GeForce RTX 3060 Laptop で動くローカルLLM一覧（2026年10月）
85快適（20 tok/s以上）
0実用（8〜20 tok/s）
73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
デスクトップのRTX 3060は12GBですが、ノート版は6GB。4bit以上で動く本数も100本対58本と、同じ名前で大きな開きがあります。この容量で届くのは7B級まで。ELYZA-Shortcut-1.0 Qwen 7BのQ4_K_Mが必要5.4GB・推定52.5tok/sで、日本語の下書きや要約なら待たされない速さです。
Gemma 4 E4Bは4bitだと実効5.5GBちょうど、CAT-Translate 7Bはあと0.3GB足りません。7B級を1本ずつ回す人の機種で、14B級は視野に入りません。
まず試すなら: Gemma 4 E4B（4bit（IQ4_XS）・必要5.3GB・約53 tok/s推定）。ノート・省メモリ向け設計。メモリ8〜16GBで動く
足りないのは: Qwen3 8Bを動かすにはVRAMがあと約0.9GB必要（必要6.5GB / 実効5.5GB）。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85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840 tok/s推定 |
| Qwen2.5 0.5B | 8bit（Q8_0） | 1.1GB | 約440 tok/s推定 |
| Qwen3.5 0.8B | 8bit（Q8_0） | 1.4GB | 約290 tok/s推定 |
| Gemma 3 1B | 8bit（Q8_0） | 1.6GB | 約240 tok/s推定 |
| Sarashina2.2 0.5B | 8bit（Q8_0） | 1.8GB | 約240 tok/s推定 |
| Qwen3 0.6B | 8bit（Q8_0） | 2.0GB | 約230 tok/s推定 |
| LFM2.5 1.2B JP | 8bit（Q8_0） | 1.8GB | 約200 tok/s推定 |
| LFM2.5 8B-A1B | 4bit（IQ4_XS） | 4.7GB | 約190 tok/s推定 |
| Ling 3.0 tiny | 4bit（Q4_K_M） | 5.3GB | 約180 tok/s推定 |
| Llama 3.2 1B | 8bit（Q8_0） | 2.0GB | 約180 tok/s推定 |
| EXAONE 4.0 1.2B | 8bit（Q8_0） | 2.3GB | 約160 tok/s推定 |
| TinySwallow 1.5B | 8bit（Q8_0） | 2.3GB | 約150 tok/s推定 |
| RakutenAI-2.0 mini | 8bit（Q8_0） | 2.4GB | 約140 tok/s推定 |
| Sarashina2.2 1B | 8bit（Q8_0） | 2.6GB | 約140 tok/s推定 |
| Qwen2.5 1.5B | 8bit（Q8_0） | 2.5GB | 約130 tok/s推定 |
| Qwen3.5 2B | 8bit（Q8_0） | 2.6GB | 約120 tok/s推定 |
| Qwen3-VL 2B | 8bit（Q8_0） | 3.1GB | 約110 tok/s推定 |
| Qwen3 1.7B | 8bit（Q8_0） | 3.1GB | 約110 tok/s推定 |
| LLM-jp-3.1 1.8B | 8bit（Q8_0） | 3.9GB | 約93 tok/s推定 |
| MiniCPM5 2B | 8bit（Q8_0） | 3.4GB | 約91 tok/s推定 |
| LFM2.5 2.6B | 8bit（Q8_0） | 3.4GB | 約88 tok/s推定 |
| LFM2.5-VL 3B | 8bit（Q8_0） | 3.4GB | 約88 tok/s推定 |
| Gemma 2 Baku 2B | 8bit（Q8_0） | 3.8GB | 約83 tok/s推定 |
| Qwen2.5-VL 3B | 8bit（Q8_0） | 3.9GB | 約75 tok/s推定 |
| Qwen2.5-Coder 3B | 8bit（Q8_0） | 3.9GB | 約75 tok/s推定 |
| Qwen2.5 3B | 8bit（Q8_0） | 3.9GB | 約75 tok/s推定 |
| SmolLM3 3B | 8bit（Q8_0） | 4.2GB | 約72 tok/s推定 |
| Phi-3.5-mini 3.8B | 4bit（IQ4_XS） | 5.5GB | 約70 tok/s推定 |
| Qwen3-VL 8B | 2bit（Q2_K） | 4.8GB | 約67 tok/s推定 |
| DeepSeek-R1-0528 Qwen3 8B | 2bit（Q2_K） | 4.8GB | 約67 tok/s推定 |
| Llama 3.2 3B | 8bit（Q8_0） | 4.7GB | 約66 tok/s推定 |
| Qwen3-VL 4B | 6bit（Q6_K） | 4.8GB | 約66 tok/s推定 |
| Qwen3 4B | 6bit（Q6_K） | 4.8GB | 約66 tok/s推定 |
| Ministral 3 8B | 2bit（Q2_K） | 4.8GB | 約66 tok/s推定 |
| Ministral 3 3B | 8bit（Q8_0） | 4.8GB | 約63 tok/s推定 |
| AFM-4.5B | 6bit（Q6_K） | 4.7GB | 約63 tok/s推定 |
| GLM-4.6V-Flash 9B | 2bit（Q2_K） | 4.7GB | 約62 tok/s推定 |
| Granite 4.2 3B | 8bit（Q8_0） | 4.9GB | 約61 tok/s推定 |
| Sarashina2.2 3B | 8bit（Q8_0） | 5.2GB | 約61 tok/s推定 |
| Granite 4.2 8B | 2bit（Q2_K） | 5.2GB | 約61 tok/s推定 |
| Gemma 3 4B | 8bit（Q8_0） | 4.7GB | 約60 tok/s推定 |
| Nemotron 3 Nano 4B | 8bit（Q8_0） | 4.7GB | 約60 tok/s推定 |
| Gemma 4 12B | 2bit（IQ2_M） | 5.0GB | 約58 tok/s推定 |
| Mistral 7B v0.3 | 4bit（IQ4_XS） | 5.3GB | 約58 tok/s推定 |
| Qwen3-Swallow 8B | 3bit（IQ3_M） | 5.4GB | 約57 tok/s推定 |
| Shisa V2.1 Qwen3 8B | 3bit（IQ3_M） | 5.4GB | 約57 tok/s推定 |
| Qwen3 8B | 3bit（IQ3_M） | 5.4GB | 約57 tok/s推定 |
| Aya Expanse 8B | 3bit（IQ3_M） | 5.3GB | 約57 tok/s推定 |
| Llama 3.1 Swallow 8B | 3bit（Q3_K_M） | 5.4GB | 約57 tok/s推定 |
| DeepSeek-R1 Distill Llama 8B | 3bit（Q3_K_M） | 5.4GB | 約57 tok/s推定 |
| Command R7B | 3bit（Q3_K_M） | 5.2GB | 約57 tok/s推定 |
| Llama 3 Youko 8B | 3bit（Q3_K_M） | 5.4GB | 約57 tok/s推定 |
| Llama 3.1 8B | 3bit（Q3_K_M） | 5.4GB | 約57 tok/s推定 |
| Qwen3.5 4B | 8bit（Q8_0） | 5.0GB | 約56 tok/s推定 |
| CAT-Translate 7B | 4bit（IQ4_XS） | 5.4GB | 約56 tok/s推定 |
| Phi-4-mini 3.8B | 8bit（Q8_0） | 5.4GB | 約56 tok/s推定 |
| AREX-Turbo 4B | 8bit（Q8_0） | 5.1GB | 約56 tok/s推定 |
| Fara1.5 4B | 8bit（Q8_0） | 5.1GB | 約56 tok/s推定 |
| Tanuki-8B | 4bit（IQ4_XS） | 5.4GB | 約56 tok/s推定 |
| LLM-jp-4 8B thinking | 3bit（IQ3_M） | 5.5GB | 約55 tok/s推定 |
| Hunyuan 7B | 4bit（IQ4_XS） | 5.5GB | 約55 tok/s推定 |
| Apertus 8B | 3bit（Q3_K_M） | 5.5GB | 約55 tok/s推定 |
| Gemma 3 12B | 2bit（IQ2_M） | 5.5GB | 約54 tok/s推定 |
| PLaMo 2 Translate | 3bit（Q3_K_M） | 5.2GB | 約54 tok/s推定 |
| Falcon-H1R 7B | 4bit（Q4_K_M） | 5.3GB | 約54 tok/s推定 |
| Nanbeige4.2 3B | 8bit（Q8_0） | 5.4GB | 約54 tok/s推定 |
| Nemotron Nano 12B v2 | 2bit（Q2_K） | 5.2GB | 約54 tok/s推定 |
| Qwen3.5 9B | 3bit（Q3_K_M） | 5.2GB | 約54 tok/s推定 |
| Ornith 1.0 9B | 3bit（Q3_K_M） | 5.3GB | 約54 tok/s推定 |
| Gemma 4 E4B | 4bit（IQ4_XS） | 5.3GB | 約53 tok/s推定 |
| Gemma 3n E2B | 8bit（Q8_0） | 5.2GB | 約53 tok/s推定 |
| ELYZA-Shortcut-1.0 Qwen 7B | 4bit（Q4_K_M） | 5.4GB | 約53 tok/s推定 |
| ABEJA Qwen2.5 7B Japanese | 4bit（Q4_K_M） | 5.4GB | 約53 tok/s推定 |
| DeepSeek-R1 Distill Qwen 7B | 4bit（Q4_K_M） | 5.4GB | 約53 tok/s推定 |
| Qwen2.5-VL 7B | 4bit（Q4_K_M） | 5.4GB | 約53 tok/s推定 |
| Qwen2.5 7B | 4bit（Q4_K_M） | 5.4GB | 約53 tok/s推定 |
| Qwen2.5-Coder 7B | 4bit（Q4_K_M） | 5.4GB | 約53 tok/s推定 |
| MiMo-V2.6-Distill-Qwen-9B | 3bit（IQ3_M） | 5.4GB | 約52 tok/s推定 |
| Granite 4.0 H-Tiny | 5bit（Q5_K_M） | 5.3GB | 約52 tok/s推定 |
| Ornith 1.5 9B | 3bit（Q3_K_M） | 5.5GB | 約51 tok/s推定 |
| UI-Mate 9B | 3bit（Q3_K_M） | 5.5GB | 約51 tok/s推定 |
| UI-Venus-2 9B | 3bit（Q3_K_M） | 5.5GB | 約51 tok/s推定 |
| Fara1.5 9B | 3bit（Q3_K_M） | 5.5GB | 約51 tok/s推定 |
| Gemma 3n E4B | 5bit（Q5_K_M） | 5.5GB | 約51 tok/s推定 |
| Gemma 4 E2B | 8bit（Q8_0） | 5.5GB | 約51 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3.1 tok/s推定 |
| Holo4 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約15 tok/s推定 |
| Nex-N2.5-mini | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約13 tok/s推定 |
| BigBang v1 35B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約13 tok/s推定 |
| Granite 4.2 30B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約2.8 tok/s推定 |
| LLM-jp-4 33B thinking | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.4 tok/s推定 |
| Muse-Glimmer 30B | 2bit（IQ2_M） | 12GB | 遅いCPUオフロード | 約5.2 tok/s推定 |
| Ornith 1.5 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約16 tok/s推定 |
| Qwen3.8 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約3.3 tok/s推定 |
| Thomson 1.0 Small 35B-A3B | 4bit（Q4_K_M） | 21GB | 実用CPUオフロード | 約14 tok/s推定 |
| UI-Mate 27B | 4bit（Q4_K_M） | 18GB | 遅いCPUオフロード | 約3.1 tok/s推定 |
| Fara1.5 27B | 4bit（Q4_K_M） | 18GB | 遅いCPUオフロード | 約3.1 tok/s推定 |
| Gemma 4 26B-A4B | 4bit（Q4_K_M） | 17GB | 実用CPUオフロード | 約12 tok/s推定 |
| Gemma 4 31B | 4bit（Q4_K_M） | 19GB | 遅いCPUオフロード | 約2.8 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16 tok/s推定 |
| Laguna XS 2.1 33B-A3B | 4bit（Q4_K_M） | 21GB | 実用CPUオフロード | 約15 tok/s推定 |
| Ornith 1.0 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約15 tok/s推定 |
| XYZ-Aquila mini 35B-A3B | 4bit（Q4_K_M） | 21GB | 実用CPUオフロード | 約14 tok/s推定 |
| North Mini Code 1.0 | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約15 tok/s推定 |
| Qwen-AgentWorld 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約15 tok/s推定 |
| Nemotron 3 Nano Omni 30B-A3B | 4bit（Q4_K_M） | 23GB | 実用CPUオフロード | 約13 tok/s推定 |
| Qwen3.6 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約3.2 tok/s推定 |
| Qwen3.6 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約15 tok/s推定 |
| LLM-jp-4 32B-A3B thinking | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約14 tok/s推定 |
| Qwen3.5 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約3.3 tok/s推定 |
| Qwen3.5 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約16 tok/s推定 |
| ABEJA Qwen3 14B Agentic | 4bit（Q4_K_M） | 10GB | 遅いCPUオフロード | 約7.5 tok/s推定 |
| GPT-OSS-Swallow 20B | 4bit（Q4_K_M） | 16GB | 実用CPUオフロード | 約12 tok/s推定 |
| Nemotron-Nano 9B v2 Japanese | 4bit（Q4_K_M） | 6.9GB | 実用CPUオフロード | 約19 tok/s推定 |
| Qwen3-Swallow 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約13 tok/s推定 |
| GLM-4.7-Flash 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約14 tok/s推定 |
| Devstral Small 2 24B | 4bit（Q4_K_M） | 16GB | 遅いCPUオフロード | 約3.8 tok/s推定 |
| Ministral 3 14B | 4bit（Q4_K_M） | 9.7GB | 実用CPUオフロード | 約8.7 tok/s推定 |
| Olmo 3.1 32B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約2.6 tok/s推定 |
| Shisa V2.1 unphi4 14B | 4bit（Q4_K_M） | 11GB | 遅いCPUオフロード | 約7.4 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5.7 tok/s推定 |
| Qwen3-VL 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約13 tok/s推定 |
| Qwen3-VL 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約2.5 tok/s推定 |
| ERNIE 4.5 21B-A3B Thinking | 4bit（Q4_K_M） | 14GB | 実用CPUオフロード | 約18 tok/s推定 |
| Magistral Small 2509 | 4bit（Q4_K_M） | 16GB | 遅いCPUオフロード | 約3.8 tok/s推定 |
| EXAONE 4.0.1 32B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約2.6 tok/s推定 |
| gpt-oss-20b | 4bit（MXFP4） | 12GB | 実用CPUオフロード | 約18 tok/s推定 |
| Seed-OSS 36B | 4bit（Q4_K_M） | 23GB | 遅いCPUオフロード | 約2.2 tok/s推定 |
| Devstral Small 2507 | 4bit（Q4_K_M） | 16GB | 遅いCPUオフロード | 約3.8 tok/s推定 |
| Qwen3 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約13 tok/s推定 |
| Qwen3-Coder 30B-A3B | 4bit（Q4_K_M） | 19GB | 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3.8 tok/s推定 |
| ABEJA Qwen2.5 32B Japanese | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.5 tok/s推定 |
| ELYZA-Shortcut-1.0 Qwen 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.5 tok/s推定 |
| LLM-jp-3.1 13B | 4bit（Q4_K_M） | 15GB | 遅いCPUオフロード | 約5.0 tok/s推定 |
| ELYZA-Thinking-1.0 Qwen 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.5 tok/s推定 |
| Gemma-2-Llama-Swallow 27B | 4bit（Q4_K_M） | 19GB | 遅いCPUオフロード | 約3.0 tok/s推定 |
| Gemma-2-Llama-Swallow 9B | 4bit（Q4_K_M） | 8.0GB | 実用CPUオフロード | 約14 tok/s推定 |
| Qwen3 14B | 4bit（Q4_K_M） | 10GB | 遅いCPUオフロード | 約7.5 tok/s推定 |
| Qwen3 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約2.5 tok/s推定 |
| Gemma 3 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約3.2 tok/s推定 |
| Qwen2.5-VL 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.5 tok/s推定 |
| DeepSeek-R1 Distill Qwen 14B | 4bit（Q4_K_M） | 11GB | 遅いCPUオフロード | 約7.3 tok/s推定 |
| DeepSeek-R1 Distill Qwen 14B Japanese | 4bit（Q4_K_M） | 11GB | 遅いCPUオフロード | 約7.3 tok/s推定 |
| DeepSeek-R1 Distill Qwen 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.5 tok/s推定 |
| DeepSeek-R1 Distill Qwen 32B Japanese | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.5 tok/s推定 |
| KARAKURI LM 32B Thinking | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.5 tok/s推定 |
| Phi-4 14B | 4bit（Q4_K_M） | 11GB | 遅いCPUオフロード | 約7.2 tok/s推定 |
| Qwen2.5-Coder 14B | 4bit（Q4_K_M） | 11GB | 遅いCPUオフロード | 約7.3 tok/s推定 |
| Qwen2.5-Coder 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.5 tok/s推定 |
| Aya Expanse 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約2.5 tok/s推定 |
| Qwen2.5 14B | 4bit（Q4_K_M） | 11GB | 遅いCPUオフロード | 約7.3 tok/s推定 |
| Qwen2.5 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.5 tok/s推定 |
| Mistral Nemo Japanese 12B | 4bit（Q4_K_M） | 8.9GB | 実用CPUオフロード | 約10 tok/s推定 |
| Mistral Nemo 12B | 4bit（Q4_K_M） | 8.9GB | 実用CPUオフロード | 約10 tok/s推定 |
| Gemma 2 9B | 4bit（Q4_K_M） | 8.0GB | 実用CPUオフロード | 約14 tok/s推定 |
| Llama-3-ELYZA-JP-8B | 4bit（Q4_K_M） | 6.2GB | 快適CPUオフロード | 約29 tok/s推定 |
| Codestral 22B | 4bit（Q4_K_M） | 15GB | 遅いCPUオフロード | 約4.1 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23GB |
| RakutenAI-2.0 8x7B | 4bit（Q4_K_M） | 29GB | あと23GB |
| Tanuki-8x8B | 4bit（Q4_K_M） | 29GB | あと23GB |
| Kimi Linear 48B-A3B | 4bit（Q4_K_M） | 29GB | あと24GB |
| Nemotron 3.5 Lightning 30B-A3B | 8bit（Q8_0） | 33GB | あと27GB |
| Shisa V2.1 Llama 3.3 70B | 4bit（Q4_K_M） | 44GB | あと38GB |
| Llama 3.3 Swallow 70B | 4bit（Q4_K_M） | 44GB | あと38GB |
| DeepSeek-R1 Distill Llama 70B | 4bit（Q4_K_M） | 44GB | あと38GB |
| Llama 3.3 70B | 4bit（Q4_K_M） | 44GB | あと38GB |
| Llama 3 Youko 70B | 4bit（Q4_K_M） | 44GB | あと38GB |
| Llama 3.1 70B | 4bit（Q4_K_M） | 44GB | あと38GB |
| Llama 3.1 70B Japanese | 4bit（Q4_K_M） | 44GB | あと38GB |
| Qwen3-Next 80B-A3B | 4bit（Q4_K_M） | 47GB | あと42GB |
| Qwen3-Coder-Next 80B-A3B | 4bit（Q4_K_M） | 47GB | あと42GB |
| Qwen2.5 72B | 4bit（Q4_K_M） | 48GB | あと43GB |
| Hunyuan-A13B 80B | 4bit（Q4_K_M） | 49GB | あと43GB |
| Stockmark-2 100B | 4bit（Q4_K_M） | 58GB | あと53GB |
| gpt-oss-120b | 4bit（MXFP4） | 62GB | あと56GB |
| Llama 4 Scout 17B-16E | 4bit（Q4_K_M） | 65GB | あと59GB |
| Command A 111B | 4bit（Q4_K_M） | 66GB | あと61GB |
| Laguna S 2.1 118B-A8B | 4bit（Q4_K_M） | 71GB | あと66GB |
| Mistral Small 4 119B | 4bit（Q4_K_M） | 72GB | あと66GB |
| GLM-4.5-Air 106B-A12B | 4bit（Q4_K_M） | 72GB | あと66GB |
| Qwen3.5 122B-A10B | 4bit（Q4_K_M） | 74GB | あと69GB |
| Devstral 2 123B | 4bit（Q4_K_M） | 75GB | あと70GB |
| Ling 3.0 flash | 4bit（Q4_K_M） | 75GB | あと70GB |
| Mixtral 8x22B | 4bit（Q4_K_M） | 84GB | あと79GB |
| GPT-OSS-Swallow 120B | 4bit（Q4_K_M） | 85GB | あと80GB |
| Qwen3.8-Flash-Next | 4bit（IQ4_XS） | 91GB | あと85GB |
| Step-3.7-Flash | 4bit（Q4_K_M） | 118GB | あと113GB |
| DeepSeek-V4-Flash | 4bit（IQ4_XS） | 132GB | あと127GB |
| MiniMax-M2.5 229B-A10B | 4bit（Q4_K_M） | 135GB | あと130GB |
| Qwen3 235B-A22B | 4bit（Q4_K_M） | 138GB | あと133GB |
| GLM-5.3-Flash | 4bit（IQ4_XS） | 151GB | あと146GB |
| Inkling Small 264B | 4bit（Q4_K_M） | 157GB | あと151GB |
| MiMo-V2.6-Flash-RL | 4bit（MXFP4） | 161GB | あと156GB |
| ERNIE 4.5 300B-A47B | 4bit（Q4_K_M） | 175GB | あと170GB |
| Hy3 295B-A21B | 4bit（Q4_K_M） | 178GB | あと172GB |
| GLM-4.5 355B-A32B | 4bit（Q4_K_M） | 211GB | あと206GB |
| Qwen3.5 397B-A17B | 4bit（Q4_K_M） | 235GB | あと229GB |
| Llama 4 Maverick 17B-128E | 4bit（Q4_K_M） | 235GB | あと229GB |
| Qwen3-Coder 480B-A35B | 4bit（Q4_K_M） | 281GB | あと275GB |
| Kimi K2.6 | 2bit（IQ2_M） | 329GB | あと324GB |
| GLM-5.3 | 4bit（IQ4_XS） | 352GB | あと347GB |
| RakutenAI-3.0 671B-A37B | 4bit（Q4_K_M） | 390GB | あと384GB |
| Mistral Large 3 675B | 4bit（Q4_K_M） | 392GB | あと386GB |
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VRAM6GB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 |
|---|---|---|---|---|
| Nemotron Nano 12B v2 | 7.9GB（あと2.4GB足りない） | 2bit（Q2_K） | 5.2GB | 約54 tok/s推定 |
| Gemma 4 12B | 7.8GB（あと2.3GB足りない） | 2bit（IQ2_M） | 5.0GB | 約58 tok/s推定 |
| Gemma 3 12B | 8.3GB（あと2.8GB足りない） | 2bit（IQ2_M） | 5.5GB | 約54 tok/s推定 |
| GLM-4.6V-Flash 9B | 6.7GB（あと1.2GB足りない） | 2bit（Q2_K） | 4.7GB | 約62 tok/s推定 |
| MiMo-V2.6-Distill-Qwen-9B | 6.3GB（あと0.8GB足りない） | 3bit（IQ3_M） | 5.4GB | 約52 tok/s推定 |
| Ornith 1.5 9B | 6.4GB（あと0.9GB足りない） | 3bit（Q3_K_M） | 5.5GB | 約51 tok/s推定 |
| UI-Mate 9B | 6.4GB（あと0.9GB足りない） | 3bit（Q3_K_M） | 5.5GB | 約51 tok/s推定 |
| UI-Venus-2 9B | 6.4GB（あと0.9GB足りない） | 3bit（Q3_K_M） | 5.5GB | 約51 tok/s推定 |
| Fara1.5 9B | 6.4GB（あと0.9GB足りない） | 3bit（Q3_K_M） | 5.5GB | 約51 tok/s推定 |
| Ornith 1.0 9B | 6.2GB（あと0.7GB足りない） | 3bit（Q3_K_M） | 5.3GB | 約54 tok/s推定 |
| Qwen3.5 9B | 6.2GB（あと0.7GB足りない） | 3bit（Q3_K_M） | 5.2GB | 約54 tok/s推定 |
| Granite 4.2 8B | 7.1GB（あと1.6GB足りない） | 2bit（Q2_K） | 5.2GB | 約61 tok/s推定 |
同じVRAM6GBの機種の中での位置
当サイトにはVRAM6GBの機種が3件あります。帯域幅は336GB/sで3機種中2番目。最速のGeForce RTX 2060 6GB（336GB/s）の約100%、最も遅いGeForce RTX 4050 Laptop（192GB/s）の約1.8倍です。この機種のVRAMに収まるのは85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（77%）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 2060 6GB。VRAM6GBと帯域幅336GB/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2機種は2019年から2021年まで2年の幅があり、GeForce RTX 3060 Laptopは最も新しい機種にあたります（2021年）。結果が同じなら、いちばん新しいこの機種が無難です。ドライバとツールの対応が続く期間が長く、消費電力も抑えられています。中古の旧世代と価格が近いなら、迷う理由はありません。
この機種を実際に使うなら
日本語の相手はABEJA Qwen2.5 7B JapaneseかELYZA-Shortcut-1.0 Qwen 7Bで、どちらもQ4_K_Mなら推定52.5tok/s。コードはQwen2.5-Coder 7BのQ4_K_Mが1本だけ候補に残ります。7B級をVRAMに載せると残りは0.1GBほどで、別のモデルを同時に読み込む余裕はありません。
切り替えるたびに片方を下ろす運用です。ノートはACアダプタを挿さないとGPUの電力枠が絞られ、推定値どおりには出ません。帯域幅336GB/sはこの世代のノートとして悪くない数字なので、机に据えて使う時間が長いほど持ち味が出ます。
買うときの見どころ
同じ6GBで比べるならRTX 4050 Laptopです。新しい世代なのに帯域幅は192GB/sで、7B級の推定速度は34tok/s前後。こちらの52.5tok/sを下回ります。中古のRTX 3060 Laptop機と新品の4050 Laptop機で迷ったとき、ローカルLLMの速さでは古いほうが上という逆転は覚えておいて損がありません。
一段上のRTX 3070 Laptopは8GBで+29本、12B級まで入ります。デスクトップ版の12GBを想定して買うとVRAMに収まらないモデルが続出するので、商品名の「Laptop」は見落とさないようにしましょう。
RTX 30 Laptopシリーズの中での位置
ノート向けの中古帯です。RTX 30 Laptopシリーズ5機種の中では、容量が小さいほうから2番目です。一段上のGeForce RTX 3070 Laptop（VRAM8GB）にすると、4bit以上で動くモデルが29本増えます。
買う前に確認すること: 年数が経っているため、バッテリーの劣化と冷却の劣化を見込んでおきます。長時間の推論はACアダプタ接続が前提です。 シリーズ全体の選び方はRTX 30 Laptop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（6GB） |
|---|---|---|
| Stable Diffusion / SDXL | VRAM 12GB | 動かない あと6GB |
| FLUX / 高品質画像生成 | VRAM 16GB | 動かない あと10GB |
| 動画生成AI（Wan / Hunyuan / LTX） | VRAM 24GB | 動かない あと18GB |
| ローカルLLM（8Bクラス） | VRAM 8GB | 動かない あと2GB |
| ローカルLLM（27〜32Bクラス） | VRAM 24GB | 動かない あと18GB |
| ローカルLLM（70B〜120B MoE） | VRAM 40GB | 動かない あと34GB |
| 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 3070 Laptop | 8GB | 448 GB/s | 101 |
| GeForce RTX 5060 Laptop | 8GB | 384 GB/s | 101 |
| GeForce RTX 5070 Laptop | 8GB | 384 GB/s | 101 |
| GeForce RTX 4060 Laptop | 8GB | 256 GB/s | 101 |
| GeForce RTX 4070 Laptop | 8GB | 256 GB/s | 101 |
| GeForce RTX 3050 Laptop | 4GB | 192 GB/s | 45 |
| 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 3060 LaptopでローカルLLMは動く？
動きます。VRAM6GB（実効約5.5GB）に、収録204モデル中85本が収まります。日本語チャットならGemma 4 E4B（4bit（IQ4_XS））が推定約53 tok/sです。
GeForce RTX 3060 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0.9GB足りません。