GeForce RTX 3050 Laptop で動くローカルLLM一覧（2026年10月）
45快適（20 tok/s以上）
0実用（8〜20 tok/s）
113メモリに一部を逃がせば動く
46動かない
編集部の見立て
VRAM 4GBで扱えるのは204本中35本、どれも4B前後の小型モデルです。最大級はGemma 4 E2BをIQ4_XSに落とした形で、必要3.5GB・推定48.4tok/s。4bitで量子化すると3.6GBになり、あと0.1GBはみ出します。
Sarashina2.2 3Bもあと0.2GBで届きません。7B級はまず無理。ChatGPTやClaudeをブラウザで使うぶんには今のノートで足りますが、ローカルLLMを仕事で回す計画は、このGPUを前提に立てないほうが確実です。
まず試すなら: Gemma 4 E2B（4bit（IQ4_XS）・必要3.5GB・約48 tok/s推定）。最小クラス。古いノートや常時稼働の軽い用途に
足りないのは: Qwen3 8Bを動かすにはVRAMがあと約3.0GB必要（必要6.5GB / 実効3.5GB）。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 8Bが動く機種に買い替えるなら
- ぴったりGPUノート（RTX 5070 Laptop 8GB・メモリ32GB）目安 20〜28万円
- 余裕を持つならGPUノート（RTX 5070 Ti Laptop 12GB・メモリ32GB）目安 27〜36万円
- 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45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480 tok/s推定 |
| Qwen2.5 0.5B | 8bit（Q8_0） | 1.1GB | 約250 tok/s推定 |
| Qwen3.5 0.8B | 8bit（Q8_0） | 1.4GB | 約170 tok/s推定 |
| LFM2.5 8B-A1B | 2bit（IQ2_M） | 3.2GB | 約160 tok/s推定 |
| Ling 3.0 tiny | 2bit（Q2_K） | 3.5GB | 約160 tok/s推定 |
| Gemma 3 1B | 8bit（Q8_0） | 1.6GB | 約140 tok/s推定 |
| Sarashina2.2 0.5B | 8bit（Q8_0） | 1.8GB | 約130 tok/s推定 |
| Qwen3 0.6B | 8bit（Q8_0） | 2.0GB | 約130 tok/s推定 |
| LFM2.5 1.2B JP | 8bit（Q8_0） | 1.8GB | 約110 tok/s推定 |
| Llama 3.2 1B | 8bit（Q8_0） | 2.0GB | 約100 tok/s推定 |
| EXAONE 4.0 1.2B | 8bit（Q8_0） | 2.3GB | 約91 tok/s推定 |
| TinySwallow 1.5B | 8bit（Q8_0） | 2.3GB | 約84 tok/s推定 |
| RakutenAI-2.0 mini | 8bit（Q8_0） | 2.4GB | 約81 tok/s推定 |
| Sarashina2.2 1B | 8bit（Q8_0） | 2.6GB | 約80 tok/s推定 |
| Qwen2.5 1.5B | 8bit（Q8_0） | 2.5GB | 約73 tok/s推定 |
| Qwen3.5 2B | 8bit（Q8_0） | 2.6GB | 約69 tok/s推定 |
| Qwen3-VL 4B | 2bit（Q2_K） | 3.2GB | 約65 tok/s推定 |
| Qwen3 4B | 2bit（Q2_K） | 3.2GB | 約65 tok/s推定 |
| Qwen3-VL 2B | 8bit（Q8_0） | 3.1GB | 約64 tok/s推定 |
| Qwen3 1.7B | 8bit（Q8_0） | 3.1GB | 約64 tok/s推定 |
| LLM-jp-3.1 1.8B | 6bit（Q6_K） | 3.5GB | 約63 tok/s推定 |
| Sarashina2.2 3B | 3bit（Q3_K_M） | 3.4GB | 約62 tok/s推定 |
| Gemma 2 Baku 2B | 6bit（Q6_K） | 3.2GB | 約60 tok/s推定 |
| Llama 3.2 3B | 4bit（Q4_K_M） | 3.3GB | 約59 tok/s推定 |
| Phi-4-mini 3.8B | 3bit（IQ3_M） | 3.4GB | 約58 tok/s推定 |
| Ministral 3 3B | 4bit（Q4_K_M） | 3.4GB | 約57 tok/s推定 |
| Nanbeige4.2 3B | 3bit（Q3_K_M） | 3.3GB | 約57 tok/s推定 |
| Granite 4.2 3B | 4bit（Q4_K_M） | 3.4GB | 約56 tok/s推定 |
| Granite 4.0 H-Tiny | 2bit（Q2_K） | 3.1GB | 約55 tok/s推定 |
| AREX-Turbo 4B | 4bit（IQ4_XS） | 3.2GB | 約55 tok/s推定 |
| Fara1.5 4B | 4bit（IQ4_XS） | 3.2GB | 約55 tok/s推定 |
| Qwen2.5-VL 3B | 6bit（Q6_K） | 3.2GB | 約55 tok/s推定 |
| Qwen2.5-Coder 3B | 6bit（Q6_K） | 3.2GB | 約55 tok/s推定 |
| Qwen2.5 3B | 6bit（Q6_K） | 3.2GB | 約55 tok/s推定 |
| AFM-4.5B | 3bit（Q3_K_M） | 3.4GB | 約55 tok/s推定 |
| SmolLM3 3B | 6bit（Q6_K） | 3.5GB | 約52 tok/s推定 |
| MiniCPM5 2B | 8bit（Q8_0） | 3.4GB | 約52 tok/s推定 |
| Qwen3.5 4B | 4bit（Q4_K_M） | 3.4GB | 約51 tok/s推定 |
| Falcon-H1R 7B | 2bit（IQ2_M） | 3.5GB | 約51 tok/s推定 |
| LFM2.5 2.6B | 8bit（Q8_0） | 3.4GB | 約50 tok/s推定 |
| LFM2.5-VL 3B | 8bit（Q8_0） | 3.4GB | 約50 tok/s推定 |
| Nemotron 3 Nano 4B | 4bit（Q4_K_M） | 3.4GB | 約50 tok/s推定 |
| Gemma 3n E2B | 4bit（IQ4_XS） | 3.4GB | 約50 tok/s推定 |
| Gemma 3 4B | 5bit（Q5_K_M） | 3.5GB | 約50 tok/s推定 |
| Gemma 4 E2B | 4bit（IQ4_XS） | 3.5GB | 約48 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2.7 tok/s推定 |
| Holo4 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約14 tok/s推定 |
| MiMo-V2.6-Distill-Qwen-9B | 4bit（Q4_K_M） | 6.3GB | 実用CPUオフロード | 約11 tok/s推定 |
| Nex-N2.5-mini | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約11 tok/s推定 |
| BigBang v1 35B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約12 tok/s推定 |
| Granite 4.2 30B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約2.4 tok/s推定 |
| Granite 4.2 8B | 4bit（Q4_K_M） | 7.1GB | 実用CPUオフロード | 約10 tok/s推定 |
| LLM-jp-4 33B thinking | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.1 tok/s推定 |
| Muse-Glimmer 30B | 2bit（IQ2_M） | 12GB | 遅いCPUオフロード | 約4.1 tok/s推定 |
| Ornith 1.5 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約14 tok/s推定 |
| Ornith 1.5 9B | 4bit（Q4_K_M） | 6.4GB | 実用CPUオフロード | 約11 tok/s推定 |
| Qwen3.8 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約2.8 tok/s推定 |
| Thomson 1.0 Small 35B-A3B | 4bit（Q4_K_M） | 21GB | 実用CPUオフロード | 約12 tok/s推定 |
| UI-Mate 27B | 4bit（Q4_K_M） | 18GB | 遅いCPUオフロード | 約2.6 tok/s推定 |
| UI-Mate 9B | 4bit（Q4_K_M） | 6.4GB | 実用CPUオフロード | 約11 tok/s推定 |
| UI-Venus-2 9B | 4bit（Q4_K_M） | 6.4GB | 実用CPUオフロード | 約11 tok/s推定 |
| Fara1.5 27B | 4bit（Q4_K_M） | 18GB | 遅いCPUオフロード | 約2.6 tok/s推定 |
| Fara1.5 9B | 4bit（Q4_K_M） | 6.4GB | 実用CPUオフロード | 約11 tok/s推定 |
| Gemma 4 12B | 4bit（Q4_K_M） | 7.8GB | 実用CPUオフロード | 約8.1 tok/s推定 |
| Gemma 4 26B-A4B | 4bit（Q4_K_M） | 17GB | 実用CPUオフロード | 約9.9 tok/s推定 |
| Gemma 4 31B | 4bit（Q4_K_M） | 19GB | 遅いCPUオフロード | 約2.4 tok/s推定 |
| Gemma 4 E4B | 4bit（Q4_K_M） | 5.5GB | 実用CPUオフロード | 約15 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14 tok/s推定 |
| Laguna XS 2.1 33B-A3B | 4bit（Q4_K_M） | 21GB | 実用CPUオフロード | 約14 tok/s推定 |
| Ornith 1.0 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約14 tok/s推定 |
| Ornith 1.0 9B | 4bit（Q4_K_M） | 6.2GB | 実用CPUオフロード | 約12 tok/s推定 |
| XYZ-Aquila mini 35B-A3B | 4bit（Q4_K_M） | 21GB | 実用CPUオフロード | 約12 tok/s推定 |
| North Mini Code 1.0 | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約13 tok/s推定 |
| Qwen-AgentWorld 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約14 tok/s推定 |
| Nemotron 3 Nano Omni 30B-A3B | 4bit（Q4_K_M） | 23GB | 実用CPUオフロード | 約12 tok/s推定 |
| Qwen3.6 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約2.8 tok/s推定 |
| Qwen3.6 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約14 tok/s推定 |
| LLM-jp-4 32B-A3B thinking | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約12 tok/s推定 |
| LLM-jp-4 8B thinking | 4bit（Q4_K_M） | 6.6GB | 実用CPUオフロード | 約11 tok/s推定 |
| Qwen3.5 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約2.8 tok/s推定 |
| Qwen3.5 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約14 tok/s推定 |
| Qwen3.5 9B | 4bit（Q4_K_M） | 6.2GB | 実用CPUオフロード | 約12 tok/s推定 |
| ABEJA Qwen3 14B Agentic | 4bit（Q4_K_M） | 10GB | 遅いCPUオフロード | 約5.5 tok/s推定 |
| CAT-Translate 7B | 4bit（Q4_K_M） | 5.8GB | 実用CPUオフロード | 約14 tok/s推定 |
| GPT-OSS-Swallow 20B | 4bit（Q4_K_M） | 16GB | 実用CPUオフロード | 約10 tok/s推定 |
| Nemotron-Nano 9B v2 Japanese | 4bit（Q4_K_M） | 6.9GB | 実用CPUオフロード | 約9.7 tok/s推定 |
| Qwen3-Swallow 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約12 tok/s推定 |
| GLM-4.7-Flash 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約12 tok/s推定 |
| Qwen3-Swallow 8B | 4bit（Q4_K_M） | 6.5GB | 実用CPUオフロード | 約12 tok/s推定 |
| Devstral Small 2 24B | 4bit（Q4_K_M） | 16GB | 遅いCPUオフロード | 約3.2 tok/s推定 |
| GLM-4.6V-Flash 9B | 4bit（Q4_K_M） | 6.7GB | 実用CPUオフロード | 約10 tok/s推定 |
| Ministral 3 14B | 4bit（Q4_K_M） | 9.7GB | 遅いCPUオフロード | 約6.1 tok/s推定 |
| Ministral 3 8B | 4bit（Q4_K_M） | 6.5GB | 実用CPUオフロード | 約11 tok/s推定 |
| Olmo 3.1 32B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約2.3 tok/s推定 |
| Shisa V2.1 Qwen3 8B | 4bit（Q4_K_M） | 6.5GB | 実用CPUオフロード | 約12 tok/s推定 |
| Shisa V2.1 unphi4 14B | 4bit（Q4_K_M） | 11GB | 遅いCPUオフロード | 約5.5 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5.0 tok/s推定 |
| Qwen3-VL 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約12 tok/s推定 |
| Qwen3-VL 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約2.2 tok/s推定 |
| Qwen3-VL 8B | 4bit（Q4_K_M） | 6.5GB | 実用CPUオフロード | 約12 tok/s推定 |
| Apertus 8B | 4bit（Q4_K_M） | 6.3GB | 実用CPUオフロード | 約12 tok/s推定 |
| ERNIE 4.5 21B-A3B Thinking | 4bit（Q4_K_M） | 14GB | 実用CPUオフロード | 約14 tok/s推定 |
| Magistral Small 2509 | 4bit（Q4_K_M） | 16GB | 遅いCPUオフロード | 約3.2 tok/s推定 |
| EXAONE 4.0.1 32B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約2.3 tok/s推定 |
| gpt-oss-20b | 4bit（MXFP4） | 12GB | 実用CPUオフロード | 約14 tok/s推定 |
| Hunyuan 7B | 4bit（Q4_K_M） | 5.9GB | 実用CPUオフロード | 約14 tok/s推定 |
| Nemotron Nano 12B v2 | 4bit（Q4_K_M） | 7.9GB | 遅いCPUオフロード | 約7.8 tok/s推定 |
| Seed-OSS 36B | 4bit（Q4_K_M） | 23GB | 動かないCPUオフロード | 約2.0 tok/s推定 |
| Devstral Small 2507 | 4bit（Q4_K_M） | 16GB | 遅いCPUオフロード | 約3.2 tok/s推定 |
| Qwen3 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約12 tok/s推定 |
| Qwen3-Coder 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約12 tok/s推定 |
| Gemma 3n E4B | 4bit（Q4_K_M） | 5.0GB | 実用CPUオフロード | 約18 tok/s推定 |
| Llama 3.1 Swallow 8B | 4bit（Q4_K_M） | 6.2GB | 実用CPUオフロード | 約13 tok/s推定 |
| Mistral Small 3.2 24B | 4bit（Q4_K_M） | 16GB | 遅いCPUオフロード | 約3.2 tok/s推定 |
| ABEJA Qwen2.5 32B Japanese | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.2 tok/s推定 |
| DeepSeek-R1-0528 Qwen3 8B | 4bit（Q4_K_M） | 6.5GB | 実用CPUオフロード | 約12 tok/s推定 |
| ELYZA-Shortcut-1.0 Qwen 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.2 tok/s推定 |
| LLM-jp-3.1 13B | 4bit（Q4_K_M） | 15GB | 遅いCPUオフロード | 約4.2 tok/s推定 |
| PLaMo 2 Translate | 3bit（Q3_K_M） | 5.2GB | 実用CPUオフロード | 約17 tok/s推定 |
| ELYZA-Shortcut-1.0 Qwen 7B | 4bit（Q4_K_M） | 5.4GB | 実用CPUオフロード | 約15 tok/s推定 |
| ELYZA-Thinking-1.0 Qwen 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.2 tok/s推定 |
| Gemma-2-Llama-Swallow 27B | 4bit（Q4_K_M） | 19GB | 遅いCPUオフロード | 約2.6 tok/s推定 |
| Gemma-2-Llama-Swallow 9B | 4bit（Q4_K_M） | 8.0GB | 実用CPUオフロード | 約8.7 tok/s推定 |
| Qwen3 14B | 4bit（Q4_K_M） | 10GB | 遅いCPUオフロード | 約5.5 tok/s推定 |
| Qwen3 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約2.2 tok/s推定 |
| Qwen3 8B | 4bit（Q4_K_M） | 6.5GB | 実用CPUオフロード | 約12 tok/s推定 |
| ABEJA Qwen2.5 7B Japanese | 4bit（Q4_K_M） | 5.4GB | 実用CPUオフロード | 約15 tok/s推定 |
| Gemma 3 12B | 4bit（Q4_K_M） | 8.3GB | 遅いCPUオフロード | 約7.5 tok/s推定 |
| Gemma 3 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約2.8 tok/s推定 |
| Qwen2.5-VL 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.2 tok/s推定 |
| DeepSeek-R1 Distill Llama 8B | 4bit（Q4_K_M） | 6.2GB | 実用CPUオフロード | 約13 tok/s推定 |
| DeepSeek-R1 Distill Qwen 14B | 4bit（Q4_K_M） | 11GB | 遅いCPUオフロード | 約5.4 tok/s推定 |
| DeepSeek-R1 Distill Qwen 14B Japanese | 4bit（Q4_K_M） | 11GB | 遅いCPUオフロード | 約5.4 tok/s推定 |
| DeepSeek-R1 Distill Qwen 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.2 tok/s推定 |
| DeepSeek-R1 Distill Qwen 32B Japanese | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.2 tok/s推定 |
| DeepSeek-R1 Distill Qwen 7B | 4bit（Q4_K_M） | 5.4GB | 実用CPUオフロード | 約15 tok/s推定 |
| KARAKURI LM 32B Thinking | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.2 tok/s推定 |
| Qwen2.5-VL 7B | 4bit（Q4_K_M） | 5.4GB | 実用CPUオフロード | 約15 tok/s推定 |
| Command R7B | 4bit（Q4_K_M） | 6.0GB | 実用CPUオフロード | 約13 tok/s推定 |
| Phi-4 14B | 4bit（Q4_K_M） | 11GB | 遅いCPUオフロード | 約5.3 tok/s推定 |
| Qwen2.5-Coder 14B | 4bit（Q4_K_M） | 11GB | 遅いCPUオフロード | 約5.4 tok/s推定 |
| Qwen2.5-Coder 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.2 tok/s推定 |
| Aya Expanse 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約2.2 tok/s推定 |
| Aya Expanse 8B | 4bit（Q4_K_M） | 6.3GB | 実用CPUオフロード | 約12 tok/s推定 |
| Qwen2.5 14B | 4bit（Q4_K_M） | 11GB | 遅いCPUオフロード | 約5.4 tok/s推定 |
| Qwen2.5 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.2 tok/s推定 |
| Qwen2.5 7B | 4bit（Q4_K_M） | 5.4GB | 実用CPUオフロード | 約15 tok/s推定 |
| Qwen2.5-Coder 7B | 4bit（Q4_K_M） | 5.4GB | 実用CPUオフロード | 約15 tok/s推定 |
| Mistral Nemo Japanese 12B | 4bit（Q4_K_M） | 8.9GB | 遅いCPUオフロード | 約6.9 tok/s推定 |
| Phi-3.5-mini 3.8B | 4bit（Q4_K_M） | 5.8GB | 実用CPUオフロード | 約18 tok/s推定 |
| Tanuki-8B | 4bit（Q4_K_M） | 5.9GB | 実用CPUオフロード | 約14 tok/s推定 |
| Llama 3 Youko 8B | 4bit（Q4_K_M） | 6.2GB | 実用CPUオフロード | 約13 tok/s推定 |
| Llama 3.1 8B | 4bit（Q4_K_M） | 6.2GB | 実用CPUオフロード | 約13 tok/s推定 |
| Mistral Nemo 12B | 4bit（Q4_K_M） | 8.9GB | 遅いCPUオフロード | 約6.9 tok/s推定 |
| Gemma 2 9B | 4bit（Q4_K_M） | 8.0GB | 実用CPUオフロード | 約8.7 tok/s推定 |
| Llama-3-ELYZA-JP-8B | 4bit（Q4_K_M） | 6.2GB | 実用CPUオフロード | 約13 tok/s推定 |
| Codestral 22B | 4bit（Q4_K_M） | 15GB | 遅いCPUオフロード | 約3.4 tok/s推定 |
| Mistral 7B v0.3 | 4bit（Q4_K_M） | 5.7GB | 実用CPUオフロード | 約15 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 |
|---|---|---|---|
| Mixtral 8x7B | 4bit（Q4_K_M） | 29GB | あと25GB |
| RakutenAI-2.0 8x7B | 4bit（Q4_K_M） | 29GB | あと25GB |
| Tanuki-8x8B | 4bit（Q4_K_M） | 29GB | あと25GB |
| Kimi Linear 48B-A3B | 4bit（Q4_K_M） | 29GB | あと26GB |
| Nemotron 3.5 Lightning 30B-A3B | 8bit（Q8_0） | 33GB | あと29GB |
| Shisa V2.1 Llama 3.3 70B | 4bit（Q4_K_M） | 44GB | あと40GB |
| Llama 3.3 Swallow 70B | 4bit（Q4_K_M） | 44GB | あと40GB |
| DeepSeek-R1 Distill Llama 70B | 4bit（Q4_K_M） | 44GB | あと40GB |
| Llama 3.3 70B | 4bit（Q4_K_M） | 44GB | あと40GB |
| Llama 3 Youko 70B | 4bit（Q4_K_M） | 44GB | あと40GB |
| Llama 3.1 70B | 4bit（Q4_K_M） | 44GB | あと40GB |
| Llama 3.1 70B Japanese | 4bit（Q4_K_M） | 44GB | あと40GB |
| Qwen3-Next 80B-A3B | 4bit（Q4_K_M） | 47GB | あと44GB |
| Qwen3-Coder-Next 80B-A3B | 4bit（Q4_K_M） | 47GB | あと44GB |
| Qwen2.5 72B | 4bit（Q4_K_M） | 48GB | あと45GB |
| Hunyuan-A13B 80B | 4bit（Q4_K_M） | 49GB | あと45GB |
| Stockmark-2 100B | 4bit（Q4_K_M） | 58GB | あと55GB |
| gpt-oss-120b | 4bit（MXFP4） | 62GB | あと58GB |
| Llama 4 Scout 17B-16E | 4bit（Q4_K_M） | 65GB | あと61GB |
| Command A 111B | 4bit（Q4_K_M） | 66GB | あと63GB |
| Laguna S 2.1 118B-A8B | 4bit（Q4_K_M） | 71GB | あと68GB |
| Mistral Small 4 119B | 4bit（Q4_K_M） | 72GB | あと68GB |
| GLM-4.5-Air 106B-A12B | 4bit（Q4_K_M） | 72GB | あと68GB |
| Qwen3.5 122B-A10B | 4bit（Q4_K_M） | 74GB | あと71GB |
| Devstral 2 123B | 4bit（Q4_K_M） | 75GB | あと72GB |
| Ling 3.0 flash | 4bit（Q4_K_M） | 75GB | あと72GB |
| Mixtral 8x22B | 4bit（Q4_K_M） | 84GB | あと81GB |
| GPT-OSS-Swallow 120B | 4bit（Q4_K_M） | 85GB | あと82GB |
| Qwen3.8-Flash-Next | 4bit（IQ4_XS） | 91GB | あと87GB |
| Step-3.7-Flash | 4bit（Q4_K_M） | 118GB | あと115GB |
| DeepSeek-V4-Flash | 4bit（IQ4_XS） | 132GB | あと129GB |
| MiniMax-M2.5 229B-A10B | 4bit（Q4_K_M） | 135GB | あと132GB |
| Qwen3 235B-A22B | 4bit（Q4_K_M） | 138GB | あと135GB |
| GLM-5.3-Flash | 4bit（IQ4_XS） | 151GB | あと148GB |
| Inkling Small 264B | 4bit（Q4_K_M） | 157GB | あと153GB |
| MiMo-V2.6-Flash-RL | 4bit（MXFP4） | 161GB | あと158GB |
| ERNIE 4.5 300B-A47B | 4bit（Q4_K_M） | 175GB | あと172GB |
| Hy3 295B-A21B | 4bit（Q4_K_M） | 178GB | あと174GB |
| GLM-4.5 355B-A32B | 4bit（Q4_K_M） | 211GB | あと208GB |
| Qwen3.5 397B-A17B | 4bit（Q4_K_M） | 235GB | あと231GB |
| Llama 4 Maverick 17B-128E | 4bit（Q4_K_M） | 235GB | あと231GB |
| Qwen3-Coder 480B-A35B | 4bit（Q4_K_M） | 281GB | あと277GB |
| Kimi K2.6 | 2bit（IQ2_M） | 329GB | あと326GB |
| GLM-5.3 | 4bit（IQ4_XS） | 352GB | あと349GB |
| RakutenAI-3.0 671B-A37B | 4bit（Q4_K_M） | 390GB | あと386GB |
| Mistral Large 3 675B | 4bit（Q4_K_M） | 392GB | あと388GB |
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VRAM4GB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 |
|---|---|---|---|---|
| LFM2.5 8B-A1B | 5.7GB（あと2.2GB足りない） | 2bit（IQ2_M） | 3.2GB | 約160 tok/s推定 |
| Ling 3.0 tiny | 5.3GB（あと1.8GB足りない） | 2bit（Q2_K） | 3.5GB | 約160 tok/s推定 |
| Falcon-H1R 7B | 5.3GB（あと1.8GB足りない） | 2bit（IQ2_M） | 3.5GB | 約51 tok/s推定 |
| Granite 4.0 H-Tiny | 4.6GB（あと1.1GB足りない） | 2bit（Q2_K） | 3.1GB | 約55 tok/s推定 |
| Gemma 4 E2B | 3.6GB（あと0.1GB足りない） | 4bit（IQ4_XS） | 3.5GB | 約48 tok/s推定 |
| AFM-4.5B | 3.9GB（あと0.4GB足りない） | 3bit（Q3_K_M） | 3.4GB | 約55 tok/s推定 |
| Gemma 3n E2B | 3.5GB（あと0.0GB足りない） | 4bit（IQ4_XS） | 3.4GB | 約50 tok/s推定 |
| AREX-Turbo 4B | 3.5GB（あと0.0GB足りない） | 4bit（IQ4_XS） | 3.2GB | 約55 tok/s推定 |
| Fara1.5 4B | 3.5GB（あと0.0GB足りない） | 4bit（IQ4_XS） | 3.2GB | 約55 tok/s推定 |
| Nanbeige4.2 3B | 3.8GB（あと0.3GB足りない） | 3bit（Q3_K_M） | 3.3GB | 約57 tok/s推定 |
| Qwen3-VL 4B | 4.0GB（あと0.5GB足りない） | 2bit（Q2_K） | 3.2GB | 約65 tok/s推定 |
| Qwen3 4B | 4.0GB（あと0.5GB足りない） | 2bit（Q2_K） | 3.2GB | 約65 tok/s推定 |
この機種を実際に使うなら
日常的に回せるのはQwen3.5 4BのQ4_K_M（必要3.4GB・推定51.4tok/s）と、Gemma 3 4BのQ5_K_M（推定49.6tok/s）の2本が中心です。どちらも実効3.5GBに対して余白は0.1GB以下。コンテキストを8,000トークンより伸ばすとメインメモリへあふれ、速度が大きく落ちます。
当サイトのDBでは、このVRAMに収まるコード向けモデルは1本もありません。コーディングはクラウドのAIに任せ、手元のGPUは短い要約や翻訳の下書きに回す分担が現実的。速度は同系統機種からの推定で、この機種のベンチマークによる補正はまだありません。
買うときの見どころ
一段上のRTX 3060 Laptopは6GBで、4bit以上で動く本数が23本増えて58本になります。7B級の日本語モデルやQwen2.5-Coder 7Bが入ってくるのは、この容量から。
同じ4GBの比較相手はDBに見当たりません。中古でRTX 3050 Laptop搭載機が安く出ていても、AI用途で選ぶ理由は薄いと見ています。ローカルLLMを目的に買うなら、8GBのRTX 4060 Laptop（87本）を最低限の目安にするほうが2〜3年後に困りません。商品ページでは型番と一緒にVRAM容量の表記も確かめましょう。
この機種で足りるAI用途
| 用途 | 必要な容量 | この機種（4GB） |
|---|---|---|
| Stable Diffusion / SDXL | VRAM 12GB | 動かない あと8GB |
| FLUX / 高品質画像生成 | VRAM 16GB | 動かない あと12GB |
| 動画生成AI（Wan / Hunyuan / LTX） | VRAM 24GB | 動かない あと20GB |
| ローカルLLM（8Bクラス） | VRAM 8GB | 動かない あと4GB |
| ローカルLLM（27〜32Bクラス） | VRAM 24GB | 動かない あと20GB |
| ローカルLLM（70B〜120B MoE） | VRAM 40GB | 動かない あと36GB |
| 文字起こし（Whisper） | VRAM 6GB | 動かない あと2GB |
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 3060 Laptop | 6GB | 336 GB/s | 86 |
| GeForce RTX 4050 Laptop | 6GB | 192 GB/s | 86 |
Qwen3 8B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。
ぴったりノートPC
GPUノート（RTX 5070 Laptop 8GB・メモリ32GB）
持ち歩いて画像生成の入門や8BクラスのローカルLLMを回す人
RTX 5060/5070 Laptop（VRAM 8GB）・メモリ32GB・NVMe 1TB ・ 目安 20〜28万円
要件を満たす中で最も手頃
余裕を持つならノートPC
GPUノート（RTX 5070 Ti Laptop 12GB・メモリ32GB）
ノートでSDXLの画像生成や14BクラスのローカルLLMを実用的な速さで動かしたい人
RTX 5070 Ti Laptop（VRAM 12GB）・メモリ32GB・NVMe 1TB ・ 目安 27〜36万円
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（77%）で推定しています。
よくある質問
GeForce RTX 3050 LaptopでローカルLLMは動く？
動きます。VRAM4GB（実効約3.5GB）に、収録204モデル中45本が収まります。日本語チャットならGemma 4 E2B（4bit（IQ4_XS））が推定約48 tok/sです。
GeForce RTX 3050 Laptopで動かないモデルは？
Qwen3 8Bは4bitで約6.5GB必要で、VRAMがあと約3.0GB足りません。