Intel Arc B570 で動くローカルLLM一覧（2026年10月）
101快適（20 tok/s以上）
0実用（8〜20 tok/s）
61メモリに一部を逃がせば動く
42動かない
編集部の見立て
10GBという半端な容量が、このカードの性格を決めています。12B級ならQ5_K_Mまで上げられ、Gemma 4 12BのQ5_K_Mで必要9GB・推定26.4tok/s。ところが14B級で4bitに収まるのはMinistral 3 14BのIQ4_XSくらいで、Qwen3 14Bはあと0.9GB届きません。
8GBカードより一段広く、12GBカードより一段狭い。日本語の12Bを量子化を落とさずに使いたい人には筋が通り、14Bを視野に入れるなら最初からB580です。
まず試すなら: Gemma 4 12B（5bit（Q5_K_M）・必要9.0GB・約26 tok/s推定）。VRAM 12GBで日本語が上手い2026年版。Gemma 3 12Bの後継
足りないのは: Qwen3 14Bを動かすにはVRAMがあと約0.9GB必要（必要10GB / 実効9.5GB）。はみ出した分をPCのメモリに逃がせば（CPUオフロード）動きますが、速度は数分の一になります。
Qwen3 14Bが動く機種に買い替えるなら
- ぴったりRTX 5070（12GB）デスクトップ・メモリ32GB目安 20〜28万円
- 余裕を持つならRTX 5070 Ti（16GB）デスクトップ・メモリ32GB目安 28〜38万円
- 別の形ならMac mini M4 Pro（メモリ48GB・SSD 1TB）目安 30〜36万円
VRAMに収まるモデル
収まる量子化のうち、いちばん精度の高いもので表示しています（速度は推定・計算方法）。
快適 この機種では、VRAMに収まる101本がすべて「快適」に入ります。
| モデル | 量子化 | 必要 | 推定速度 |
|---|---|---|---|
| Gemma 3 270M | 8bit（Q8_0） | 0.8GB | 約740 tok/s推定 |
| Qwen2.5 0.5B | 8bit（Q8_0） | 1.1GB | 約390 tok/s推定 |
| Qwen3.5 0.8B | 8bit（Q8_0） | 1.4GB | 約260 tok/s推定 |
| Gemma 3 1B | 8bit（Q8_0） | 1.6GB | 約210 tok/s推定 |
| Sarashina2.2 0.5B | 8bit（Q8_0） | 1.8GB | 約210 tok/s推定 |
| Qwen3 0.6B | 8bit（Q8_0） | 2.0GB | 約210 tok/s推定 |
| LFM2.5 1.2B JP | 8bit（Q8_0） | 1.8GB | 約180 tok/s推定 |
| Llama 3.2 1B | 8bit（Q8_0） | 2.0GB | 約160 tok/s推定 |
| EXAONE 4.0 1.2B | 8bit（Q8_0） | 2.3GB | 約140 tok/s推定 |
| TinySwallow 1.5B | 8bit（Q8_0） | 2.3GB | 約130 tok/s推定 |
| RakutenAI-2.0 mini | 8bit（Q8_0） | 2.4GB | 約130 tok/s推定 |
| Sarashina2.2 1B | 8bit（Q8_0） | 2.6GB | 約120 tok/s推定 |
| Qwen2.5 1.5B | 8bit（Q8_0） | 2.5GB | 約110 tok/s推定 |
| Qwen3.5 2B | 8bit（Q8_0） | 2.6GB | 約110 tok/s推定 |
| ERNIE 4.5 21B-A3B Thinking | 2bit（Q2_K） | 8.8GB | 約100 tok/s推定 |
| Qwen3-VL 2B | 8bit（Q8_0） | 3.1GB | 約99 tok/s推定 |
| Qwen3 1.7B | 8bit（Q8_0） | 3.1GB | 約99 tok/s推定 |
| Ling 3.0 tiny | 8bit（Q8_0） | 8.7GB | 約95 tok/s推定 |
| LFM2.5 8B-A1B | 8bit（Q8_0） | 9.2GB | 約83 tok/s推定 |
| LLM-jp-3.1 1.8B | 8bit（Q8_0） | 3.9GB | 約82 tok/s推定 |
| MiniCPM5 2B | 8bit（Q8_0） | 3.4GB | 約80 tok/s推定 |
| LFM2.5 2.6B | 8bit（Q8_0） | 3.4GB | 約78 tok/s推定 |
| LFM2.5-VL 3B | 8bit（Q8_0） | 3.4GB | 約78 tok/s推定 |
| Gemma 2 Baku 2B | 8bit（Q8_0） | 3.8GB | 約73 tok/s推定 |
| Qwen2.5-VL 3B | 8bit（Q8_0） | 3.9GB | 約66 tok/s推定 |
| Qwen2.5-Coder 3B | 8bit（Q8_0） | 3.9GB | 約66 tok/s推定 |
| Qwen2.5 3B | 8bit（Q8_0） | 3.9GB | 約66 tok/s推定 |
| SmolLM3 3B | 8bit（Q8_0） | 4.2GB | 約64 tok/s推定 |
| Llama 3.2 3B | 8bit（Q8_0） | 4.7GB | 約59 tok/s推定 |
| Ministral 3 3B | 8bit（Q8_0） | 4.8GB | 約56 tok/s推定 |
| Granite 4.2 3B | 8bit（Q8_0） | 4.9GB | 約54 tok/s推定 |
| Sarashina2.2 3B | 8bit（Q8_0） | 5.2GB | 約54 tok/s推定 |
| Gemma 3 4B | 8bit（Q8_0） | 4.7GB | 約53 tok/s推定 |
| Nemotron 3 Nano 4B | 8bit（Q8_0） | 4.7GB | 約53 tok/s推定 |
| Qwen3.5 4B | 8bit（Q8_0） | 5.0GB | 約49 tok/s推定 |
| AREX-Turbo 4B | 8bit（Q8_0） | 5.1GB | 約49 tok/s推定 |
| Fara1.5 4B | 8bit（Q8_0） | 5.1GB | 約49 tok/s推定 |
| Phi-4-mini 3.8B | 8bit（Q8_0） | 5.4GB | 約49 tok/s推定 |
| Nanbeige4.2 3B | 8bit（Q8_0） | 5.4GB | 約48 tok/s推定 |
| Gemma 3n E2B | 8bit（Q8_0） | 5.2GB | 約47 tok/s推定 |
| Qwen3-VL 4B | 8bit（Q8_0） | 5.7GB | 約47 tok/s推定 |
| Qwen3 4B | 8bit（Q8_0） | 5.7GB | 約47 tok/s推定 |
| Gemma 4 E2B | 8bit（Q8_0） | 5.5GB | 約45 tok/s推定 |
| AFM-4.5B | 8bit（Q8_0） | 5.8GB | 約44 tok/s推定 |
| Llama-3-ELYZA-JP-8B | 4bit（Q4_K_M） | 6.2GB | 約42 tok/s推定 |
| Phi-3.5-mini 3.8B | 8bit（Q8_0） | 7.4GB | 約40 tok/s推定 |
| CAT-Translate 7B | 6bit（Q6_K） | 7.4GB | 約34 tok/s推定 |
| Llama 3.1 Swallow 8B | 6bit（Q6_K） | 7.8GB | 約32 tok/s推定 |
| DeepSeek-R1 Distill Llama 8B | 6bit（Q6_K） | 7.8GB | 約32 tok/s推定 |
| Aya Expanse 8B | 6bit（Q6_K） | 7.8GB | 約32 tok/s推定 |
| Llama 3 Youko 8B | 6bit（Q6_K） | 7.8GB | 約32 tok/s推定 |
| Llama 3.1 8B | 6bit（Q6_K） | 7.8GB | 約32 tok/s推定 |
| Apertus 8B | 6bit（Q6_K） | 7.8GB | 約32 tok/s推定 |
| Qwen3-Swallow 8B | 6bit（Q6_K） | 8.1GB | 約31 tok/s推定 |
| Shisa V2.1 Qwen3 8B | 6bit（Q6_K） | 8.1GB | 約31 tok/s推定 |
| Qwen3-VL 8B | 6bit（Q6_K） | 8.1GB | 約31 tok/s推定 |
| DeepSeek-R1-0528 Qwen3 8B | 6bit（Q6_K） | 8.1GB | 約31 tok/s推定 |
| Qwen3 8B | 6bit（Q6_K） | 8.1GB | 約31 tok/s推定 |
| Granite 4.0 H-Tiny | 8bit（Q8_0） | 7.7GB | 約31 tok/s推定 |
| Gemma 3n E4B | 8bit（Q8_0） | 7.7GB | 約31 tok/s推定 |
| Ministral 3 8B | 6bit（Q6_K） | 8.3GB | 約30 tok/s推定 |
| Ornith 1.0 9B | 6bit（Q6_K） | 7.9GB | 約30 tok/s推定 |
| LLM-jp-4 8B thinking | 6bit（Q6_K） | 8.3GB | 約30 tok/s推定 |
| Qwen3.5 9B | 6bit（Q6_K） | 7.9GB | 約30 tok/s推定 |
| Gemma-2-Llama-Swallow 9B | 5bit（Q5_K_M） | 8.8GB | 約30 tok/s推定 |
| Gemma 2 9B | 5bit（Q5_K_M） | 8.8GB | 約30 tok/s推定 |
| Ornith 1.5 9B | 6bit（Q6_K） | 8.1GB | 約29 tok/s推定 |
| UI-Mate 9B | 6bit（Q6_K） | 8.1GB | 約29 tok/s推定 |
| UI-Venus-2 9B | 6bit（Q6_K） | 8.1GB | 約29 tok/s推定 |
| Fara1.5 9B | 6bit（Q6_K） | 8.1GB | 約29 tok/s推定 |
| MiMo-V2.6-Distill-Qwen-9B | 6bit（Q6_K） | 8.2GB | 約29 tok/s推定 |
| PLaMo 2 Translate | 6bit（Q6_K） | 8.3GB | 約29 tok/s推定 |
| ABEJA Qwen3 14B Agentic | 3bit（Q3_K_M） | 8.8GB | 約29 tok/s推定 |
| Qwen3 14B | 3bit（Q3_K_M） | 8.8GB | 約29 tok/s推定 |
| Shisa V2.1 unphi4 14B | 3bit（Q3_K_M） | 9.0GB | 約28 tok/s推定 |
| Ministral 3 14B | 4bit（IQ4_XS） | 8.9GB | 約28 tok/s推定 |
| DeepSeek-R1 Distill Qwen 14B | 3bit（Q3_K_M） | 9.0GB | 約28 tok/s推定 |
| DeepSeek-R1 Distill Qwen 14B Japanese | 3bit（Q3_K_M） | 9.0GB | 約28 tok/s推定 |
| Qwen2.5-Coder 14B | 3bit（Q3_K_M） | 9.0GB | 約28 tok/s推定 |
| Qwen2.5 14B | 3bit（Q3_K_M） | 9.0GB | 約28 tok/s推定 |
| Mistral Nemo Japanese 12B | 4bit（Q4_K_M） | 8.9GB | 約28 tok/s推定 |
| Mistral Nemo 12B | 4bit（Q4_K_M） | 8.9GB | 約28 tok/s推定 |
| Granite 4.2 8B | 6bit（Q6_K） | 9.0GB | 約28 tok/s推定 |
| Phi-4 14B | 3bit（Q3_K_M） | 9.1GB | 約28 tok/s推定 |
| Mistral 7B v0.3 | 8bit（Q8_0） | 8.9GB | 約28 tok/s推定 |
| Falcon-H1R 7B | 8bit（Q8_0） | 8.6GB | 約28 tok/s推定 |
| Gemma 4 E4B | 8bit（Q8_0） | 8.6GB | 約27 tok/s推定 |
| ELYZA-Shortcut-1.0 Qwen 7B | 8bit（Q8_0） | 8.7GB | 約27 tok/s推定 |
| ABEJA Qwen2.5 7B Japanese | 8bit（Q8_0） | 8.7GB | 約27 tok/s推定 |
| DeepSeek-R1 Distill Qwen 7B | 8bit（Q8_0） | 8.7GB | 約27 tok/s推定 |
| Qwen2.5-VL 7B | 8bit（Q8_0） | 8.7GB | 約27 tok/s推定 |
| Qwen2.5 7B | 8bit（Q8_0） | 8.7GB | 約27 tok/s推定 |
| Qwen2.5-Coder 7B | 8bit（Q8_0） | 8.7GB | 約27 tok/s推定 |
| GLM-4.6V-Flash 9B | 6bit（Q6_K） | 8.7GB | 約27 tok/s推定 |
| Hunyuan 7B | 8bit（Q8_0） | 9.2GB | 約27 tok/s推定 |
| Tanuki-8B | 8bit（Q8_0） | 9.2GB | 約27 tok/s推定 |
| Gemma 4 12B | 5bit（Q5_K_M） | 9.0GB | 約26 tok/s推定 |
| Nemotron Nano 12B v2 | 5bit（Q5_K_M） | 9.1GB | 約26 tok/s推定 |
| Gemma 3 12B | 5bit（Q5_K_M） | 9.4GB | 約26 tok/s推定 |
| Command R7B | 8bit（Q8_0） | 9.3GB | 約26 tok/s推定 |
| Nemotron-Nano 9B v2 Japanese | 6bit（Q6_K） | 9.4GB | 約25 tok/s推定 |
PCのメモリに一部を逃がせば動く（CPUオフロード・メモリ32GB想定）
| モデル | 量子化 | 必要 | 判定 | 推定速度 |
|---|---|---|---|---|
| AREX-2 27B | 4bit（Q4_K_M） | 18GB | 遅いCPUオフロード | 約4.2 tok/s推定 |
| Holo4 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約19 tok/s推定 |
| Nex-N2.5-mini | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約16 tok/s推定 |
| BigBang v1 35B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約16 tok/s推定 |
| Granite 4.2 30B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約3.5 tok/s推定 |
| LLM-jp-4 33B thinking | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.0 tok/s推定 |
| Muse-Glimmer 30B | 2bit（IQ2_M） | 12GB | 実用CPUオフロード | 約8.8 tok/s推定 |
| Ornith 1.5 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約20 tok/s推定 |
| Qwen3.8 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約4.5 tok/s推定 |
| Thomson 1.0 Small 35B-A3B | 4bit（Q4_K_M） | 21GB | 実用CPUオフロード | 約17 tok/s推定 |
| UI-Mate 27B | 4bit（Q4_K_M） | 18GB | 遅いCPUオフロード | 約4.0 tok/s推定 |
| Fara1.5 27B | 4bit（Q4_K_M） | 18GB | 遅いCPUオフロード | 約4.0 tok/s推定 |
| Gemma 4 26B-A4B | 4bit（Q4_K_M） | 17GB | 実用CPUオフロード | 約16 tok/s推定 |
| Gemma 4 31B | 4bit（Q4_K_M） | 19GB | 遅いCPUオフロード | 約3.5 tok/s推定 |
| KAT-Coder-V2.5-Dev 35B-A3B | 4bit（Q4_K_M） | 21GB | 実用CPUオフロード | 約20 tok/s推定 |
| Laguna XS 2.1 33B-A3B | 4bit（Q4_K_M） | 21GB | 実用CPUオフロード | 約19 tok/s推定 |
| Ornith 1.0 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約19 tok/s推定 |
| XYZ-Aquila mini 35B-A3B | 4bit（Q4_K_M） | 21GB | 実用CPUオフロード | 約17 tok/s推定 |
| North Mini Code 1.0 | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約19 tok/s推定 |
| Qwen-AgentWorld 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約19 tok/s推定 |
| Nemotron 3 Nano Omni 30B-A3B | 4bit（Q4_K_M） | 23GB | 実用CPUオフロード | 約16 tok/s推定 |
| Qwen3.6 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約4.3 tok/s推定 |
| Qwen3.6 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約19 tok/s推定 |
| LLM-jp-4 32B-A3B thinking | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約17 tok/s推定 |
| Qwen3.5 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約4.4 tok/s推定 |
| Qwen3.5 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約19 tok/s推定 |
| GPT-OSS-Swallow 20B | 4bit（Q4_K_M） | 16GB | 実用CPUオフロード | 約17 tok/s推定 |
| Kimi Linear 48B-A3B | 4bit（Q4_K_M） | 29GB | 実用CPUオフロード | 約17 tok/s推定 |
| Qwen3-Swallow 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約17 tok/s推定 |
| GLM-4.7-Flash 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約18 tok/s推定 |
| Devstral Small 2 24B | 4bit（Q4_K_M） | 16GB | 遅いCPUオフロード | 約5.4 tok/s推定 |
| Olmo 3.1 32B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約3.2 tok/s推定 |
| Granite 4.0 H-Small 32B-A9B | 4bit（Q4_K_M） | 19GB | 遅いCPUオフロード | 約7.3 tok/s推定 |
| Qwen3-VL 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約17 tok/s推定 |
| Qwen3-VL 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約3.0 tok/s推定 |
| Magistral Small 2509 | 4bit（Q4_K_M） | 16GB | 遅いCPUオフロード | 約5.4 tok/s推定 |
| EXAONE 4.0.1 32B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約3.3 tok/s推定 |
| gpt-oss-20b | 4bit（MXFP4） | 12GB | 快適CPUオフロード | 約30 tok/s推定 |
| Seed-OSS 36B | 4bit（Q4_K_M） | 23GB | 遅いCPUオフロード | 約2.7 tok/s推定 |
| Devstral Small 2507 | 4bit（Q4_K_M） | 16GB | 遅いCPUオフロード | 約5.4 tok/s推定 |
| Qwen3 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約17 tok/s推定 |
| Qwen3-Coder 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約17 tok/s推定 |
| Mistral Small 3.2 24B | 4bit（Q4_K_M） | 16GB | 遅いCPUオフロード | 約5.4 tok/s推定 |
| ABEJA Qwen2.5 32B Japanese | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.0 tok/s推定 |
| ELYZA-Shortcut-1.0 Qwen 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.0 tok/s推定 |
| LLM-jp-3.1 13B | 4bit（Q4_K_M） | 15GB | 遅いCPUオフロード | 約7.3 tok/s推定 |
| ELYZA-Thinking-1.0 Qwen 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.0 tok/s推定 |
| Gemma-2-Llama-Swallow 27B | 4bit（Q4_K_M） | 19GB | 遅いCPUオフロード | 約3.9 tok/s推定 |
| Qwen3 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約3.0 tok/s推定 |
| Gemma 3 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約4.3 tok/s推定 |
| Qwen2.5-VL 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.0 tok/s推定 |
| DeepSeek-R1 Distill Qwen 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.0 tok/s推定 |
| DeepSeek-R1 Distill Qwen 32B Japanese | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.0 tok/s推定 |
| KARAKURI LM 32B Thinking | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.0 tok/s推定 |
| RakutenAI-2.0 8x7B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約3.9 tok/s推定 |
| Qwen2.5-Coder 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.0 tok/s推定 |
| Aya Expanse 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約3.2 tok/s推定 |
| Qwen2.5 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.0 tok/s推定 |
| Tanuki-8x8B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約3.9 tok/s推定 |
| Codestral 22B | 4bit（Q4_K_M） | 15GB | 遅いCPUオフロード | 約5.9 tok/s推定 |
| Mixtral 8x7B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約3.9 tok/s推定 |
動かないモデルと不足分
| モデル | 量子化 | 必要 | 不足 |
|---|---|---|---|
| Nemotron 3.5 Lightning 30B-A3B | 8bit（Q8_0） | 33GB | あと23GB |
| Shisa V2.1 Llama 3.3 70B | 4bit（Q4_K_M） | 44GB | あと34GB |
| Llama 3.3 Swallow 70B | 4bit（Q4_K_M） | 44GB | あと34GB |
| DeepSeek-R1 Distill Llama 70B | 4bit（Q4_K_M） | 44GB | あと34GB |
| Llama 3.3 70B | 4bit（Q4_K_M） | 44GB | あと34GB |
| Llama 3 Youko 70B | 4bit（Q4_K_M） | 44GB | あと34GB |
| Llama 3.1 70B | 4bit（Q4_K_M） | 44GB | あと34GB |
| Llama 3.1 70B Japanese | 4bit（Q4_K_M） | 44GB | あと34GB |
| Qwen3-Next 80B-A3B | 4bit（Q4_K_M） | 47GB | あと38GB |
| Qwen3-Coder-Next 80B-A3B | 4bit（Q4_K_M） | 47GB | あと38GB |
| Qwen2.5 72B | 4bit（Q4_K_M） | 48GB | あと39GB |
| Hunyuan-A13B 80B | 4bit（Q4_K_M） | 49GB | あと39GB |
| Stockmark-2 100B | 4bit（Q4_K_M） | 58GB | あと49GB |
| gpt-oss-120b | 4bit（MXFP4） | 62GB | あと52GB |
| Llama 4 Scout 17B-16E | 4bit（Q4_K_M） | 65GB | あと55GB |
| Command A 111B | 4bit（Q4_K_M） | 66GB | あと57GB |
| Laguna S 2.1 118B-A8B | 4bit（Q4_K_M） | 71GB | あと62GB |
| Mistral Small 4 119B | 4bit（Q4_K_M） | 72GB | あと62GB |
| GLM-4.5-Air 106B-A12B | 4bit（Q4_K_M） | 72GB | あと62GB |
| Qwen3.5 122B-A10B | 4bit（Q4_K_M） | 74GB | あと65GB |
| Devstral 2 123B | 4bit（Q4_K_M） | 75GB | あと66GB |
| Ling 3.0 flash | 4bit（Q4_K_M） | 75GB | あと66GB |
| Mixtral 8x22B | 4bit（Q4_K_M） | 84GB | あと75GB |
| GPT-OSS-Swallow 120B | 4bit（Q4_K_M） | 85GB | あと76GB |
| Qwen3.8-Flash-Next | 4bit（IQ4_XS） | 91GB | あと81GB |
| Step-3.7-Flash | 4bit（Q4_K_M） | 118GB | あと109GB |
| DeepSeek-V4-Flash | 4bit（IQ4_XS） | 132GB | あと123GB |
| MiniMax-M2.5 229B-A10B | 4bit（Q4_K_M） | 135GB | あと126GB |
| Qwen3 235B-A22B | 4bit（Q4_K_M） | 138GB | あと129GB |
| GLM-5.3-Flash | 4bit（IQ4_XS） | 151GB | あと142GB |
| Inkling Small 264B | 4bit（Q4_K_M） | 157GB | あと147GB |
| MiMo-V2.6-Flash-RL | 4bit（MXFP4） | 161GB | あと152GB |
| ERNIE 4.5 300B-A47B | 4bit（Q4_K_M） | 175GB | あと166GB |
| Hy3 295B-A21B | 4bit（Q4_K_M） | 178GB | あと168GB |
| GLM-4.5 355B-A32B | 4bit（Q4_K_M） | 211GB | あと202GB |
| Qwen3.5 397B-A17B | 4bit（Q4_K_M） | 235GB | あと225GB |
| Llama 4 Maverick 17B-128E | 4bit（Q4_K_M） | 235GB | あと225GB |
| Qwen3-Coder 480B-A35B | 4bit（Q4_K_M） | 281GB | あと271GB |
| Kimi K2.6 | 2bit（IQ2_M） | 329GB | あと320GB |
| GLM-5.3 | 4bit（IQ4_XS） | 352GB | あと343GB |
| RakutenAI-3.0 671B-A37B | 4bit（Q4_K_M） | 390GB | あと380GB |
| Mistral Large 3 675B | 4bit（Q4_K_M） | 392GB | あと382GB |
量子化を落とせば収まるモデル
4bitでは溢れても、量子化を落とせばVRAM10GBに収まる10本です。
| モデル | 標準（4bit）だと | 落とすなら | 必要 | 推定速度 |
|---|---|---|---|---|
| ERNIE 4.5 21B-A3B Thinking | 14GB（あと4.2GB足りない） | 2bit（Q2_K） | 8.8GB | 約100 tok/s推定 |
| ABEJA Qwen3 14B Agentic | 10GB（あと0.9GB足りない） | 3bit（Q3_K_M） | 8.8GB | 約29 tok/s推定 |
| Qwen3 14B | 10GB（あと0.9GB足りない） | 3bit（Q3_K_M） | 8.8GB | 約29 tok/s推定 |
| DeepSeek-R1 Distill Qwen 14B | 11GB（あと1.1GB足りない） | 3bit（Q3_K_M） | 9.0GB | 約28 tok/s推定 |
| DeepSeek-R1 Distill Qwen 14B Japanese | 11GB（あと1.1GB足りない） | 3bit（Q3_K_M） | 9.0GB | 約28 tok/s推定 |
| Qwen2.5-Coder 14B | 11GB（あと1.1GB足りない） | 3bit（Q3_K_M） | 9.0GB | 約28 tok/s推定 |
| Qwen2.5 14B | 11GB（あと1.1GB足りない） | 3bit（Q3_K_M） | 9.0GB | 約28 tok/s推定 |
| Shisa V2.1 unphi4 14B | 11GB（あと1.1GB足りない） | 3bit（Q3_K_M） | 9.0GB | 約28 tok/s推定 |
| Phi-4 14B | 11GB（あと1.3GB足りない） | 3bit（Q3_K_M） | 9.1GB | 約28 tok/s推定 |
| Ministral 3 14B | 9.7GB（あと0.1GB足りない） | 4bit（IQ4_XS） | 8.9GB | 約28 tok/s推定 |
同じVRAM10GBの機種の中での位置
当サイトにはVRAM10GBの機種が2件あります。帯域幅は380GB/sで、この容量では最も遅い部類です。最速のGeForce RTX 3080 10GB（760GB/s）と比べると生成速度はおよそ50%になります。この機種のVRAMに収まるのは101本で、すべて快適に動きます。
この機種の公開ベンチマークはまだ見つかっておらず、同系統の実効係数（60%）を当てています。実機はこれより上下します。
この機種は2025年の発売で、いま1年目です。
同じVRAM10GBの中では最も新しい機種です。同じ容量では2020年のGeForce RTX 3080 10GBまで遡れますが、動くモデルの数はどれも変わりません。
この機種を実際に使うなら
IntelのGPUではCUDAもROCmも使えないため、llama.cppのSYCLバックエンドかVulkanバックエンドで動かすことになります。どちらが速いかは環境と版で変わるので、両方を試して速いほうを残すのが手堅い進め方。日本語の常用はMistral Nemo Japanese 12BのQ4_K_M（推定28tok/s）か、Gemma 3 12BのQ5_K_M（推定25.7tok/s）。
コードはQwen2.5-Coder 7BをQ8_0（推定27.4tok/s）で回すのが上限に近く、14BのCoderはVRAMに収まりません。Intel向けの推定は、補正に使える公開ベンチがない数字です。ドライバの更新でも上下しうるので、割り引いて見ておきましょう。
買うときの見どころ
一段上のArc B580は12GBで+8本、Qwen3 14BのQ4_K_Mが入ります。B570を選んで困りやすいのはこの2GBの差で、14B級の日本語モデルがそろって収まらないからです。同じ10GBの相手はRTX 3080 10GB（760GB/s）で、当サイトの推定ではMistral Nemo Japanese 12Bが65.5tok/sと倍以上。
中古の3080はCUDAも使えますが、消費電力と発熱はB570とは別の水準にあります。新品で10GBを選ぶ理由は価格に尽きるので、B580との差額が小さければ上を選ぶのが素直です。
Arc Bシリーズの中での位置
Intelの単体GPUです。Arc Bシリーズ2機種の中では、容量が小さいほうから1番目です。一段上のIntel Arc B580（VRAM12GB）にすると、4bit以上で動くモデルが8本増えます。
買う前に確認すること: ドライバの更新で性能が大きく変わることがあります。使いたいツールのIntel GPU対応状況を、購入前に必ず確認してください。 シリーズ全体の選び方はArc BシリーズでローカルAIはどこまで動くかにまとめています。
この機種で足りるAI用途
| 用途 | 必要な容量 | この機種（10GB） |
|---|---|---|
| Stable Diffusion / SDXL | VRAM 12GB | 動かない CUDA前提のツールが多く不向き |
| FLUX / 高品質画像生成 | VRAM 16GB | 動かない CUDA前提のツールが多く不向き |
| 動画生成AI（Wan / Hunyuan / LTX） | VRAM 24GB | 動かない CUDA前提のツールが多く不向き |
| ローカルLLM（8Bクラス） | VRAM 8GB | 快適 |
| ローカルLLM（27〜32Bクラス） | VRAM 24GB | 動かない あと14GB |
| ローカルLLM（70B〜120B MoE） | VRAM 40GB | 動かない あと30GB |
| 文字起こし（Whisper） | VRAM 6GB | 快適 |
VRAMが同じくらいの他の機種
| 機種 | メモリ | 帯域幅 | 快適に動く数 |
|---|---|---|---|
| GeForce RTX 3080 12GB | 12GB | 912 GB/s | 136 |
| GeForce RTX 3080 Ti | 12GB | 912 GB/s | 136 |
| GeForce RTX 3080 10GB | 10GB | 760 GB/s | 111 |
| GeForce RTX 5070 | 12GB | 672 GB/s | 135 |
| GeForce RTX 2080 Ti | 11GB | 616 GB/s | 119 |
| GeForce RTX 3070 Ti | 8GB | 608 GB/s | 101 |
| GeForce RTX 4070 | 12GB | 504 GB/s | 133 |
| GeForce RTX 4070 SUPER | 12GB | 504 GB/s | 133 |
Qwen3 14Bが動くPC・Macに買い替えるなら
PR: 以下はAmazonアソシエイトの広告リンクを含みます。価格の目安は執筆時点のもので変動します。価格・在庫はリンク先でご確認ください。
ぴったりデスクトップ（BTO）
RTX 5070（12GB）デスクトップ・メモリ32GB
SDXLの画像生成が快適。14BクラスのローカルLLMがGPUだけで動く
RTX 5070（VRAM 12GB）・メモリ32GB・NVMe 1TB ・ 目安 20〜28万円
要件を満たす中で最も手頃
余裕を持つならデスクトップ（BTO）
RTX 5070 Ti（16GB）デスクトップ・メモリ32GB
FLUX、27B級のMoE型、gpt-oss-20bまで。ローカルAIの定番
RTX 5070 Ti（VRAM 16GB）・メモリ32GB・NVMe 2TB・電源750W ・ 目安 28〜38万円
将来の用途拡張（大きなモデル・並列エージェント）に余裕
別の形ならMac
Mac mini M4 Pro（メモリ48GB・SSD 1TB）
30BクラスのローカルLLMとエージェント並列運用を1台で。コスパの中心
M4 Pro・ユニファイドメモリ48GB・SSD 1TB・帯域273GB/s ・ 目安 30〜36万円
Macで同じ仕事をするなら
この機種の公開ベンチマークは未収録のため、同系統機種の実効係数（60%）で推定しています。
よくある質問
Intel Arc B570でローカルLLMは動く？
動きます。VRAM10GB（実効約9.5GB）に、収録204モデル中101本が収まります。日本語チャットならGemma 4 12B（5bit（Q5_K_M））が推定約26 tok/sです。
Intel Arc B570で動かないモデルは？
Qwen3 14Bは4bitで約10GB必要で、VRAMがあと約0.9GB足りません。