフローにもたらす意味

巨大なライブラリももう問題ではない

Zoteroライブラリが1,000本の論文を超えた瞬間、ほとんどのAIリサーチツールは機能不全に陥り始めます。アップロードには永遠に時間がかかり、検索は遅くなり、メモリ使用量は膨れ上がります。PapersGPTはその逆です。スケールを想定して設計されたネイティブC++エンジンに基づき、1,000本、5,000本、さらには10,000+本の論文からなるライブラリを完全に余裕で処理します。

ベンチマークから得られる重要な洞察は次の通りです。インデックス化のコストはライブラリの規模にほぼ線形に増加する一方、取得時間は実質的に一定のままです。1,506件のPDFのインデックス化に141秒かかったということは、10,000本規模のライブラリ（約30 GB）であればおよそ15–20分でインデックス化でき、そのコストを払うのは新しい論文1本につき1回だけです。日常的な検索は、100本でも10,000本でも~15 msのままです。エージェントはライブラリ全体をRAMに読み込むのではなくオンデマンドでインデックス化と検索を行うため、メモリ使用量はライブラリの規模に関係なく数百MB台の低位に留まります。

要するに、ライブラリの規模はAIを避ける理由ではなくなります。数百本の論文を持つ博士課程の学生でも、数万本を持つベテラン研究者でも、PapersGPTの体験は同じです。即時、軽量、そして努力ゼロ。

古いハードウェアでも高速なまま

優れた検索パフォーマンスを得るためにワークステーションやGPUは必要ありません。ベンチマークはコンシューマ向けのIntel i9搭載Macで実行されました。Windowsでのテストはさらに厳しい条件でした。同じMacを共有する4コア・8GBの仮想マシンです。その環境でも、PapersGPTは500+ PDFを160 MBのメモリ使用量で数秒のうちにインデックス化しました。控えめなVM内でこれほどレスポンシブに動作するなら、実際に仕事で使うどんな実機でも楽々と動作するでしょう。

データはローカルに留まる

速度だけがローカル検索の理由ではありません。プライバシーもその一つです。PapersGPTはPDFのインデックス化と検索を自分のマシン上で行うため、機密情報、未発表の研究、独占的な研究がコンピュータの外に出ることは決してありません。（ライブラリを外部のAIアシスタントに接続したい場合は、Zotero MCPサーバーがあなたの条件でその選択肢を提供します。）

PapersGPT対クラウド型リサーチツール

NotebookLMやChatPDFのようなクラウドツールは、ライブラリをクラウドにアップロードすることで「論文を検索する」問題を解決します。しかし、その代償として時間（アップロード＋サーバー側の処理）とプライバシー（データが他人のサーバーに置かれる）を支払うことになります。

	クラウドAIツール	PapersGPT
セットアップ	PDFを手動でアップロード	既存のZoteroライブラリをインデックス化
1,500 PDFのインデックス化	アップロードごとに数分、サーバー側のキュー	141秒、ローカルで
検索レイテンシ	500–2,000 ms（ネットワーク）	~15 ms（ローカル）
メモリへの影響	ブラウザタブ＋クラウド	160–227 MBのエージェント
プライバシー	データがマシンから出ていく	マシンに留まる

より詳しい比較は、NotebookLM vs. ChatPDF vs. PapersGPTガイドをご覧ください。

よくある質問

PapersGPTでZoteroライブラリをインデックス化するには？

PapersGPTプラグインをインストールし、Zoteroを開いて、作業したい論文を選択してください。PapersGPTが自動的にインデックス化します。手動アップロードも別のアプリも不要です。1,500件のPDFからなるライブラリは約2分でインデックス化されます。

検索にインターネット接続は必要ですか？

いいえ。インデックス化と取得は完全にローカルで行われるため、ミリ秒単位で計測されます。ライブラリはオフラインで検索できます。クラウドAIモデルは、回答生成のために明示的に選択した場合にのみ使用されます。

PapersGPTはコンピュータを遅くしませんか？

いいえ。バックグラウンドエージェントが使用するメモリはわずか160–227 MBです。Zotero、ブラウザ、エディタが通常どおり動作している間も、邪魔になることはありません。

1,500 PDFを超えるライブラリも扱えますか？

もちろんです。ここがPapersGPTの真骨頂です。ベンチマークでは現実的なテストとして1,506件のPDFを使用しましたが、エンジンのスケーラビリティはその先にあります。Zoteroライブラリが1,000本、5,000本、または10,000+本の論文を保持していても、PapersGPTは完全に余裕で処理します。インデックス化はほぼ線形に増加し（10,000本規模のライブラリは数分でインデックス化）、取得は~15 msのまま、メモリも数百MB台の低位に留まります。PapersGPTが遅く感じられるような現実的なライブラリサイズは存在しません。

まとめ

ベンチマークの結果は明確です。PapersGPTは1,506件のPDF、4.5 GBのライブラリを141秒でインデックス化し、Intel i9搭載Macではわずか227 MBのメモリしか消費せず（4C8GのWindows VMでは160 MB）、~15 msで回答を取得します。また、エンジンはインデックス化で線形にスケールし、取得時間は一定に保たれるため、Zoteroライブラリが1,000本でも10,000+本でも、この楽々とした速度は変わりません。高速なインデックス化、小さなメモリフットプリント、瞬時の取得、そして完全にローカルなプライバシー。この組み合わせこそが、PapersGPTをプラグインというより研究ワークフローのネイティブな一部のように感じさせる理由です。

その違いを体感してみませんか？ 自分のZoteroライブラリでPapersGPTを試して、研究がどれほど速くなるかを確かめてください。