GeForce RTX 2080 で動くローカルLLM一覧（2026年10月）
99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
44動かない
編集部の見立て
日本語の相談相手を1本置くなら、Qwen3.5 9BをQ5_K_MでVRAMに載せる形が素直です。4bitより一段上の量子化で推定48.4tok/s。Gemma-2-Llama-Swallow 9BはIQ4_XSで必要7.4GBと、実効7.5GBをほぼ使い切ります。
Qwen3 14BのQ4_K_Mは必要10.4GBで、あと2.9GB。2018年のカードでも9B〜12Bの範囲なら87本が推定で快適に入ります。14B級を使う予定がないうちは、この1枚で足ります。
まず試すなら: Gemma 4 12B（4bit（IQ4_XS）・必要7.0GB・約49 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: Gemma 3 12Bを動かすにはVRAMがあと約0.8GB必要（必要8.3GB / 実効7.5GB）。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。
Gemma 3 12B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99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1050 tok/s推定 |
| Qwen2.5 0.5B | 8bit（Q8_0） | 1.1GB | 約560 tok/s推定 |
| Qwen3.5 0.8B | 8bit（Q8_0） | 1.4GB | 約370 tok/s推定 |
| Gemma 3 1B | 8bit（Q8_0） | 1.6GB | 約300 tok/s推定 |
| Sarashina2.2 0.5B | 8bit（Q8_0） | 1.8GB | 約300 tok/s推定 |
| Qwen3 0.6B | 8bit（Q8_0） | 2.0GB | 約290 tok/s推定 |
| LFM2.5 1.2B JP | 8bit（Q8_0） | 1.8GB | 約250 tok/s推定 |
| Llama 3.2 1B | 8bit（Q8_0） | 2.0GB | 約220 tok/s推定 |
| EXAONE 4.0 1.2B | 8bit（Q8_0） | 2.3GB | 約200 tok/s推定 |
| TinySwallow 1.5B | 8bit（Q8_0） | 2.3GB | 約180 tok/s推定 |
| RakutenAI-2.0 mini | 8bit（Q8_0） | 2.4GB | 約180 tok/s推定 |
| Sarashina2.2 1B | 8bit（Q8_0） | 2.6GB | 約180 tok/s推定 |
| Ling 3.0 tiny | 6bit（Q6_K） | 7.2GB | 約170 tok/s推定 |
| Qwen2.5 1.5B | 8bit（Q8_0） | 2.5GB | 約160 tok/s推定 |
| Qwen3.5 2B | 8bit（Q8_0） | 2.6GB | 約150 tok/s推定 |
| LFM2.5 8B-A1B | 6bit（Q6_K） | 7.4GB | 約150 tok/s推定 |
| Qwen3-VL 2B | 8bit（Q8_0） | 3.1GB | 約140 tok/s推定 |
| Qwen3 1.7B | 8bit（Q8_0） | 3.1GB | 約140 tok/s推定 |
| LLM-jp-3.1 1.8B | 8bit（Q8_0） | 3.9GB | 約120 tok/s推定 |
| MiniCPM5 2B | 8bit（Q8_0） | 3.4GB | 約110 tok/s推定 |
| LFM2.5 2.6B | 8bit（Q8_0） | 3.4GB | 約110 tok/s推定 |
| LFM2.5-VL 3B | 8bit（Q8_0） | 3.4GB | 約110 tok/s推定 |
| Gemma 2 Baku 2B | 8bit（Q8_0） | 3.8GB | 約100 tok/s推定 |
| Qwen2.5-VL 3B | 8bit（Q8_0） | 3.9GB | 約95 tok/s推定 |
| Qwen2.5-Coder 3B | 8bit（Q8_0） | 3.9GB | 約95 tok/s推定 |
| Qwen2.5 3B | 8bit（Q8_0） | 3.9GB | 約95 tok/s推定 |
| SmolLM3 3B | 8bit（Q8_0） | 4.2GB | 約91 tok/s推定 |
| Llama 3.2 3B | 8bit（Q8_0） | 4.7GB | 約84 tok/s推定 |
| Ministral 3 3B | 8bit（Q8_0） | 4.8GB | 約80 tok/s推定 |
| Granite 4.2 3B | 8bit（Q8_0） | 4.9GB | 約77 tok/s推定 |
| Sarashina2.2 3B | 8bit（Q8_0） | 5.2GB | 約77 tok/s推定 |
| Gemma 3 4B | 8bit（Q8_0） | 4.7GB | 約76 tok/s推定 |
| Nemotron 3 Nano 4B | 8bit（Q8_0） | 4.7GB | 約76 tok/s推定 |
| Qwen3.5 4B | 8bit（Q8_0） | 5.0GB | 約70 tok/s推定 |
| Phi-4-mini 3.8B | 8bit（Q8_0） | 5.4GB | 約70 tok/s推定 |
| AREX-Turbo 4B | 8bit（Q8_0） | 5.1GB | 約70 tok/s推定 |
| Fara1.5 4B | 8bit（Q8_0） | 5.1GB | 約70 tok/s推定 |
| PLaMo 2 Translate | 3bit（Q3_K_M） | 5.2GB | 約68 tok/s推定 |
| Nanbeige4.2 3B | 8bit（Q8_0） | 5.4GB | 約68 tok/s推定 |
| Gemma 3n E2B | 8bit（Q8_0） | 5.2GB | 約67 tok/s推定 |
| Qwen3-VL 4B | 8bit（Q8_0） | 5.7GB | 約67 tok/s推定 |
| Qwen3 4B | 8bit（Q8_0） | 5.7GB | 約67 tok/s推定 |
| Gemma 4 E2B | 8bit（Q8_0） | 5.5GB | 約64 tok/s推定 |
| AFM-4.5B | 8bit（Q8_0） | 5.8GB | 約62 tok/s推定 |
| Llama-3-ELYZA-JP-8B | 4bit（Q4_K_M） | 6.2GB | 約60 tok/s推定 |
| Gemma 4 E4B | 5bit（Q5_K_M） | 6.0GB | 約58 tok/s推定 |
| Phi-3.5-mini 3.8B | 8bit（Q8_0） | 7.4GB | 約57 tok/s推定 |
| Granite 4.0 H-Tiny | 6bit（Q6_K） | 6.1GB | 約56 tok/s推定 |
| Ministral 3 14B | 2bit（Q2_K） | 6.8GB | 約55 tok/s推定 |
| DeepSeek-R1 Distill Qwen 14B | 2bit（IQ2_M） | 7.1GB | 約53 tok/s推定 |
| DeepSeek-R1 Distill Qwen 14B Japanese | 2bit（IQ2_M） | 7.1GB | 約53 tok/s推定 |
| Qwen2.5-Coder 14B | 2bit（IQ2_M） | 7.1GB | 約53 tok/s推定 |
| Qwen2.5 14B | 2bit（IQ2_M） | 7.1GB | 約53 tok/s推定 |
| Granite 4.2 8B | 4bit（Q4_K_M） | 7.1GB | 約52 tok/s推定 |
| Gemma-2-Llama-Swallow 9B | 4bit（IQ4_XS） | 7.4GB | 約52 tok/s推定 |
| Gemma 2 9B | 4bit（IQ4_XS） | 7.4GB | 約52 tok/s推定 |
| Llama 3.1 Swallow 8B | 5bit（Q5_K_M） | 7.0GB | 約52 tok/s推定 |
| DeepSeek-R1 Distill Llama 8B | 5bit（Q5_K_M） | 7.0GB | 約52 tok/s推定 |
| Llama 3 Youko 8B | 5bit（Q5_K_M） | 7.0GB | 約52 tok/s推定 |
| Llama 3.1 8B | 5bit（Q5_K_M） | 7.0GB | 約52 tok/s推定 |
| GLM-4.6V-Flash 9B | 4bit（Q4_K_M） | 6.7GB | 約51 tok/s推定 |
| Apertus 8B | 5bit（Q5_K_M） | 7.1GB | 約51 tok/s推定 |
| Gemma 3n E4B | 6bit（Q6_K） | 6.7GB | 約51 tok/s推定 |
| Aya Expanse 8B | 5bit（Q5_K_M） | 7.1GB | 約51 tok/s推定 |
| Phi-4 14B | 2bit（Q2_K） | 7.4GB | 約51 tok/s推定 |
| Mistral Nemo Japanese 12B | 3bit（IQ3_M） | 7.2GB | 約51 tok/s推定 |
| Mistral Nemo 12B | 3bit（IQ3_M） | 7.2GB | 約51 tok/s推定 |
| Falcon-H1R 7B | 6bit（Q6_K） | 6.8GB | 約51 tok/s推定 |
| Qwen3 14B | 2bit（Q2_K） | 7.3GB | 約51 tok/s推定 |
| Shisa V2.1 unphi4 14B | 2bit（Q2_K） | 7.4GB | 約50 tok/s推定 |
| Gemma 3 12B | 3bit（Q3_K_M） | 7.1GB | 約50 tok/s推定 |
| Qwen3-Swallow 8B | 5bit（Q5_K_M） | 7.2GB | 約50 tok/s推定 |
| Shisa V2.1 Qwen3 8B | 5bit（Q5_K_M） | 7.2GB | 約50 tok/s推定 |
| Qwen3-VL 8B | 5bit（Q5_K_M） | 7.2GB | 約50 tok/s推定 |
| DeepSeek-R1-0528 Qwen3 8B | 5bit（Q5_K_M） | 7.2GB | 約50 tok/s推定 |
| Qwen3 8B | 5bit（Q5_K_M） | 7.2GB | 約50 tok/s推定 |
| ELYZA-Shortcut-1.0 Qwen 7B | 6bit（Q6_K） | 6.9GB | 約50 tok/s推定 |
| ABEJA Qwen2.5 7B Japanese | 6bit（Q6_K） | 6.9GB | 約50 tok/s推定 |
| DeepSeek-R1 Distill Qwen 7B | 6bit（Q6_K） | 6.9GB | 約50 tok/s推定 |
| Qwen2.5-VL 7B | 6bit（Q6_K） | 6.9GB | 約50 tok/s推定 |
| Qwen2.5 7B | 6bit（Q6_K） | 6.9GB | 約50 tok/s推定 |
| Qwen2.5-Coder 7B | 6bit（Q6_K） | 6.9GB | 約50 tok/s推定 |
| Mistral 7B v0.3 | 6bit（Q6_K） | 7.2GB | 約50 tok/s推定 |
| Gemma 4 12B | 4bit（IQ4_XS） | 7.0GB | 約49 tok/s推定 |
| Ministral 3 8B | 5bit（Q5_K_M） | 7.4GB | 約49 tok/s推定 |
| Ornith 1.0 9B | 5bit（Q5_K_M） | 7.0GB | 約49 tok/s推定 |
| LLM-jp-4 8B thinking | 5bit（Q5_K_M） | 7.4GB | 約49 tok/s推定 |
| CAT-Translate 7B | 6bit（Q6_K） | 7.4GB | 約49 tok/s推定 |
| Hunyuan 7B | 6bit（Q6_K） | 7.4GB | 約49 tok/s推定 |
| Tanuki-8B | 6bit（Q6_K） | 7.4GB | 約49 tok/s推定 |
| Qwen3.5 9B | 5bit（Q5_K_M） | 7.1GB | 約48 tok/s推定 |
| Nemotron Nano 12B v2 | 4bit（IQ4_XS） | 7.2GB | 約47 tok/s推定 |
| Command R7B | 6bit（Q6_K） | 7.5GB | 約47 tok/s推定 |
| Ornith 1.5 9B | 5bit（Q5_K_M） | 7.3GB | 約47 tok/s推定 |
| UI-Mate 9B | 5bit（Q5_K_M） | 7.3GB | 約47 tok/s推定 |
| UI-Venus-2 9B | 5bit（Q5_K_M） | 7.3GB | 約47 tok/s推定 |
| Fara1.5 9B | 5bit（Q5_K_M） | 7.3GB | 約47 tok/s推定 |
| MiMo-V2.6-Distill-Qwen-9B | 5bit（Q5_K_M） | 7.3GB | 約46 tok/s推定 |
| Nemotron-Nano 9B v2 Japanese | 5bit（Q5_K_M） | 7.4GB | 約46 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3.7 tok/s推定 |
| Holo4 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約17 tok/s推定 |
| Nex-N2.5-mini | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約14 tok/s推定 |
| BigBang v1 35B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約15 tok/s推定 |
| Granite 4.2 30B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約3.2 tok/s推定 |
| LLM-jp-4 33B thinking | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.7 tok/s推定 |
| Muse-Glimmer 30B | 2bit（IQ2_M） | 12GB | 遅いCPUオフロード | 約6.9 tok/s推定 |
| Ornith 1.5 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約18 tok/s推定 |
| Qwen3.8 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約4.0 tok/s推定 |
| Thomson 1.0 Small 35B-A3B | 4bit（Q4_K_M） | 21GB | 実用CPUオフロード | 約15 tok/s推定 |
| UI-Mate 27B | 4bit（Q4_K_M） | 18GB | 遅いCPUオフロード | 約3.6 tok/s推定 |
| Fara1.5 27B | 4bit（Q4_K_M） | 18GB | 遅いCPUオフロード | 約3.6 tok/s推定 |
| Gemma 4 26B-A4B | 4bit（Q4_K_M） | 17GB | 実用CPUオフロード | 約14 tok/s推定 |
| Gemma 4 31B | 4bit（Q4_K_M） | 19GB | 遅いCPUオフロード | 約3.2 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18 tok/s推定 |
| Laguna XS 2.1 33B-A3B | 4bit（Q4_K_M） | 21GB | 実用CPUオフロード | 約17 tok/s推定 |
| Ornith 1.0 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約17 tok/s推定 |
| XYZ-Aquila mini 35B-A3B | 4bit（Q4_K_M） | 21GB | 実用CPUオフロード | 約15 tok/s推定 |
| North Mini Code 1.0 | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約17 tok/s推定 |
| Qwen-AgentWorld 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約17 tok/s推定 |
| Nemotron 3 Nano Omni 30B-A3B | 4bit（Q4_K_M） | 23GB | 実用CPUオフロード | 約15 tok/s推定 |
| Qwen3.6 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約3.8 tok/s推定 |
| Qwen3.6 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約17 tok/s推定 |
| LLM-jp-4 32B-A3B thinking | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約15 tok/s推定 |
| Qwen3.5 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約3.9 tok/s推定 |
| Qwen3.5 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約17 tok/s推定 |
| ABEJA Qwen3 14B Agentic | 4bit（Q4_K_M） | 10GB | 実用CPUオフロード | 約11 tok/s推定 |
| GPT-OSS-Swallow 20B | 4bit（Q4_K_M） | 16GB | 実用CPUオフロード | 約15 tok/s推定 |
| Qwen3-Swallow 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約15 tok/s推定 |
| GLM-4.7-Flash 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約17 tok/s推定 |
| Devstral Small 2 24B | 4bit（Q4_K_M） | 16GB | 遅いCPUオフロード | 約4.7 tok/s推定 |
| Olmo 3.1 32B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約2.9 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6.6 tok/s推定 |
| Qwen3-VL 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約15 tok/s推定 |
| Qwen3-VL 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約2.8 tok/s推定 |
| ERNIE 4.5 21B-A3B Thinking | 4bit（Q4_K_M） | 14GB | 快適CPUオフロード | 約22 tok/s推定 |
| Magistral Small 2509 | 4bit（Q4_K_M） | 16GB | 遅いCPUオフロード | 約4.7 tok/s推定 |
| EXAONE 4.0.1 32B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約3.0 tok/s推定 |
| gpt-oss-20b | 4bit（MXFP4） | 12GB | 快適CPUオフロード | 約24 tok/s推定 |
| Seed-OSS 36B | 4bit（Q4_K_M） | 23GB | 遅いCPUオフロード | 約2.5 tok/s推定 |
| Devstral Small 2507 | 4bit（Q4_K_M） | 16GB | 遅いCPUオフロード | 約4.7 tok/s推定 |
| Qwen3 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約15 tok/s推定 |
| Qwen3-Coder 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約15 tok/s推定 |
| Mistral Small 3.2 24B | 4bit（Q4_K_M） | 16GB | 遅いCPUオフロード | 約4.7 tok/s推定 |
| ABEJA Qwen2.5 32B Japanese | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.8 tok/s推定 |
| ELYZA-Shortcut-1.0 Qwen 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.8 tok/s推定 |
| LLM-jp-3.1 13B | 4bit（Q4_K_M） | 15GB | 遅いCPUオフロード | 約6.2 tok/s推定 |
| ELYZA-Thinking-1.0 Qwen 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.8 tok/s推定 |
| Gemma-2-Llama-Swallow 27B | 4bit（Q4_K_M） | 19GB | 遅いCPUオフロード | 約3.5 tok/s推定 |
| Qwen3 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約2.8 tok/s推定 |
| Gemma 3 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約3.8 tok/s推定 |
| Qwen2.5-VL 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.8 tok/s推定 |
| DeepSeek-R1 Distill Qwen 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.8 tok/s推定 |
| DeepSeek-R1 Distill Qwen 32B Japanese | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.8 tok/s推定 |
| KARAKURI LM 32B Thinking | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.8 tok/s推定 |
| RakutenAI-2.0 8x7B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約3.7 tok/s推定 |
| Qwen2.5-Coder 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.8 tok/s推定 |
| Aya Expanse 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約2.9 tok/s推定 |
| Qwen2.5 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.8 tok/s推定 |
| Codestral 22B | 4bit（Q4_K_M） | 15GB | 遅いCPUオフロード | 約5.0 tok/s推定 |
| Mixtral 8x7B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約3.7 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 |
|---|---|---|---|
| Tanuki-8x8B | 4bit（Q4_K_M） | 29GB | あと21GB |
| Kimi Linear 48B-A3B | 4bit（Q4_K_M） | 29GB | あと22GB |
| Nemotron 3.5 Lightning 30B-A3B | 8bit（Q8_0） | 33GB | あと25GB |
| Shisa V2.1 Llama 3.3 70B | 4bit（Q4_K_M） | 44GB | あと36GB |
| Llama 3.3 Swallow 70B | 4bit（Q4_K_M） | 44GB | あと36GB |
| DeepSeek-R1 Distill Llama 70B | 4bit（Q4_K_M） | 44GB | あと36GB |
| Llama 3.3 70B | 4bit（Q4_K_M） | 44GB | あと36GB |
| Llama 3 Youko 70B | 4bit（Q4_K_M） | 44GB | あと36GB |
| Llama 3.1 70B | 4bit（Q4_K_M） | 44GB | あと36GB |
| Llama 3.1 70B Japanese | 4bit（Q4_K_M） | 44GB | あと36GB |
| Qwen3-Next 80B-A3B | 4bit（Q4_K_M） | 47GB | あと40GB |
| Qwen3-Coder-Next 80B-A3B | 4bit（Q4_K_M） | 47GB | あと40GB |
| Qwen2.5 72B | 4bit（Q4_K_M） | 48GB | あと41GB |
| Hunyuan-A13B 80B | 4bit（Q4_K_M） | 49GB | あと41GB |
| Stockmark-2 100B | 4bit（Q4_K_M） | 58GB | あと51GB |
| gpt-oss-120b | 4bit（MXFP4） | 62GB | あと54GB |
| Llama 4 Scout 17B-16E | 4bit（Q4_K_M） | 65GB | あと57GB |
| Command A 111B | 4bit（Q4_K_M） | 66GB | あと59GB |
| Laguna S 2.1 118B-A8B | 4bit（Q4_K_M） | 71GB | あと64GB |
| Mistral Small 4 119B | 4bit（Q4_K_M） | 72GB | あと64GB |
| GLM-4.5-Air 106B-A12B | 4bit（Q4_K_M） | 72GB | あと64GB |
| Qwen3.5 122B-A10B | 4bit（Q4_K_M） | 74GB | あと67GB |
| Devstral 2 123B | 4bit（Q4_K_M） | 75GB | あと68GB |
| Ling 3.0 flash | 4bit（Q4_K_M） | 75GB | あと68GB |
| Mixtral 8x22B | 4bit（Q4_K_M） | 84GB | あと77GB |
| GPT-OSS-Swallow 120B | 4bit（Q4_K_M） | 85GB | あと78GB |
| Qwen3.8-Flash-Next | 4bit（IQ4_XS） | 91GB | あと83GB |
| Step-3.7-Flash | 4bit（Q4_K_M） | 118GB | あと111GB |
| DeepSeek-V4-Flash | 4bit（IQ4_XS） | 132GB | あと125GB |
| MiniMax-M2.5 229B-A10B | 4bit（Q4_K_M） | 135GB | あと128GB |
| Qwen3 235B-A22B | 4bit（Q4_K_M） | 138GB | あと131GB |
| GLM-5.3-Flash | 4bit（IQ4_XS） | 151GB | あと144GB |
| Inkling Small 264B | 4bit（Q4_K_M） | 157GB | あと149GB |
| MiMo-V2.6-Flash-RL | 4bit（MXFP4） | 161GB | あと154GB |
| ERNIE 4.5 300B-A47B | 4bit（Q4_K_M） | 175GB | あと168GB |
| Hy3 295B-A21B | 4bit（Q4_K_M） | 178GB | あと170GB |
| GLM-4.5 355B-A32B | 4bit（Q4_K_M） | 211GB | あと204GB |
| Qwen3.5 397B-A17B | 4bit（Q4_K_M） | 235GB | あと227GB |
| Llama 4 Maverick 17B-128E | 4bit（Q4_K_M） | 235GB | あと227GB |
| Qwen3-Coder 480B-A35B | 4bit（Q4_K_M） | 281GB | あと273GB |
| Kimi K2.6 | 2bit（IQ2_M） | 329GB | あと322GB |
| GLM-5.3 | 4bit（IQ4_XS） | 352GB | あと345GB |
| RakutenAI-3.0 671B-A37B | 4bit（Q4_K_M） | 390GB | あと382GB |
| Mistral Large 3 675B | 4bit（Q4_K_M） | 392GB | あと384GB |
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VRAM8GB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 |
|---|---|---|---|---|
| Qwen3 14B | 10GB（あと2.9GB足りない） | 2bit（Q2_K） | 7.3GB | 約51 tok/s推定 |
| DeepSeek-R1 Distill Qwen 14B | 11GB（あと3.1GB足りない） | 2bit（IQ2_M） | 7.1GB | 約53 tok/s推定 |
| DeepSeek-R1 Distill Qwen 14B Japanese | 11GB（あと3.1GB足りない） | 2bit（IQ2_M） | 7.1GB | 約53 tok/s推定 |
| Qwen2.5-Coder 14B | 11GB（あと3.1GB足りない） | 2bit（IQ2_M） | 7.1GB | 約53 tok/s推定 |
| Qwen2.5 14B | 11GB（あと3.1GB足りない） | 2bit（IQ2_M） | 7.1GB | 約53 tok/s推定 |
| Shisa V2.1 unphi4 14B | 11GB（あと3.1GB足りない） | 2bit（Q2_K） | 7.4GB | 約50 tok/s推定 |
| Phi-4 14B | 11GB（あと3.3GB足りない） | 2bit（Q2_K） | 7.4GB | 約51 tok/s推定 |
| Ministral 3 14B | 9.7GB（あと2.1GB足りない） | 2bit（Q2_K） | 6.8GB | 約55 tok/s推定 |
| Nemotron Nano 12B v2 | 7.9GB（あと0.4GB足りない） | 4bit（IQ4_XS） | 7.2GB | 約47 tok/s推定 |
| Mistral Nemo Japanese 12B | 8.9GB（あと1.4GB足りない） | 3bit（IQ3_M） | 7.2GB | 約51 tok/s推定 |
| Mistral Nemo 12B | 8.9GB（あと1.4GB足りない） | 3bit（IQ3_M） | 7.2GB | 約51 tok/s推定 |
| Gemma 4 12B | 7.8GB（あと0.3GB足りない） | 4bit（IQ4_XS） | 7.0GB | 約49 tok/s推定 |
同じVRAM8GBの機種の中での位置
当サイトにはVRAM8GBの機種が20件あります。帯域幅は448GB/sで20機種中10番目。最速のGeForce RTX 3070 Ti（608GB/s）の約74%、最も遅いGeForce RTX 3050 8GB（224GB/s）の約2.0倍です。この機種のVRAMに収まるのは99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（73%）を当てています。実機はこれより上下します。
この機種と結果が同じになる機種: GeForce RTX 3060 Ti / GeForce RTX 3070 / GeForce RTX 5060 / GeForce RTX 5060 Ti 8GB / GeForce RTX 2060 SUPER / GeForce RTX 2070 / GeForce RTX 2070 SUPER / GeForce RTX 3070 Laptop。VRAM8GBと帯域幅448GB/sが同じなので、動くモデルの一覧も推定速度もこのページと同じ値になります。
数値が同じ機種を分けるのは、発売時期と、いま手に入る価格だけです。この9機種は2018年から2025年まで7年の幅があり、GeForce RTX 2080は最も古い機種にあたります（2018年）。8年前の機種です。動くモデルも推定速度も新しい機種と変わらないので、中古で十分に安いなら選ぶ理由があります。ただしツールの対応が打ち切られるとしたら、この世代からです。長く使う前提なら、差額を見て新しいほうに寄せるほうが安全でしょう。
同じ数字の機種と、実際は何が違うか
同じ8GB・448GB/sの中では、RTX 2070と並んで最も古い2018年の世代です。2070との違いは演算ユニットの数で、こちらのほうが多い。ゲームや画像生成では差が出ますが、ローカルLLMのトークン生成は帯域幅が上限を決めるため、当サイトの推定では同じ値になります。
この世代で注意したいのは、8GBという容量がすでに窮屈だという点です。発売当時は上位の位置づけでしたが、いま動かしたいモデルの大きさに対しては入門機と同じ土俵に立ちます。上位カードだったから大丈夫、という判断がいちばん外れやすい機種です。
この機種を実際に使うなら
発売当時の上位カードという記憶があると、8GBという数字を軽く見てしまいがちです。実際にはモデルを読み込んだ時点で残りが1〜2GBという状態になり、コンテキストを伸ばす余地がほとんどありません。運用としては、8Bクラスを4bitで固定し、それ以上を望まない割り切りが要ります。
手元にあるなら、まず何が動くかを確かめてから買い替えを考える順番が無駄になりません。買い替えの判断材料は演算性能ではなく容量なので、次に狙うのは16GB以上。ここを飛ばして同じ8GBの新しい世代に乗り換えても、動かせるモデルは1本も増えません。
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5番目です。一段上のGeForce RTX 2080 Ti（VRAM11GB）にすると、4bit以上で動くモデルが13本増えます。
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（8GB） |
|---|---|---|
| Stable Diffusion / SDXL | VRAM 12GB | 動かない あと4GB |
| FLUX / 高品質画像生成 | VRAM 16GB | 動かない あと8GB |
| 動画生成AI（Wan / Hunyuan / LTX） | VRAM 24GB | 動かない あと16GB |
| 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16GB |
| ローカルLLM（70B〜120B MoE） | VRAM 40GB | 動かない あと32GB |
| 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 10GB | 10GB | 760 GB/s | 111 |
| GeForce RTX 3070 Ti | 8GB | 608 GB/s | 101 |
| GeForce RTX 2080 SUPER | 8GB | 496 GB/s | 101 |
| GeForce RTX 3060 Ti | 8GB | 448 GB/s | 101 |
| GeForce RTX 3070 | 8GB | 448 GB/s | 101 |
| GeForce RTX 5060 | 8GB | 448 GB/s | 101 |
| GeForce RTX 5060 Ti 8GB | 8GB | 448 GB/s | 101 |
| GeForce RTX 2060 SUPER | 8GB | 448 GB/s | 101 |
Gemma 3 12B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（73%）で推定しています。
よくある質問
GeForce RTX 2080でローカルLLMは動く？
動きます。VRAM8GB（実効約7.5GB）に、収録204モデル中99本が収まります。日本語チャットならGemma 4 12B（4bit（IQ4_XS））が推定約49 tok/sです。
GeForce RTX 2080で動かないモデルは？
Gemma 3 12Bは4bitで約8.3GB必要で、VRAMがあと約0.8GB足りません。