GeForce GTX 1080 Ti で動くローカルLLM一覧（2026年10月）
108快適（20 tok/s以上）
0実用（8〜20 tok/s）
54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
2017年のカードが11GBを積んでいたおかげで、今でもQwen3 14BのQ4_K_M（必要10.4GB）がVRAMに収まります。補正済みの推定で24.7tok/s。4bit以上は100本で、30番台の12GB版と同じ本数です。
DeepSeek-R1 Distill Qwen 14BはQ4_K_M相当だと10.6GBで、あと0.1GB足りずIQ4_XSに落とすことになる。手放す前に14B級を動かしてみる価値は十分にあります。新しく買う対象ではありません。
まず試すなら: ABEJA Qwen3 14B Agentic（4bit（Q4_K_M）・必要10GB・約25 tok/s補正済み）。エージェント用途と256Kの長文対応を名前に掲げた14B。4bitならVRAM 12GBに収まる
足りないのは: gpt-oss-20bを動かすにはVRAMがあと約1.8GB必要（必要12GB / 実効11GB）。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。
gpt-oss-20bが動く機種に買い替えるなら
- ぴったり自作: RTX 5070 Ti（16GB）・メモリ32GB目安 27〜35万円
- 余裕を持つなら自作: RTX 5090（32GB）・メモリ96GB目安 60〜80万円
- 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108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780 tok/s補正済み |
| Qwen2.5 0.5B | 8bit（Q8_0） | 1.1GB | 約410 tok/s補正済み |
| Qwen3.5 0.8B | 8bit（Q8_0） | 1.4GB | 約270 tok/s補正済み |
| Gemma 3 1B | 8bit（Q8_0） | 1.6GB | 約220 tok/s補正済み |
| Sarashina2.2 0.5B | 8bit（Q8_0） | 1.8GB | 約220 tok/s補正済み |
| Qwen3 0.6B | 8bit（Q8_0） | 2.0GB | 約220 tok/s補正済み |
| LFM2.5 1.2B JP | 8bit（Q8_0） | 1.8GB | 約180 tok/s補正済み |
| Llama 3.2 1B | 8bit（Q8_0） | 2.0GB | 約160 tok/s補正済み |
| EXAONE 4.0 1.2B | 8bit（Q8_0） | 2.3GB | 約150 tok/s補正済み |
| TinySwallow 1.5B | 8bit（Q8_0） | 2.3GB | 約140 tok/s補正済み |
| RakutenAI-2.0 mini | 8bit（Q8_0） | 2.4GB | 約130 tok/s補正済み |
| Sarashina2.2 1B | 8bit（Q8_0） | 2.6GB | 約130 tok/s補正済み |
| Qwen2.5 1.5B | 8bit（Q8_0） | 2.5GB | 約120 tok/s補正済み |
| North Mini Code 1.0 | 2bit（IQ2_M） | 10GB | 約120 tok/s補正済み |
| Qwen3.5 2B | 8bit（Q8_0） | 2.6GB | 約110 tok/s補正済み |
| ERNIE 4.5 21B-A3B Thinking | 2bit（Q2_K） | 8.8GB | 約110 tok/s補正済み |
| Qwen3-VL 2B | 8bit（Q8_0） | 3.1GB | 約100 tok/s補正済み |
| Qwen3 1.7B | 8bit（Q8_0） | 3.1GB | 約100 tok/s補正済み |
| Ling 3.0 tiny | 8bit（Q8_0） | 8.7GB | 約100 tok/s補正済み |
| LFM2.5 8B-A1B | 8bit（Q8_0） | 9.2GB | 約87 tok/s補正済み |
| LLM-jp-3.1 1.8B | 8bit（Q8_0） | 3.9GB | 約86 tok/s補正済み |
| MiniCPM5 2B | 8bit（Q8_0） | 3.4GB | 約84 tok/s補正済み |
| LFM2.5 2.6B | 8bit（Q8_0） | 3.4GB | 約81 tok/s補正済み |
| LFM2.5-VL 3B | 8bit（Q8_0） | 3.4GB | 約81 tok/s補正済み |
| Gemma 4 26B-A4B | 2bit（IQ2_M） | 10GB | 約81 tok/s補正済み |
| Gemma 2 Baku 2B | 8bit（Q8_0） | 3.8GB | 約77 tok/s補正済み |
| Qwen2.5-VL 3B | 8bit（Q8_0） | 3.9GB | 約70 tok/s補正済み |
| Qwen2.5-Coder 3B | 8bit（Q8_0） | 3.9GB | 約70 tok/s補正済み |
| Qwen2.5 3B | 8bit（Q8_0） | 3.9GB | 約70 tok/s補正済み |
| SmolLM3 3B | 8bit（Q8_0） | 4.2GB | 約67 tok/s補正済み |
| Llama 3.2 3B | 8bit（Q8_0） | 4.7GB | 約61 tok/s補正済み |
| Ministral 3 3B | 8bit（Q8_0） | 4.8GB | 約58 tok/s補正済み |
| Granite 4.2 3B | 8bit（Q8_0） | 4.9GB | 約57 tok/s補正済み |
| Sarashina2.2 3B | 8bit（Q8_0） | 5.2GB | 約56 tok/s補正済み |
| Gemma 3 4B | 8bit（Q8_0） | 4.7GB | 約56 tok/s補正済み |
| Nemotron 3 Nano 4B | 8bit（Q8_0） | 4.7GB | 約56 tok/s補正済み |
| Qwen3.5 4B | 8bit（Q8_0） | 5.0GB | 約52 tok/s補正済み |
| Phi-4-mini 3.8B | 8bit（Q8_0） | 5.4GB | 約52 tok/s補正済み |
| AREX-Turbo 4B | 8bit（Q8_0） | 5.1GB | 約52 tok/s補正済み |
| Fara1.5 4B | 8bit（Q8_0） | 5.1GB | 約52 tok/s補正済み |
| Nanbeige4.2 3B | 8bit（Q8_0） | 5.4GB | 約50 tok/s補正済み |
| Gemma 3n E2B | 8bit（Q8_0） | 5.2GB | 約49 tok/s補正済み |
| Qwen3-VL 4B | 8bit（Q8_0） | 5.7GB | 約49 tok/s補正済み |
| Qwen3 4B | 8bit（Q8_0） | 5.7GB | 約49 tok/s補正済み |
| Gemma 4 E2B | 8bit（Q8_0） | 5.5GB | 約47 tok/s補正済み |
| AFM-4.5B | 8bit（Q8_0） | 5.8GB | 約46 tok/s補正済み |
| Llama-3-ELYZA-JP-8B | 4bit（Q4_K_M） | 6.2GB | 約44 tok/s補正済み |
| Phi-3.5-mini 3.8B | 8bit（Q8_0） | 7.4GB | 約42 tok/s補正済み |
| CAT-Translate 7B | 6bit（Q6_K） | 7.4GB | 約36 tok/s補正済み |
| Shisa V2.1 Qwen3 8B | 6bit（Q6_K） | 8.1GB | 約33 tok/s補正済み |
| Granite 4.0 H-Tiny | 8bit（Q8_0） | 7.7GB | 約32 tok/s補正済み |
| Gemma 3n E4B | 8bit（Q8_0） | 7.7GB | 約32 tok/s補正済み |
| Granite 4.2 8B | 6bit（Q6_K） | 9.0GB | 約29 tok/s補正済み |
| Mistral 7B v0.3 | 8bit（Q8_0） | 8.9GB | 約29 tok/s補正済み |
| Falcon-H1R 7B | 8bit（Q8_0） | 8.6GB | 約29 tok/s補正済み |
| Gemma 4 E4B | 8bit（Q8_0） | 8.6GB | 約29 tok/s補正済み |
| ELYZA-Shortcut-1.0 Qwen 7B | 8bit（Q8_0） | 8.7GB | 約29 tok/s補正済み |
| ABEJA Qwen2.5 7B Japanese | 8bit（Q8_0） | 8.7GB | 約29 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 7B | 8bit（Q8_0） | 8.7GB | 約29 tok/s補正済み |
| Qwen2.5-VL 7B | 8bit（Q8_0） | 8.7GB | 約29 tok/s補正済み |
| Qwen2.5 7B | 8bit（Q8_0） | 8.7GB | 約29 tok/s補正済み |
| Qwen2.5-Coder 7B | 8bit（Q8_0） | 8.7GB | 約29 tok/s補正済み |
| Hunyuan 7B | 8bit（Q8_0） | 9.2GB | 約28 tok/s補正済み |
| Tanuki-8B | 8bit（Q8_0） | 9.2GB | 約28 tok/s補正済み |
| Gemma-2-Llama-Swallow 9B | 6bit（Q6_K） | 9.8GB | 約28 tok/s補正済み |
| Gemma 2 9B | 6bit（Q6_K） | 9.8GB | 約28 tok/s補正済み |
| Phi-4 14B | 4bit（IQ4_XS） | 9.7GB | 約27 tok/s補正済み |
| Shisa V2.1 unphi4 14B | 4bit（IQ4_XS） | 9.8GB | 約27 tok/s補正済み |
| Gemma 3 12B | 5bit（Q5_K_M） | 9.4GB | 約27 tok/s補正済み |
| Command R7B | 8bit（Q8_0） | 9.3GB | 約27 tok/s補正済み |
| Ministral 3 14B | 4bit（Q4_K_M） | 9.7GB | 約27 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 14B | 4bit（IQ4_XS） | 9.8GB | 約27 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 14B Japanese | 4bit（IQ4_XS） | 9.8GB | 約27 tok/s補正済み |
| Qwen2.5-Coder 14B | 4bit（IQ4_XS） | 9.8GB | 約27 tok/s補正済み |
| Qwen2.5 14B | 4bit（IQ4_XS） | 9.8GB | 約27 tok/s補正済み |
| Llama 3.1 Swallow 8B | 8bit（Q8_0） | 9.7GB | 約26 tok/s補正済み |
| DeepSeek-R1 Distill Llama 8B | 8bit（Q8_0） | 9.7GB | 約26 tok/s補正済み |
| Aya Expanse 8B | 8bit（Q8_0） | 9.7GB | 約26 tok/s補正済み |
| Llama 3 Youko 8B | 8bit（Q8_0） | 9.7GB | 約26 tok/s補正済み |
| Llama 3.1 8B | 8bit（Q8_0） | 9.7GB | 約26 tok/s補正済み |
| Apertus 8B | 8bit（Q8_0） | 9.7GB | 約26 tok/s補正済み |
| Codestral 22B | 2bit（Q2_K） | 10GB | 約26 tok/s補正済み |
| Qwen3-Swallow 8B | 8bit（Q8_0） | 10.0GB | 約26 tok/s補正済み |
| Qwen3-VL 8B | 8bit（Q8_0） | 10.0GB | 約26 tok/s補正済み |
| DeepSeek-R1-0528 Qwen3 8B | 8bit（Q8_0） | 10.0GB | 約26 tok/s補正済み |
| Qwen3 8B | 8bit（Q8_0） | 10.0GB | 約26 tok/s補正済み |
| Mistral Nemo Japanese 12B | 5bit（Q5_K_M） | 10GB | 約25 tok/s補正済み |
| Mistral Nemo 12B | 5bit（Q5_K_M） | 10GB | 約25 tok/s補正済み |
| Nemotron-Nano 9B v2 Japanese | 8bit（Q8_0） | 9.7GB | 約25 tok/s補正済み |
| Devstral Small 2 24B | 2bit（Q2_K） | 10GB | 約25 tok/s補正済み |
| Magistral Small 2509 | 2bit（Q2_K） | 10GB | 約25 tok/s補正済み |
| Devstral Small 2507 | 2bit（Q2_K） | 10GB | 約25 tok/s補正済み |
| Mistral Small 3.2 24B | 2bit（Q2_K） | 10GB | 約25 tok/s補正済み |
| Ministral 3 8B | 8bit（Q8_0） | 10GB | 約25 tok/s補正済み |
| MiMo-V2.6-Distill-Qwen-9B | 8bit（Q8_0） | 9.9GB | 約25 tok/s補正済み |
| Ornith 1.5 9B | 8bit（Q8_0） | 9.9GB | 約25 tok/s補正済み |
| UI-Mate 9B | 8bit（Q8_0） | 9.9GB | 約25 tok/s補正済み |
| UI-Venus-2 9B | 8bit（Q8_0） | 9.9GB | 約25 tok/s補正済み |
| Fara1.5 9B | 8bit（Q8_0） | 9.9GB | 約25 tok/s補正済み |
| Ornith 1.0 9B | 8bit（Q8_0） | 9.9GB | 約25 tok/s補正済み |
| LLM-jp-4 8B thinking | 8bit（Q8_0） | 10GB | 約25 tok/s補正済み |
| Qwen3.5 9B | 8bit（Q8_0） | 9.9GB | 約25 tok/s補正済み |
| ABEJA Qwen3 14B Agentic | 4bit（Q4_K_M） | 10GB | 約25 tok/s補正済み |
| Qwen3 14B | 4bit（Q4_K_M） | 10GB | 約25 tok/s補正済み |
| Gemma 4 12B | 6bit（Q6_K） | 10GB | 約24 tok/s補正済み |
| GLM-4.6V-Flash 9B | 8bit（Q8_0） | 10GB | 約24 tok/s補正済み |
| Nemotron Nano 12B v2 | 6bit（Q6_K） | 10GB | 約23 tok/s補正済み |
| PLaMo 2 Translate | 8bit（Q8_0） | 10GB | 約23 tok/s補正済み |
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4.6 tok/s補正済み |
| Holo4 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約20 tok/s補正済み |
| Nex-N2.5-mini | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約17 tok/s補正済み |
| BigBang v1 35B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約17 tok/s補正済み |
| Granite 4.2 30B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約3.8 tok/s補正済み |
| LLM-jp-4 33B thinking | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.2 tok/s補正済み |
| Muse-Glimmer 30B | 2bit（IQ2_M） | 12GB | 実用CPUオフロード | 約11 tok/s補正済み |
| Ornith 1.5 35B-A3B | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約21 tok/s補正済み |
| Qwen3.8 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約5.0 tok/s補正済み |
| Thomson 1.0 Small 35B-A3B | 4bit（Q4_K_M） | 21GB | 実用CPUオフロード | 約18 tok/s補正済み |
| UI-Mate 27B | 4bit（Q4_K_M） | 18GB | 遅いCPUオフロード | 約4.4 tok/s補正済み |
| Fara1.5 27B | 4bit（Q4_K_M） | 18GB | 遅いCPUオフロード | 約4.4 tok/s補正済み |
| Gemma 4 31B | 4bit（Q4_K_M） | 19GB | 遅いCPUオフロード | 約3.8 tok/s補正済み |
| KAT-Coder-V2.5-Dev 35B-A3B | 4bit（Q4_K_M） | 21GB | 快適CPUオフロード | 約21 tok/s補正済み |
| Laguna XS 2.1 33B-A3B | 4bit（Q4_K_M） | 21GB | 快適CPUオフロード | 約21 tok/s補正済み |
| Ornith 1.0 35B-A3B | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約20 tok/s補正済み |
| XYZ-Aquila mini 35B-A3B | 4bit（Q4_K_M） | 21GB | 実用CPUオフロード | 約18 tok/s補正済み |
| Qwen-AgentWorld 35B-A3B | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約20 tok/s補正済み |
| Nemotron 3 Nano Omni 30B-A3B | 4bit（Q4_K_M） | 23GB | 実用CPUオフロード | 約17 tok/s補正済み |
| Qwen3.6 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約4.8 tok/s補正済み |
| Qwen3.6 35B-A3B | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約20 tok/s補正済み |
| LLM-jp-4 32B-A3B thinking | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約18 tok/s補正済み |
| Qwen3.5 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約4.9 tok/s補正済み |
| Qwen3.5 35B-A3B | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約20 tok/s補正済み |
| GPT-OSS-Swallow 20B | 4bit（Q4_K_M） | 16GB | 実用CPUオフロード | 約19 tok/s補正済み |
| Kimi Linear 48B-A3B | 4bit（Q4_K_M） | 29GB | 実用CPUオフロード | 約18 tok/s補正済み |
| Qwen3-Swallow 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約19 tok/s補正済み |
| GLM-4.7-Flash 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約20 tok/s補正済み |
| Olmo 3.1 32B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約3.5 tok/s補正済み |
| Granite 4.0 H-Small 32B-A9B | 4bit（Q4_K_M） | 19GB | 遅いCPUオフロード | 約7.9 tok/s補正済み |
| Qwen3-VL 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約19 tok/s補正済み |
| Qwen3-VL 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約3.3 tok/s補正済み |
| EXAONE 4.0.1 32B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約3.5 tok/s補正済み |
| gpt-oss-20b | 4bit（MXFP4） | 12GB | 快適CPUオフロード | 約38 tok/s補正済み |
| Seed-OSS 36B | 4bit（Q4_K_M） | 23GB | 遅いCPUオフロード | 約2.8 tok/s補正済み |
| Qwen3 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約19 tok/s補正済み |
| Qwen3-Coder 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約19 tok/s補正済み |
| ABEJA Qwen2.5 32B Japanese | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.2 tok/s補正済み |
| ELYZA-Shortcut-1.0 Qwen 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.2 tok/s補正済み |
| LLM-jp-3.1 13B | 4bit（Q4_K_M） | 15GB | 実用CPUオフロード | 約8.4 tok/s補正済み |
| ELYZA-Thinking-1.0 Qwen 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.2 tok/s補正済み |
| Gemma-2-Llama-Swallow 27B | 4bit（Q4_K_M） | 19GB | 遅いCPUオフロード | 約4.3 tok/s補正済み |
| Qwen3 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約3.3 tok/s補正済み |
| Gemma 3 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約4.7 tok/s補正済み |
| Qwen2.5-VL 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.2 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.2 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 32B Japanese | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.2 tok/s補正済み |
| KARAKURI LM 32B Thinking | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.2 tok/s補正済み |
| RakutenAI-2.0 8x7B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約4.1 tok/s補正済み |
| Qwen2.5-Coder 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.2 tok/s補正済み |
| Aya Expanse 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約3.4 tok/s補正済み |
| Qwen2.5 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.2 tok/s補正済み |
| Tanuki-8x8B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約4.1 tok/s補正済み |
| Mixtral 8x7B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約4.1 tok/s補正済み |
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22GB |
| Shisa V2.1 Llama 3.3 70B | 4bit（Q4_K_M） | 44GB | あと33GB |
| Llama 3.3 Swallow 70B | 4bit（Q4_K_M） | 44GB | あと33GB |
| DeepSeek-R1 Distill Llama 70B | 4bit（Q4_K_M） | 44GB | あと33GB |
| Llama 3.3 70B | 4bit（Q4_K_M） | 44GB | あと33GB |
| Llama 3 Youko 70B | 4bit（Q4_K_M） | 44GB | あと33GB |
| Llama 3.1 70B | 4bit（Q4_K_M） | 44GB | あと33GB |
| Llama 3.1 70B Japanese | 4bit（Q4_K_M） | 44GB | あと33GB |
| Qwen3-Next 80B-A3B | 4bit（Q4_K_M） | 47GB | あと37GB |
| Qwen3-Coder-Next 80B-A3B | 4bit（Q4_K_M） | 47GB | あと37GB |
| Qwen2.5 72B | 4bit（Q4_K_M） | 48GB | あと38GB |
| Hunyuan-A13B 80B | 4bit（Q4_K_M） | 49GB | あと38GB |
| Stockmark-2 100B | 4bit（Q4_K_M） | 58GB | あと48GB |
| gpt-oss-120b | 4bit（MXFP4） | 62GB | あと51GB |
| Llama 4 Scout 17B-16E | 4bit（Q4_K_M） | 65GB | あと54GB |
| Command A 111B | 4bit（Q4_K_M） | 66GB | あと56GB |
| Laguna S 2.1 118B-A8B | 4bit（Q4_K_M） | 71GB | あと61GB |
| Mistral Small 4 119B | 4bit（Q4_K_M） | 72GB | あと61GB |
| GLM-4.5-Air 106B-A12B | 4bit（Q4_K_M） | 72GB | あと61GB |
| Qwen3.5 122B-A10B | 4bit（Q4_K_M） | 74GB | あと64GB |
| Devstral 2 123B | 4bit（Q4_K_M） | 75GB | あと65GB |
| Ling 3.0 flash | 4bit（Q4_K_M） | 75GB | あと65GB |
| Mixtral 8x22B | 4bit（Q4_K_M） | 84GB | あと74GB |
| GPT-OSS-Swallow 120B | 4bit（Q4_K_M） | 85GB | あと75GB |
| Qwen3.8-Flash-Next | 4bit（IQ4_XS） | 91GB | あと80GB |
| Step-3.7-Flash | 4bit（Q4_K_M） | 118GB | あと108GB |
| DeepSeek-V4-Flash | 4bit（IQ4_XS） | 132GB | あと122GB |
| MiniMax-M2.5 229B-A10B | 4bit（Q4_K_M） | 135GB | あと125GB |
| Qwen3 235B-A22B | 4bit（Q4_K_M） | 138GB | あと128GB |
| GLM-5.3-Flash | 4bit（IQ4_XS） | 151GB | あと141GB |
| Inkling Small 264B | 4bit（Q4_K_M） | 157GB | あと146GB |
| MiMo-V2.6-Flash-RL | 4bit（MXFP4） | 161GB | あと151GB |
| ERNIE 4.5 300B-A47B | 4bit（Q4_K_M） | 175GB | あと165GB |
| Hy3 295B-A21B | 4bit（Q4_K_M） | 178GB | あと167GB |
| GLM-4.5 355B-A32B | 4bit（Q4_K_M） | 211GB | あと201GB |
| Qwen3.5 397B-A17B | 4bit（Q4_K_M） | 235GB | あと224GB |
| Llama 4 Maverick 17B-128E | 4bit（Q4_K_M） | 235GB | あと224GB |
| Qwen3-Coder 480B-A35B | 4bit（Q4_K_M） | 281GB | あと270GB |
| Kimi K2.6 | 2bit（IQ2_M） | 329GB | あと319GB |
| GLM-5.3 | 4bit（IQ4_XS） | 352GB | あと342GB |
| RakutenAI-3.0 671B-A37B | 4bit（Q4_K_M） | 390GB | あと379GB |
| Mistral Large 3 675B | 4bit（Q4_K_M） | 392GB | あと381GB |
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VRAM11GBに収まる12本です。
| モデル | 標準（4bit）だと | 落とすなら | 必要 | 推定速度 |
|---|---|---|---|---|
| North Mini Code 1.0 | 19GB（あと8.9GB足りない） | 2bit（IQ2_M） | 10GB | 約120 tok/s補正済み |
| Gemma 4 26B-A4B | 17GB（あと6.6GB足りない） | 2bit（IQ2_M） | 10GB | 約81 tok/s補正済み |
| Devstral Small 2 24B | 16GB（あと5.0GB足りない） | 2bit（Q2_K） | 10GB | 約25 tok/s補正済み |
| Magistral Small 2509 | 16GB（あと5.0GB足りない） | 2bit（Q2_K） | 10GB | 約25 tok/s補正済み |
| Devstral Small 2507 | 16GB（あと5.0GB足りない） | 2bit（Q2_K） | 10GB | 約25 tok/s補正済み |
| Mistral Small 3.2 24B | 16GB（あと5.0GB足りない） | 2bit（Q2_K） | 10GB | 約25 tok/s補正済み |
| Codestral 22B | 15GB（あと4.5GB足りない） | 2bit（Q2_K） | 10GB | 約26 tok/s補正済み |
| ERNIE 4.5 21B-A3B Thinking | 14GB（あと3.2GB足りない） | 2bit（Q2_K） | 8.8GB | 約110 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 14B | 11GB（あと0.1GB足りない） | 4bit（IQ4_XS） | 9.8GB | 約27 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 14B Japanese | 11GB（あと0.1GB足りない） | 4bit（IQ4_XS） | 9.8GB | 約27 tok/s補正済み |
| Qwen2.5-Coder 14B | 11GB（あと0.1GB足りない） | 4bit（IQ4_XS） | 9.8GB | 約27 tok/s補正済み |
| Qwen2.5 14B | 11GB（あと0.1GB足りない） | 4bit（IQ4_XS） | 9.8GB | 約27 tok/s補正済み |
同じVRAM11GBの機種の中での位置
当サイトにはVRAM11GBの機種が2件あります。帯域幅は484GB/sで、この容量では最も遅い部類です。最速のGeForce RTX 2080 Ti（616GB/s）と比べると生成速度はおよそ79%になります。この機種のVRAMに収まるのは108本で、すべて快適に動きます。
この機種は公開ベンチマークで速度を補正しているので、表の速度は他機種の係数を流用した推定より当てになります。
この機種は2017年の発売で、いま9年目です。
同じVRAM11GBでも、これより新しい機種が1件あります（最新はGeForce RTX 2080 Ti・2018年）。動くモデルの数は変わらないので、選ぶ基準は価格と、ツールの対応がいつまで続くかになります。
この機種を実際に使うなら
Pascal世代なので、RTX 20以降が持つTensorコアがありません。llama.cppのCUDA版で文章を生成するぶんには動きますが、長いプロンプトの読み込みや画像生成では新しい世代との差が大きく出ます。日本語はQwen3 14BのQ4_K_M、コードはQwen2.5-Coder 7BのQ8_0（推定28.7tok/s）がVRAMに収まる範囲での素直な選択。
PyTorchやCUDAの新しい版にはこの世代への対応を外す動きがあり、画像生成や学習の環境を組むと対応版を探す手間が出ます。LLMはllama.cpp系だけで動かす、と用途を絞るのが長く使うコツです。
買うときの見どころ
比べる相手は同じ11GBのRTX 2080 Ti（616GB/s）です。本数は同じ100本で、帯域幅は2080 Tiが3割弱広い。どちらも中古でしか手に入らず、発売から年数が経ったぶん、ファンや熱伝導材の劣化は前提に見ておきましょう。
新しく1枚を足すなら話は変わります。同じ100本はRTX 3060 12GB（360GB/s）でも得られ、ツールの対応が長く続く世代に移れる。帯域幅は1080 Tiの484GB/sより狭いので、推定速度が少し下がることは承知の上での選択です。
GTX 10シリーズの中での位置
2017年前後の世代です。
買う前に確認すること: 対応が打ち切られる可能性が最も高い世代です。今後のツール更新で動かなくなることを織り込んでおいてください。
この機種で足りるAI用途
| 用途 | 必要な容量 | この機種（11GB） |
|---|---|---|
| Stable Diffusion / SDXL | VRAM 12GB | 動かない あと1GB |
| FLUX / 高品質画像生成 | VRAM 16GB | 動かない あと5GB |
| 動画生成AI（Wan / Hunyuan / LTX） | VRAM 24GB | 動かない あと13GB |
| 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13GB |
| ローカルLLM（70B〜120B MoE） | VRAM 40GB | 動かない あと29GB |
| 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 4070 | 12GB | 504 GB/s | 133 |
| GeForce RTX 4070 SUPER | 12GB | 504 GB/s | 133 |
| GeForce RTX 4070 Ti | 12GB | 504 GB/s | 133 |
gpt-oss-20b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。
ぴったり自作
自作: RTX 5070 Ti（16GB）・メモリ32GB
BTOより同予算で一段上のGPUに届く。画像生成とローカルLLMの定番
Ryzen 7 9700X・DDR5 16GB×2・RTX 5070 Ti・NVMe 2TB・電源850W ・ 目安 27〜35万円
要件を満たす中で最も手頃
余裕を持つなら自作
自作: RTX 5090（32GB）・メモリ96GB
動画生成・学習・32BクラスのLLM。メモリ96GBあれば、大型のMoE型を一部メインメモリに逃がして動かせる
Ryzen 9 9950X・DDR5 48GB×2・RTX 5090・NVMe 4TB・電源1000W・大型ケース ・ 目安 60〜80万円
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（出典）
GTX 1080 Ti の llama.cpp 公開ベンチマーク（GitHub Discussion）: llama-2-7b Q4_0 = 62.49 tok/s。この値からメモリ帯域幅に対する実効係数（49%）を求め、他モデルの速度推定に使っています。
よくある質問
GeForce GTX 1080 TiでローカルLLMは動く？
動きます。VRAM11GB（実効約11GB）に、収録204モデル中108本が収まります。日本語チャットならABEJA Qwen3 14B Agentic（4bit（Q4_K_M））が推定約25 tok/sです。
GeForce GTX 1080 Tiで動かないモデルは？
gpt-oss-20bは4bitで約12GB必要で、VRAMがあと約1.8GB足りません。