GeForce RTX 3070 Ti 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
8GBのカードの中で帯域幅608GB/sは目立つ数字で、Gemma 4 12BのIQ4_XSが推定66.7tok/s。同じ容量のRTX 3070（448GB/s）より35%ほど速い見積もりです。ただし同系統からの推定で、ベンチの裏付けはまだありません。動く本数は87本で3070と同じ。
Gemma-2-Llama-Swallow 9Bの4bitはあと0.5GB、Gemma 3 12Bはあと0.8GBで届かない。速さはあっても容量で頭打ちになるカードです。
まず試すなら: Gemma 4 12B（4bit（IQ4_XS）・必要7.0GB・約67 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1430 tok/s推定 |
| Qwen2.5 0.5B | 8bit（Q8_0） | 1.1GB | 約760 tok/s推定 |
| Qwen3.5 0.8B | 8bit（Q8_0） | 1.4GB | 約500 tok/s推定 |
| Gemma 3 1B | 8bit（Q8_0） | 1.6GB | 約400 tok/s推定 |
| Sarashina2.2 0.5B | 8bit（Q8_0） | 1.8GB | 約400 tok/s推定 |
| Qwen3 0.6B | 8bit（Q8_0） | 2.0GB | 約400 tok/s推定 |
| LFM2.5 1.2B JP | 8bit（Q8_0） | 1.8GB | 約340 tok/s推定 |
| Llama 3.2 1B | 8bit（Q8_0） | 2.0GB | 約300 tok/s推定 |
| EXAONE 4.0 1.2B | 8bit（Q8_0） | 2.3GB | 約270 tok/s推定 |
| TinySwallow 1.5B | 8bit（Q8_0） | 2.3GB | 約250 tok/s推定 |
| RakutenAI-2.0 mini | 8bit（Q8_0） | 2.4GB | 約240 tok/s推定 |
| Sarashina2.2 1B | 8bit（Q8_0） | 2.6GB | 約240 tok/s推定 |
| Ling 3.0 tiny | 6bit（Q6_K） | 7.2GB | 約220 tok/s推定 |
| Qwen2.5 1.5B | 8bit（Q8_0） | 2.5GB | 約220 tok/s推定 |
| Qwen3.5 2B | 8bit（Q8_0） | 2.6GB | 約210 tok/s推定 |
| LFM2.5 8B-A1B | 6bit（Q6_K） | 7.4GB | 約200 tok/s推定 |
| Qwen3-VL 2B | 8bit（Q8_0） | 3.1GB | 約190 tok/s推定 |
| Qwen3 1.7B | 8bit（Q8_0） | 3.1GB | 約190 tok/s推定 |
| LLM-jp-3.1 1.8B | 8bit（Q8_0） | 3.9GB | 約160 tok/s推定 |
| MiniCPM5 2B | 8bit（Q8_0） | 3.4GB | 約150 tok/s推定 |
| LFM2.5 2.6B | 8bit（Q8_0） | 3.4GB | 約150 tok/s推定 |
| LFM2.5-VL 3B | 8bit（Q8_0） | 3.4GB | 約150 tok/s推定 |
| Gemma 2 Baku 2B | 8bit（Q8_0） | 3.8GB | 約140 tok/s推定 |
| Qwen2.5-VL 3B | 8bit（Q8_0） | 3.9GB | 約130 tok/s推定 |
| Qwen2.5-Coder 3B | 8bit（Q8_0） | 3.9GB | 約130 tok/s推定 |
| Qwen2.5 3B | 8bit（Q8_0） | 3.9GB | 約130 tok/s推定 |
| SmolLM3 3B | 8bit（Q8_0） | 4.2GB | 約120 tok/s推定 |
| Llama 3.2 3B | 8bit（Q8_0） | 4.7GB | 約110 tok/s推定 |
| Ministral 3 3B | 8bit（Q8_0） | 4.8GB | 約110 tok/s推定 |
| Granite 4.2 3B | 8bit（Q8_0） | 4.9GB | 約100 tok/s推定 |
| Sarashina2.2 3B | 8bit（Q8_0） | 5.2GB | 約100 tok/s推定 |
| Gemma 3 4B | 8bit（Q8_0） | 4.7GB | 約100 tok/s推定 |
| Nemotron 3 Nano 4B | 8bit（Q8_0） | 4.7GB | 約100 tok/s推定 |
| Qwen3.5 4B | 8bit（Q8_0） | 5.0GB | 約96 tok/s推定 |
| Phi-4-mini 3.8B | 8bit（Q8_0） | 5.4GB | 約95 tok/s推定 |
| AREX-Turbo 4B | 8bit（Q8_0） | 5.1GB | 約95 tok/s推定 |
| Fara1.5 4B | 8bit（Q8_0） | 5.1GB | 約95 tok/s推定 |
| PLaMo 2 Translate | 3bit（Q3_K_M） | 5.2GB | 約92 tok/s推定 |
| Nanbeige4.2 3B | 8bit（Q8_0） | 5.4GB | 約92 tok/s推定 |
| Gemma 3n E2B | 8bit（Q8_0） | 5.2GB | 約91 tok/s推定 |
| Qwen3-VL 4B | 8bit（Q8_0） | 5.7GB | 約90 tok/s推定 |
| Qwen3 4B | 8bit（Q8_0） | 5.7GB | 約90 tok/s推定 |
| Gemma 4 E2B | 8bit（Q8_0） | 5.5GB | 約86 tok/s推定 |
| AFM-4.5B | 8bit（Q8_0） | 5.8GB | 約85 tok/s推定 |
| Llama-3-ELYZA-JP-8B | 4bit（Q4_K_M） | 6.2GB | 約81 tok/s推定 |
| Gemma 4 E4B | 5bit（Q5_K_M） | 6.0GB | 約79 tok/s推定 |
| Phi-3.5-mini 3.8B | 8bit（Q8_0） | 7.4GB | 約78 tok/s推定 |
| Granite 4.0 H-Tiny | 6bit（Q6_K） | 6.1GB | 約77 tok/s推定 |
| Ministral 3 14B | 2bit（Q2_K） | 6.8GB | 約75 tok/s推定 |
| DeepSeek-R1 Distill Qwen 14B | 2bit（IQ2_M） | 7.1GB | 約72 tok/s推定 |
| DeepSeek-R1 Distill Qwen 14B Japanese | 2bit（IQ2_M） | 7.1GB | 約72 tok/s推定 |
| Qwen2.5-Coder 14B | 2bit（IQ2_M） | 7.1GB | 約72 tok/s推定 |
| Qwen2.5 14B | 2bit（IQ2_M） | 7.1GB | 約72 tok/s推定 |
| Granite 4.2 8B | 4bit（Q4_K_M） | 7.1GB | 約71 tok/s推定 |
| Gemma-2-Llama-Swallow 9B | 4bit（IQ4_XS） | 7.4GB | 約71 tok/s推定 |
| Gemma 2 9B | 4bit（IQ4_XS） | 7.4GB | 約71 tok/s推定 |
| Llama 3.1 Swallow 8B | 5bit（Q5_K_M） | 7.0GB | 約70 tok/s推定 |
| DeepSeek-R1 Distill Llama 8B | 5bit（Q5_K_M） | 7.0GB | 約70 tok/s推定 |
| Llama 3 Youko 8B | 5bit（Q5_K_M） | 7.0GB | 約70 tok/s推定 |
| Llama 3.1 8B | 5bit（Q5_K_M） | 7.0GB | 約70 tok/s推定 |
| GLM-4.6V-Flash 9B | 4bit（Q4_K_M） | 6.7GB | 約70 tok/s推定 |
| Gemma 3n E4B | 6bit（Q6_K） | 6.7GB | 約70 tok/s推定 |
| Aya Expanse 8B | 5bit（Q5_K_M） | 7.1GB | 約70 tok/s推定 |
| Apertus 8B | 5bit（Q5_K_M） | 7.1GB | 約69 tok/s推定 |
| Phi-4 14B | 2bit（Q2_K） | 7.4GB | 約69 tok/s推定 |
| Mistral Nemo Japanese 12B | 3bit（IQ3_M） | 7.2GB | 約69 tok/s推定 |
| Mistral Nemo 12B | 3bit（IQ3_M） | 7.2GB | 約69 tok/s推定 |
| Falcon-H1R 7B | 6bit（Q6_K） | 6.8GB | 約69 tok/s推定 |
| Qwen3 14B | 2bit（Q2_K） | 7.3GB | 約69 tok/s推定 |
| Shisa V2.1 unphi4 14B | 2bit（Q2_K） | 7.4GB | 約68 tok/s推定 |
| Gemma 3 12B | 3bit（Q3_K_M） | 7.1GB | 約68 tok/s推定 |
| Qwen3-Swallow 8B | 5bit（Q5_K_M） | 7.2GB | 約68 tok/s推定 |
| Shisa V2.1 Qwen3 8B | 5bit（Q5_K_M） | 7.2GB | 約68 tok/s推定 |
| Qwen3-VL 8B | 5bit（Q5_K_M） | 7.2GB | 約68 tok/s推定 |
| DeepSeek-R1-0528 Qwen3 8B | 5bit（Q5_K_M） | 7.2GB | 約68 tok/s推定 |
| Qwen3 8B | 5bit（Q5_K_M） | 7.2GB | 約68 tok/s推定 |
| Mistral 7B v0.3 | 6bit（Q6_K） | 7.2GB | 約68 tok/s推定 |
| ELYZA-Shortcut-1.0 Qwen 7B | 6bit（Q6_K） | 6.9GB | 約68 tok/s推定 |
| ABEJA Qwen2.5 7B Japanese | 6bit（Q6_K） | 6.9GB | 約68 tok/s推定 |
| DeepSeek-R1 Distill Qwen 7B | 6bit（Q6_K） | 6.9GB | 約68 tok/s推定 |
| Qwen2.5-VL 7B | 6bit（Q6_K） | 6.9GB | 約68 tok/s推定 |
| Qwen2.5 7B | 6bit（Q6_K） | 6.9GB | 約68 tok/s推定 |
| Qwen2.5-Coder 7B | 6bit（Q6_K） | 6.9GB | 約68 tok/s推定 |
| Gemma 4 12B | 4bit（IQ4_XS） | 7.0GB | 約67 tok/s推定 |
| Ministral 3 8B | 5bit（Q5_K_M） | 7.4GB | 約67 tok/s推定 |
| Ornith 1.0 9B | 5bit（Q5_K_M） | 7.0GB | 約66 tok/s推定 |
| CAT-Translate 7B | 6bit（Q6_K） | 7.4GB | 約66 tok/s推定 |
| LLM-jp-4 8B thinking | 5bit（Q5_K_M） | 7.4GB | 約66 tok/s推定 |
| Hunyuan 7B | 6bit（Q6_K） | 7.4GB | 約66 tok/s推定 |
| Tanuki-8B | 6bit（Q6_K） | 7.4GB | 約66 tok/s推定 |
| Qwen3.5 9B | 5bit（Q5_K_M） | 7.1GB | 約66 tok/s推定 |
| Nemotron Nano 12B v2 | 4bit（IQ4_XS） | 7.2GB | 約64 tok/s推定 |
| Command R7B | 6bit（Q6_K） | 7.5GB | 約64 tok/s推定 |
| Ornith 1.5 9B | 5bit（Q5_K_M） | 7.3GB | 約63 tok/s推定 |
| UI-Mate 9B | 5bit（Q5_K_M） | 7.3GB | 約63 tok/s推定 |
| UI-Venus-2 9B | 5bit（Q5_K_M） | 7.3GB | 約63 tok/s推定 |
| Fara1.5 9B | 5bit（Q5_K_M） | 7.3GB | 約63 tok/s推定 |
| MiMo-V2.6-Distill-Qwen-9B | 5bit（Q5_K_M） | 7.3GB | 約63 tok/s推定 |
| Nemotron-Nano 9B v2 Japanese | 5bit（Q5_K_M） | 7.4GB | 約62 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3.8 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15 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2.8 tok/s推定 |
| Muse-Glimmer 30B | 2bit（IQ2_M） | 12GB | 遅いCPUオフロード | 約7.2 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4.1 tok/s推定 |
| Thomson 1.0 Small 35B-A3B | 4bit（Q4_K_M） | 21GB | 実用CPUオフロード | 約16 tok/s推定 |
| UI-Mate 27B | 4bit（Q4_K_M） | 18GB | 遅いCPUオフロード | 約3.7 tok/s推定 |
| Fara1.5 27B | 4bit（Q4_K_M） | 18GB | 遅いCPUオフロード | 約3.7 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18 tok/s推定 |
| Ornith 1.0 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約18 tok/s推定 |
| XYZ-Aquila mini 35B-A3B | 4bit（Q4_K_M） | 21GB | 実用CPUオフロード | 約16 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18 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3.9 tok/s推定 |
| Qwen3.6 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約18 tok/s推定 |
| LLM-jp-4 32B-A3B thinking | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約16 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18 tok/s推定 |
| ABEJA Qwen3 14B Agentic | 4bit（Q4_K_M） | 10GB | 実用CPUオフロード | 約12 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16 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4.8 tok/s推定 |
| Olmo 3.1 32B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約3.0 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6.7 tok/s推定 |
| Qwen3-VL 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約16 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23 tok/s推定 |
| Magistral Small 2509 | 4bit（Q4_K_M） | 16GB | 遅いCPUオフロード | 約4.8 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25 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4.8 tok/s推定 |
| Qwen3 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約16 tok/s推定 |
| Qwen3-Coder 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約16 tok/s推定 |
| Mistral Small 3.2 24B | 4bit（Q4_K_M） | 16GB | 遅いCPUオフロード | 約4.8 tok/s推定 |
| ABEJA Qwen2.5 32B Japanese | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.8 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6.4 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3.6 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3.9 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5.2 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69 tok/s推定 |
| DeepSeek-R1 Distill Qwen 14B | 11GB（あと3.1GB足りない） | 2bit（IQ2_M） | 7.1GB | 約72 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72 tok/s推定 |
| Qwen2.5-Coder 14B | 11GB（あと3.1GB足りない） | 2bit（IQ2_M） | 7.1GB | 約72 tok/s推定 |
| Qwen2.5 14B | 11GB（あと3.1GB足りない） | 2bit（IQ2_M） | 7.1GB | 約72 tok/s推定 |
| Shisa V2.1 unphi4 14B | 11GB（あと3.1GB足りない） | 2bit（Q2_K） | 7.4GB | 約68 tok/s推定 |
| Phi-4 14B | 11GB（あと3.3GB足りない） | 2bit（Q2_K） | 7.4GB | 約69 tok/s推定 |
| Ministral 3 14B | 9.7GB（あと2.1GB足りない） | 2bit（Q2_K） | 6.8GB | 約75 tok/s推定 |
| Nemotron Nano 12B v2 | 7.9GB（あと0.4GB足りない） | 4bit（IQ4_XS） | 7.2GB | 約64 tok/s推定 |
| Mistral Nemo Japanese 12B | 8.9GB（あと1.4GB足りない） | 3bit（IQ3_M） | 7.2GB | 約69 tok/s推定 |
| Mistral Nemo 12B | 8.9GB（あと1.4GB足りない） | 3bit（IQ3_M） | 7.2GB | 約69 tok/s推定 |
| Gemma 4 12B | 7.8GB（あと0.3GB足りない） | 4bit（IQ4_XS） | 7.0GB | 約67 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608GB/sで、この容量では最も速い部類です。2番目のGeForce RTX 2080 SUPER（496GB/s）より約23%速い計算になります。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。
この機種は2021年の発売で、いま5年目です。
同じVRAM8GBでも、これより新しい機種が11件あります（最新はGeForce RTX 5070 Laptop・2025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
日本語の日常用途はGemma-2-Llama-Swallow 9BのIQ4_XS（推定70.6tok/s）か、Qwen3.5 9BのQ5_K_M（推定65.7tok/s）。9B級なら5bitまで上げられる、というのが8GBでの落としどころです。コードはQwen2.5-Coder 7BのQ6_K（推定67.9tok/s）。
12BをIQ4_XSでVRAMに載せると残りは0.5GBで、画面表示や他のアプリの分を考えれば長いコンテキストは渡せません。CUDAなのでOllamaもLM Studioも導入は素直に進みます。GDDR6Xを積むカードなので、監視ツールでメモリ温度も表示させておくと長時間回したときの変化に気づけます。
買うときの見どころ
今から新しく選ぶ候補としては勧めにくい1枚です。同じ8GB・448GB/sのRTX 5060は現行世代で、推定速度は3070並みでも、ドライバの対応期間では有利です。3070 Tiを選ぶ根拠は608GB/sの速さですが、それも8GBの枠の中での差にすぎません。
系列の一段上とされるRTX 3080 10GBで+5本、RTX 3060 12GBなら100本まで増えます。中古で並べて比べるなら、帯域幅より容量から決めましょう。新品の流通がほぼ終わった世代なので、保証の残りも確認項目に入ります。
RTX 30シリーズの中での位置
中古市場の主力です。RTX 30シリーズ10機種の中では、容量が小さいほうから4番目です。一段上のGeForce RTX 3080 10GB（VRAM10GB）にすると、4bit以上で動くモデルが5本増えます。
買う前に確認すること: 3090はGDDR6Xの発熱が大きく、基板裏のメモリが特に熱を持ちます。ケースのエアフローを確保できないなら、長時間の推論には向きません。中古なら消費電力にも注意で、システム全体で750W以上の電源が要ります。 シリーズ全体の選び方はRTX 30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 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 |
| GeForce RTX 2070 | 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 3070 Ti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67 tok/sです。
GeForce RTX 3070 Ti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。