GeForce RTX 2080 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
11GBという半端な容量ながら、RTX 20番台でローカルLLMに一番向くカードです。Qwen3 14BをQ4_K_Mで読み込むと必要量は10.4GBで、実効10.5GBの枠にちょうど収まります。補正済みの推定は42.5tok/s。同じ11GBのGTX 1080 Tiは推定24.7tok/sで、収まる100本は同じでも速さは7割増しです。
惜しいのは、DeepSeek-R1 Distill Qwen 14BやShisa V2.1 unphi4 14BがQ4_K_Mではあと0.1GB溢れること。14Bを会話の速さで回したい人が、中古で探す価値のある1枚です。
まず試すなら: ABEJA Qwen3 14B Agentic（4bit（Q4_K_M）・必要10GB・約43 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1330 tok/s補正済み |
| Qwen2.5 0.5B | 8bit（Q8_0） | 1.1GB | 約710 tok/s補正済み |
| Qwen3.5 0.8B | 8bit（Q8_0） | 1.4GB | 約460 tok/s補正済み |
| Gemma 3 1B | 8bit（Q8_0） | 1.6GB | 約380 tok/s補正済み |
| Sarashina2.2 0.5B | 8bit（Q8_0） | 1.8GB | 約370 tok/s補正済み |
| Qwen3 0.6B | 8bit（Q8_0） | 2.0GB | 約370 tok/s補正済み |
| LFM2.5 1.2B JP | 8bit（Q8_0） | 1.8GB | 約320 tok/s補正済み |
| Llama 3.2 1B | 8bit（Q8_0） | 2.0GB | 約280 tok/s補正済み |
| EXAONE 4.0 1.2B | 8bit（Q8_0） | 2.3GB | 約250 tok/s補正済み |
| TinySwallow 1.5B | 8bit（Q8_0） | 2.3GB | 約230 tok/s補正済み |
| RakutenAI-2.0 mini | 8bit（Q8_0） | 2.4GB | 約230 tok/s補正済み |
| Sarashina2.2 1B | 8bit（Q8_0） | 2.6GB | 約220 tok/s補正済み |
| Qwen2.5 1.5B | 8bit（Q8_0） | 2.5GB | 約200 tok/s補正済み |
| North Mini Code 1.0 | 2bit（IQ2_M） | 10GB | 約200 tok/s補正済み |
| Qwen3.5 2B | 8bit（Q8_0） | 2.6GB | 約190 tok/s補正済み |
| ERNIE 4.5 21B-A3B Thinking | 2bit（Q2_K） | 8.8GB | 約180 tok/s補正済み |
| Qwen3-VL 2B | 8bit（Q8_0） | 3.1GB | 約180 tok/s補正済み |
| Qwen3 1.7B | 8bit（Q8_0） | 3.1GB | 約180 tok/s補正済み |
| Ling 3.0 tiny | 8bit（Q8_0） | 8.7GB | 約170 tok/s補正済み |
| LFM2.5 8B-A1B | 8bit（Q8_0） | 9.2GB | 約150 tok/s補正済み |
| LLM-jp-3.1 1.8B | 8bit（Q8_0） | 3.9GB | 約150 tok/s補正済み |
| MiniCPM5 2B | 8bit（Q8_0） | 3.4GB | 約140 tok/s補正済み |
| LFM2.5 2.6B | 8bit（Q8_0） | 3.4GB | 約140 tok/s補正済み |
| LFM2.5-VL 3B | 8bit（Q8_0） | 3.4GB | 約140 tok/s補正済み |
| Gemma 4 26B-A4B | 2bit（IQ2_M） | 10GB | 約140 tok/s補正済み |
| Gemma 2 Baku 2B | 8bit（Q8_0） | 3.8GB | 約130 tok/s補正済み |
| Qwen2.5-VL 3B | 8bit（Q8_0） | 3.9GB | 約120 tok/s補正済み |
| Qwen2.5-Coder 3B | 8bit（Q8_0） | 3.9GB | 約120 tok/s補正済み |
| Qwen2.5 3B | 8bit（Q8_0） | 3.9GB | 約120 tok/s補正済み |
| SmolLM3 3B | 8bit（Q8_0） | 4.2GB | 約110 tok/s補正済み |
| Llama 3.2 3B | 8bit（Q8_0） | 4.7GB | 約110 tok/s補正済み |
| Ministral 3 3B | 8bit（Q8_0） | 4.8GB | 約100 tok/s補正済み |
| Granite 4.2 3B | 8bit（Q8_0） | 4.9GB | 約97 tok/s補正済み |
| Sarashina2.2 3B | 8bit（Q8_0） | 5.2GB | 約97 tok/s補正済み |
| Gemma 3 4B | 8bit（Q8_0） | 4.7GB | 約96 tok/s補正済み |
| Nemotron 3 Nano 4B | 8bit（Q8_0） | 4.7GB | 約96 tok/s補正済み |
| Qwen3.5 4B | 8bit（Q8_0） | 5.0GB | 約89 tok/s補正済み |
| Phi-4-mini 3.8B | 8bit（Q8_0） | 5.4GB | 約89 tok/s補正済み |
| AREX-Turbo 4B | 8bit（Q8_0） | 5.1GB | 約89 tok/s補正済み |
| Fara1.5 4B | 8bit（Q8_0） | 5.1GB | 約89 tok/s補正済み |
| Nanbeige4.2 3B | 8bit（Q8_0） | 5.4GB | 約86 tok/s補正済み |
| Gemma 3n E2B | 8bit（Q8_0） | 5.2GB | 約85 tok/s補正済み |
| Qwen3-VL 4B | 8bit（Q8_0） | 5.7GB | 約84 tok/s補正済み |
| Qwen3 4B | 8bit（Q8_0） | 5.7GB | 約84 tok/s補正済み |
| Gemma 4 E2B | 8bit（Q8_0） | 5.5GB | 約80 tok/s補正済み |
| AFM-4.5B | 8bit（Q8_0） | 5.8GB | 約79 tok/s補正済み |
| Llama-3-ELYZA-JP-8B | 4bit（Q4_K_M） | 6.2GB | 約75 tok/s補正済み |
| Phi-3.5-mini 3.8B | 8bit（Q8_0） | 7.4GB | 約73 tok/s補正済み |
| CAT-Translate 7B | 6bit（Q6_K） | 7.4GB | 約62 tok/s補正済み |
| Shisa V2.1 Qwen3 8B | 6bit（Q6_K） | 8.1GB | 約56 tok/s補正済み |
| Granite 4.0 H-Tiny | 8bit（Q8_0） | 7.7GB | 約55 tok/s補正済み |
| Gemma 3n E4B | 8bit（Q8_0） | 7.7GB | 約55 tok/s補正済み |
| Granite 4.2 8B | 6bit（Q6_K） | 9.0GB | 約50 tok/s補正済み |
| Mistral 7B v0.3 | 8bit（Q8_0） | 8.9GB | 約50 tok/s補正済み |
| Falcon-H1R 7B | 8bit（Q8_0） | 8.6GB | 約50 tok/s補正済み |
| Gemma 4 E4B | 8bit（Q8_0） | 8.6GB | 約49 tok/s補正済み |
| ELYZA-Shortcut-1.0 Qwen 7B | 8bit（Q8_0） | 8.7GB | 約49 tok/s補正済み |
| ABEJA Qwen2.5 7B Japanese | 8bit（Q8_0） | 8.7GB | 約49 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 7B | 8bit（Q8_0） | 8.7GB | 約49 tok/s補正済み |
| Qwen2.5-VL 7B | 8bit（Q8_0） | 8.7GB | 約49 tok/s補正済み |
| Qwen2.5 7B | 8bit（Q8_0） | 8.7GB | 約49 tok/s補正済み |
| Qwen2.5-Coder 7B | 8bit（Q8_0） | 8.7GB | 約49 tok/s補正済み |
| Hunyuan 7B | 8bit（Q8_0） | 9.2GB | 約48 tok/s補正済み |
| Tanuki-8B | 8bit（Q8_0） | 9.2GB | 約48 tok/s補正済み |
| Gemma-2-Llama-Swallow 9B | 6bit（Q6_K） | 9.8GB | 約48 tok/s補正済み |
| Gemma 2 9B | 6bit（Q6_K） | 9.8GB | 約48 tok/s補正済み |
| Phi-4 14B | 4bit（IQ4_XS） | 9.7GB | 約47 tok/s補正済み |
| Gemma 3 12B | 5bit（Q5_K_M） | 9.4GB | 約46 tok/s補正済み |
| Command R7B | 8bit（Q8_0） | 9.3GB | 約46 tok/s補正済み |
| Shisa V2.1 unphi4 14B | 4bit（IQ4_XS） | 9.8GB | 約46 tok/s補正済み |
| Ministral 3 14B | 4bit（Q4_K_M） | 9.7GB | 約46 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 14B | 4bit（IQ4_XS） | 9.8GB | 約46 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 14B Japanese | 4bit（IQ4_XS） | 9.8GB | 約46 tok/s補正済み |
| Qwen2.5-Coder 14B | 4bit（IQ4_XS） | 9.8GB | 約46 tok/s補正済み |
| Qwen2.5 14B | 4bit（IQ4_XS） | 9.8GB | 約46 tok/s補正済み |
| Llama 3.1 Swallow 8B | 8bit（Q8_0） | 9.7GB | 約45 tok/s補正済み |
| DeepSeek-R1 Distill Llama 8B | 8bit（Q8_0） | 9.7GB | 約45 tok/s補正済み |
| Aya Expanse 8B | 8bit（Q8_0） | 9.7GB | 約45 tok/s補正済み |
| Llama 3 Youko 8B | 8bit（Q8_0） | 9.7GB | 約45 tok/s補正済み |
| Llama 3.1 8B | 8bit（Q8_0） | 9.7GB | 約45 tok/s補正済み |
| Apertus 8B | 8bit（Q8_0） | 9.7GB | 約45 tok/s補正済み |
| Codestral 22B | 2bit（Q2_K） | 10GB | 約45 tok/s補正済み |
| Qwen3-Swallow 8B | 8bit（Q8_0） | 10.0GB | 約44 tok/s補正済み |
| Qwen3-VL 8B | 8bit（Q8_0） | 10.0GB | 約44 tok/s補正済み |
| DeepSeek-R1-0528 Qwen3 8B | 8bit（Q8_0） | 10.0GB | 約44 tok/s補正済み |
| Qwen3 8B | 8bit（Q8_0） | 10.0GB | 約44 tok/s補正済み |
| Mistral Nemo Japanese 12B | 5bit（Q5_K_M） | 10GB | 約44 tok/s補正済み |
| Mistral Nemo 12B | 5bit（Q5_K_M） | 10GB | 約44 tok/s補正済み |
| Nemotron-Nano 9B v2 Japanese | 8bit（Q8_0） | 9.7GB | 約43 tok/s補正済み |
| Devstral Small 2 24B | 2bit（Q2_K） | 10GB | 約43 tok/s補正済み |
| Magistral Small 2509 | 2bit（Q2_K） | 10GB | 約43 tok/s補正済み |
| Devstral Small 2507 | 2bit（Q2_K） | 10GB | 約43 tok/s補正済み |
| Mistral Small 3.2 24B | 2bit（Q2_K） | 10GB | 約43 tok/s補正済み |
| Ministral 3 8B | 8bit（Q8_0） | 10GB | 約43 tok/s補正済み |
| MiMo-V2.6-Distill-Qwen-9B | 8bit（Q8_0） | 9.9GB | 約43 tok/s補正済み |
| Ornith 1.5 9B | 8bit（Q8_0） | 9.9GB | 約43 tok/s補正済み |
| UI-Mate 9B | 8bit（Q8_0） | 9.9GB | 約43 tok/s補正済み |
| UI-Venus-2 9B | 8bit（Q8_0） | 9.9GB | 約43 tok/s補正済み |
| Fara1.5 9B | 8bit（Q8_0） | 9.9GB | 約43 tok/s補正済み |
| Ornith 1.0 9B | 8bit（Q8_0） | 9.9GB | 約43 tok/s補正済み |
| LLM-jp-4 8B thinking | 8bit（Q8_0） | 10GB | 約43 tok/s補正済み |
| Qwen3.5 9B | 8bit（Q8_0） | 9.9GB | 約43 tok/s補正済み |
| ABEJA Qwen3 14B Agentic | 4bit（Q4_K_M） | 10GB | 約43 tok/s補正済み |
| Qwen3 14B | 4bit（Q4_K_M） | 10GB | 約43 tok/s補正済み |
| Gemma 4 12B | 6bit（Q6_K） | 10GB | 約41 tok/s補正済み |
| GLM-4.6V-Flash 9B | 8bit（Q8_0） | 10GB | 約40 tok/s補正済み |
| Nemotron Nano 12B v2 | 6bit（Q6_K） | 10GB | 約40 tok/s補正済み |
| PLaMo 2 Translate | 8bit（Q8_0） | 10GB | 約40 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5.0 tok/s補正済み |
| Holo4 35B-A3B | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約21 tok/s補正済み |
| Nex-N2.5-mini | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約18 tok/s補正済み |
| BigBang v1 35B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約19 tok/s補正済み |
| Granite 4.2 30B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約4.0 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3.4 tok/s補正済み |
| Muse-Glimmer 30B | 2bit（IQ2_M） | 12GB | 実用CPUオフロード | 約14 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22 tok/s補正済み |
| Qwen3.8 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約5.5 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19 tok/s補正済み |
| UI-Mate 27B | 4bit（Q4_K_M） | 18GB | 遅いCPUオフロード | 約4.8 tok/s補正済み |
| Fara1.5 27B | 4bit（Q4_K_M） | 18GB | 遅いCPUオフロード | 約4.8 tok/s補正済み |
| Gemma 4 31B | 4bit（Q4_K_M） | 19GB | 遅いCPUオフロード | 約4.1 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23 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22 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21 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19 tok/s補正済み |
| Qwen-AgentWorld 35B-A3B | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約21 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18 tok/s補正済み |
| Qwen3.6 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約5.3 tok/s補正済み |
| Qwen3.6 35B-A3B | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約21 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19 tok/s補正済み |
| Qwen3.5 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約5.3 tok/s補正済み |
| Qwen3.5 35B-A3B | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約22 tok/s補正済み |
| GPT-OSS-Swallow 20B | 4bit（Q4_K_M） | 16GB | 快適CPUオフロード | 約21 tok/s補正済み |
| Kimi Linear 48B-A3B | 4bit（Q4_K_M） | 29GB | 実用CPUオフロード | 約19 tok/s補正済み |
| Qwen3-Swallow 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約20 tok/s補正済み |
| GLM-4.7-Flash 30B-A3B | 4bit（Q4_K_M） | 19GB | 快適CPUオフロード | 約22 tok/s補正済み |
| Olmo 3.1 32B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約3.7 tok/s補正済み |
| Granite 4.0 H-Small 32B-A9B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約8.5 tok/s補正済み |
| Qwen3-VL 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約20 tok/s補正済み |
| Qwen3-VL 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約3.5 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3.8 tok/s補正済み |
| gpt-oss-20b | 4bit（MXFP4） | 12GB | 快適CPUオフロード | 約48 tok/s補正済み |
| Seed-OSS 36B | 4bit（Q4_K_M） | 23GB | 遅いCPUオフロード | 約3.0 tok/s補正済み |
| Qwen3 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約20 tok/s補正済み |
| Qwen3-Coder 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約20 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3.4 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3.4 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9.6 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3.4 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4.6 tok/s補正済み |
| Qwen3 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約3.5 tok/s補正済み |
| Gemma 3 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約5.2 tok/s補正済み |
| Qwen2.5-VL 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.4 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3.4 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3.4 tok/s補正済み |
| KARAKURI LM 32B Thinking | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.4 tok/s補正済み |
| RakutenAI-2.0 8x7B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約4.3 tok/s補正済み |
| Qwen2.5-Coder 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.4 tok/s補正済み |
| Aya Expanse 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約3.6 tok/s補正済み |
| Qwen2.5 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.4 tok/s補正済み |
| Tanuki-8x8B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約4.2 tok/s補正済み |
| Mixtral 8x7B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約4.3 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200 tok/s補正済み |
| Gemma 4 26B-A4B | 17GB（あと6.6GB足りない） | 2bit（IQ2_M） | 10GB | 約140 tok/s補正済み |
| Devstral Small 2 24B | 16GB（あと5.0GB足りない） | 2bit（Q2_K） | 10GB | 約43 tok/s補正済み |
| Magistral Small 2509 | 16GB（あと5.0GB足りない） | 2bit（Q2_K） | 10GB | 約43 tok/s補正済み |
| Devstral Small 2507 | 16GB（あと5.0GB足りない） | 2bit（Q2_K） | 10GB | 約43 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43 tok/s補正済み |
| Codestral 22B | 15GB（あと4.5GB足りない） | 2bit（Q2_K） | 10GB | 約45 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180 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46 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46 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46 tok/s補正済み |
| Qwen2.5 14B | 11GB（あと0.1GB足りない） | 4bit（IQ4_XS） | 9.8GB | 約46 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616GB/sで、この容量では最も速い部類です。2番目のGeForce GTX 1080 Ti（484GB/s）より約27%速い計算になります。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2018年の発売で、いま8年目です。
同じVRAM11GBの中では最も新しい機種です。同じ容量では2017年のGeForce GTX 1080 Ti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
14Bの量子化はモデルごとに選び分けます。Qwen3 14BとABEJA Qwen3 14B AgenticはQ4_K_Mで入り、DeepSeek-R1 Distill Qwen 14B JapaneseはIQ4_XS（必要9.8GB・推定46tok/s）に落とす。
余白はそれぞれ0.1GBと0.7GBで、長めの入力を渡すならIQ4_XSの側が溢れにくい計算です。コードはQwen2.5-Coder 14BのIQ4_XSで推定46tok/s。補完用に7BのQ8_0（推定49.3tok/s）を並べておくと、重さで使い分けられます。
注意したいのはPyTorch系の手順。FlashAttention 2はAmpere以降が対象なので、この世代では無効にする設定が要ります。GGUFをllama.cpp系で動かす構成なら、この制約に当たる場面は少なめです。
買うときの見どころ
同じシリーズで一段上になるのは容量の順でRTX 2060 12GBですが、4bit以上の本数は+0本で、推定速度は下がります。2080 Tiから替える意味はありません。発売は2018年なので、手に入るのは中古だけ。長く回されてきた個体はファンや放熱まわりが傷んでいる場合があり、高い負荷を長時間かけるローカルLLMでは状態の差がそのまま出ます。
2枚挿しで容量を足す手も考えられますが、合計22GBでも24GBのRTX 3090 1枚には届かず、3090は4bit以上で158本。20B級より上を狙うなら、2枚目を探すより24GBの1枚へ移るほうが構成は単純です。
RTX 20シリーズの中での位置
中古で安く手に入る世代です。RTX 20シリーズ8機種の中では、容量が小さいほうから7番目です。一段上のGeForce RTX 2060 12GB（VRAM12GB）にすると、4bit以上で動くモデルがほぼ変わりません。
買う前に確認すること: 発売から年数が経っており、中古の個体差が大きい世代です。ファンの異音、VRAMの安定性、保証の有無を確認してください。 シリーズ全体の選び方はRTX 20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（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 4070 | 12GB | 504 GB/s | 133 |
| GeForce RTX 4070 SUPER | 12GB | 504 GB/s | 133 |
| GeForce RTX 4070 Ti | 12GB | 504 GB/s | 133 |
| GeForce GTX 1080 Ti | 11GB | 484 GB/s | 116 |
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）
RTX 2080 Ti の llama.cpp 公開ベンチマーク（GitHub Discussion）: llama-2-7b Q4_0 = 107.51 tok/s。この値からメモリ帯域幅に対する実効係数（67%）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 RTX 2080 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43 tok/sです。
GeForce RTX 2080 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。