GeForce RTX 3080 Ti で動くローカルLLM一覧（2026年10月）
115快適（20 tok/s以上）
0実用（8〜20 tok/s）
48メモリに一部を逃がせば動く
41動かない
編集部の見立て
30番台で12GBを積む3枚の最上位ですが、ローカルLLMに限れば3080 12GBと同じ結果になります。912GB/sで14B級は推定68.4tok/s（同系統からの推定）。Magistral Small 2509は4bitで15.5GBを要してあと4GB、LLM-jp-3.1 13Bも13Bながら14.8GBが必要で、あと3.3GB。持っている人が14B級で困ることはありません。足りなくなるのは、20B以上を使いたくなったときです。
まず試すなら: ABEJA Qwen3 14B Agentic（4bit（Q4_K_M）・必要10GB・約68 tok/s推定）。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0.8GB必要（必要12GB / 実効12GB）。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115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2150 tok/s推定 |
| Qwen2.5 0.5B | 8bit（Q8_0） | 1.1GB | 約1140 tok/s推定 |
| Qwen3.5 0.8B | 8bit（Q8_0） | 1.4GB | 約750 tok/s推定 |
| Gemma 3 1B | 8bit（Q8_0） | 1.6GB | 約610 tok/s推定 |
| Sarashina2.2 0.5B | 8bit（Q8_0） | 1.8GB | 約600 tok/s推定 |
| Qwen3 0.6B | 8bit（Q8_0） | 2.0GB | 約600 tok/s推定 |
| LFM2.5 1.2B JP | 8bit（Q8_0） | 1.8GB | 約510 tok/s推定 |
| Llama 3.2 1B | 8bit（Q8_0） | 2.0GB | 約450 tok/s推定 |
| EXAONE 4.0 1.2B | 8bit（Q8_0） | 2.3GB | 約410 tok/s推定 |
| TinySwallow 1.5B | 8bit（Q8_0） | 2.3GB | 約370 tok/s推定 |
| RakutenAI-2.0 mini | 8bit（Q8_0） | 2.4GB | 約360 tok/s推定 |
| Sarashina2.2 1B | 8bit（Q8_0） | 2.6GB | 約360 tok/s推定 |
| Qwen2.5 1.5B | 8bit（Q8_0） | 2.5GB | 約330 tok/s推定 |
| North Mini Code 1.0 | 2bit（IQ2_M） | 10GB | 約320 tok/s推定 |
| Qwen3.5 2B | 8bit（Q8_0） | 2.6GB | 約310 tok/s推定 |
| Qwen3-VL 2B | 8bit（Q8_0） | 3.1GB | 約290 tok/s推定 |
| Qwen3 1.7B | 8bit（Q8_0） | 3.1GB | 約290 tok/s推定 |
| Ling 3.0 tiny | 8bit（Q8_0） | 8.7GB | 約280 tok/s推定 |
| LFM2.5 8B-A1B | 8bit（Q8_0） | 9.2GB | 約240 tok/s推定 |
| LLM-jp-3.1 1.8B | 8bit（Q8_0） | 3.9GB | 約240 tok/s推定 |
| ERNIE 4.5 21B-A3B Thinking | 3bit（Q3_K_M） | 11GB | 約240 tok/s推定 |
| MiniCPM5 2B | 8bit（Q8_0） | 3.4GB | 約230 tok/s推定 |
| LFM2.5 2.6B | 8bit（Q8_0） | 3.4GB | 約220 tok/s推定 |
| LFM2.5-VL 3B | 8bit（Q8_0） | 3.4GB | 約220 tok/s推定 |
| Gemma 4 26B-A4B | 2bit（IQ2_M） | 10GB | 約220 tok/s推定 |
| Gemma 2 Baku 2B | 8bit（Q8_0） | 3.8GB | 約210 tok/s推定 |
| Qwen2.5-VL 3B | 8bit（Q8_0） | 3.9GB | 約190 tok/s推定 |
| Qwen2.5-Coder 3B | 8bit（Q8_0） | 3.9GB | 約190 tok/s推定 |
| Qwen2.5 3B | 8bit（Q8_0） | 3.9GB | 約190 tok/s推定 |
| SmolLM3 3B | 8bit（Q8_0） | 4.2GB | 約180 tok/s推定 |
| Llama 3.2 3B | 8bit（Q8_0） | 4.7GB | 約170 tok/s推定 |
| Ministral 3 3B | 8bit（Q8_0） | 4.8GB | 約160 tok/s推定 |
| Granite 4.2 3B | 8bit（Q8_0） | 4.9GB | 約160 tok/s推定 |
| Sarashina2.2 3B | 8bit（Q8_0） | 5.2GB | 約160 tok/s推定 |
| Gemma 3 4B | 8bit（Q8_0） | 4.7GB | 約150 tok/s推定 |
| Nemotron 3 Nano 4B | 8bit（Q8_0） | 4.7GB | 約150 tok/s推定 |
| Qwen3.5 4B | 8bit（Q8_0） | 5.0GB | 約140 tok/s推定 |
| Phi-4-mini 3.8B | 8bit（Q8_0） | 5.4GB | 約140 tok/s推定 |
| AREX-Turbo 4B | 8bit（Q8_0） | 5.1GB | 約140 tok/s推定 |
| Fara1.5 4B | 8bit（Q8_0） | 5.1GB | 約140 tok/s推定 |
| Nanbeige4.2 3B | 8bit（Q8_0） | 5.4GB | 約140 tok/s推定 |
| Gemma 3n E2B | 8bit（Q8_0） | 5.2GB | 約140 tok/s推定 |
| Qwen3-VL 4B | 8bit（Q8_0） | 5.7GB | 約140 tok/s推定 |
| Qwen3 4B | 8bit（Q8_0） | 5.7GB | 約140 tok/s推定 |
| Gemma 4 E2B | 8bit（Q8_0） | 5.5GB | 約130 tok/s推定 |
| AFM-4.5B | 8bit（Q8_0） | 5.8GB | 約130 tok/s推定 |
| Llama-3-ELYZA-JP-8B | 4bit（Q4_K_M） | 6.2GB | 約120 tok/s推定 |
| Phi-3.5-mini 3.8B | 8bit（Q8_0） | 7.4GB | 約120 tok/s推定 |
| CAT-Translate 7B | 6bit（Q6_K） | 7.4GB | 約99 tok/s推定 |
| Shisa V2.1 Qwen3 8B | 6bit（Q6_K） | 8.1GB | 約90 tok/s推定 |
| Granite 4.0 H-Tiny | 8bit（Q8_0） | 7.7GB | 約89 tok/s推定 |
| Gemma 3n E4B | 8bit（Q8_0） | 7.7GB | 約89 tok/s推定 |
| Mistral 7B v0.3 | 8bit（Q8_0） | 8.9GB | 約80 tok/s推定 |
| Falcon-H1R 7B | 8bit（Q8_0） | 8.6GB | 約80 tok/s推定 |
| LLM-jp-3.1 13B | 2bit（IQ2_M） | 11GB | 約80 tok/s推定 |
| Gemma 4 E4B | 8bit（Q8_0） | 8.6GB | 約79 tok/s推定 |
| ELYZA-Shortcut-1.0 Qwen 7B | 8bit（Q8_0） | 8.7GB | 約79 tok/s推定 |
| ABEJA Qwen2.5 7B Japanese | 8bit（Q8_0） | 8.7GB | 約79 tok/s推定 |
| DeepSeek-R1 Distill Qwen 7B | 8bit（Q8_0） | 8.7GB | 約79 tok/s推定 |
| Qwen2.5-VL 7B | 8bit（Q8_0） | 8.7GB | 約79 tok/s推定 |
| Qwen2.5 7B | 8bit（Q8_0） | 8.7GB | 約79 tok/s推定 |
| Qwen2.5-Coder 7B | 8bit（Q8_0） | 8.7GB | 約79 tok/s推定 |
| Hunyuan 7B | 8bit（Q8_0） | 9.2GB | 約78 tok/s推定 |
| Tanuki-8B | 8bit（Q8_0） | 9.2GB | 約78 tok/s推定 |
| Gemma-2-Llama-Swallow 9B | 6bit（Q6_K） | 9.8GB | 約77 tok/s推定 |
| Gemma 2 9B | 6bit（Q6_K） | 9.8GB | 約77 tok/s推定 |
| Command R7B | 8bit（Q8_0） | 9.3GB | 約75 tok/s推定 |
| Llama 3.1 Swallow 8B | 8bit（Q8_0） | 9.7GB | 約73 tok/s推定 |
| DeepSeek-R1 Distill Llama 8B | 8bit（Q8_0） | 9.7GB | 約73 tok/s推定 |
| Aya Expanse 8B | 8bit（Q8_0） | 9.7GB | 約73 tok/s推定 |
| Llama 3 Youko 8B | 8bit（Q8_0） | 9.7GB | 約73 tok/s推定 |
| Llama 3.1 8B | 8bit（Q8_0） | 9.7GB | 約73 tok/s推定 |
| Apertus 8B | 8bit（Q8_0） | 9.7GB | 約73 tok/s推定 |
| Codestral 22B | 2bit（Q2_K） | 10GB | 約72 tok/s推定 |
| Qwen3-Swallow 8B | 8bit（Q8_0） | 10.0GB | 約71 tok/s推定 |
| Qwen3-VL 8B | 8bit（Q8_0） | 10.0GB | 約71 tok/s推定 |
| DeepSeek-R1-0528 Qwen3 8B | 8bit（Q8_0） | 10.0GB | 約71 tok/s推定 |
| Qwen3 8B | 8bit（Q8_0） | 10.0GB | 約71 tok/s推定 |
| Nemotron-Nano 9B v2 Japanese | 8bit（Q8_0） | 9.7GB | 約69 tok/s推定 |
| Devstral Small 2 24B | 2bit（Q2_K） | 10GB | 約69 tok/s推定 |
| Magistral Small 2509 | 2bit（Q2_K） | 10GB | 約69 tok/s推定 |
| Devstral Small 2507 | 2bit（Q2_K） | 10GB | 約69 tok/s推定 |
| Mistral Small 3.2 24B | 2bit（Q2_K） | 10GB | 約69 tok/s推定 |
| Ministral 3 8B | 8bit（Q8_0） | 10GB | 約69 tok/s推定 |
| Ornith 1.0 9B | 8bit（Q8_0） | 9.9GB | 約68 tok/s推定 |
| LLM-jp-4 8B thinking | 8bit（Q8_0） | 10GB | 約68 tok/s推定 |
| Qwen3.5 9B | 8bit（Q8_0） | 9.9GB | 約68 tok/s推定 |
| ABEJA Qwen3 14B Agentic | 4bit（Q4_K_M） | 10GB | 約68 tok/s推定 |
| Qwen3 14B | 4bit（Q4_K_M） | 10GB | 約68 tok/s推定 |
| MiMo-V2.6-Distill-Qwen-9B | 8bit（Q8_0） | 9.9GB | 約68 tok/s推定 |
| Ornith 1.5 9B | 8bit（Q8_0） | 9.9GB | 約68 tok/s推定 |
| UI-Mate 9B | 8bit（Q8_0） | 9.9GB | 約68 tok/s推定 |
| UI-Venus-2 9B | 8bit（Q8_0） | 9.9GB | 約68 tok/s推定 |
| Fara1.5 9B | 8bit（Q8_0） | 9.9GB | 約68 tok/s推定 |
| Shisa V2.1 unphi4 14B | 4bit（Q4_K_M） | 11GB | 約68 tok/s推定 |
| DeepSeek-R1 Distill Qwen 14B | 4bit（Q4_K_M） | 11GB | 約68 tok/s推定 |
| DeepSeek-R1 Distill Qwen 14B Japanese | 4bit（Q4_K_M） | 11GB | 約68 tok/s推定 |
| Qwen2.5-Coder 14B | 4bit（Q4_K_M） | 11GB | 約68 tok/s推定 |
| Qwen2.5 14B | 4bit（Q4_K_M） | 11GB | 約68 tok/s推定 |
| Phi-4 14B | 4bit（Q4_K_M） | 11GB | 約67 tok/s推定 |
| Granite 4.2 8B | 8bit（Q8_0） | 11GB | 約66 tok/s推定 |
| Gemma 4 12B | 6bit（Q6_K） | 10GB | 約66 tok/s推定 |
| Gemma 3 27B | 2bit（IQ2_M） | 11GB | 約66 tok/s推定 |
| Gemma 3 12B | 6bit（Q6_K） | 11GB | 約66 tok/s推定 |
| GLM-4.6V-Flash 9B | 8bit（Q8_0） | 10GB | 約65 tok/s推定 |
| Nemotron Nano 12B v2 | 6bit（Q6_K） | 10GB | 約65 tok/s推定 |
| PLaMo 2 Translate | 8bit（Q8_0） | 10GB | 約64 tok/s推定 |
| Ministral 3 14B | 5bit（Q5_K_M） | 11GB | 約64 tok/s推定 |
| Qwen3.5 27B | 2bit（IQ2_M） | 11GB | 約63 tok/s推定 |
| Mistral Nemo Japanese 12B | 6bit（Q6_K） | 11GB | 約62 tok/s推定 |
| Mistral Nemo 12B | 6bit（Q6_K） | 11GB | 約62 tok/s推定 |
| AREX-2 27B | 2bit（Q2_K） | 11GB | 約61 tok/s推定 |
| UI-Mate 27B | 2bit（IQ2_M） | 11GB | 約61 tok/s推定 |
| Fara1.5 27B | 2bit（IQ2_M） | 11GB | 約61 tok/s推定 |
| Qwen3.6 27B | 2bit（IQ2_M） | 11GB | 約60 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 |
|---|---|---|---|---|
| Holo4 35B-A3B | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約24 tok/s推定 |
| Nex-N2.5-mini | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約20 tok/s推定 |
| BigBang v1 35B | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約21 tok/s推定 |
| Granite 4.2 30B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約4.6 tok/s推定 |
| LLM-jp-4 33B thinking | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.8 tok/s推定 |
| Muse-Glimmer 30B | 2bit（IQ2_M） | 12GB | 快適CPUオフロード | 約25 tok/s推定 |
| Nemotron 3.5 Lightning 30B-A3B | 8bit（Q8_0） | 33GB | 実用CPUオフロード | 約11 tok/s推定 |
| Ornith 1.5 35B-A3B | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約25 tok/s推定 |
| Qwen3.8 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約6.8 tok/s推定 |
| Thomson 1.0 Small 35B-A3B | 4bit（Q4_K_M） | 21GB | 快適CPUオフロード | 約22 tok/s推定 |
| Gemma 4 31B | 4bit（Q4_K_M） | 19GB | 遅いCPUオフロード | 約4.7 tok/s推定 |
| KAT-Coder-V2.5-Dev 35B-A3B | 4bit（Q4_K_M） | 21GB | 快適CPUオフロード | 約26 tok/s推定 |
| Laguna XS 2.1 33B-A3B | 4bit（Q4_K_M） | 21GB | 快適CPUオフロード | 約25 tok/s推定 |
| Ornith 1.0 35B-A3B | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約24 tok/s推定 |
| XYZ-Aquila mini 35B-A3B | 4bit（Q4_K_M） | 21GB | 快適CPUオフロード | 約22 tok/s推定 |
| Qwen-AgentWorld 35B-A3B | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約24 tok/s推定 |
| Nemotron 3 Nano Omni 30B-A3B | 4bit（Q4_K_M） | 23GB | 実用CPUオフロード | 約20 tok/s推定 |
| Qwen3.6 35B-A3B | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約24 tok/s推定 |
| LLM-jp-4 32B-A3B thinking | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約21 tok/s推定 |
| Qwen3.5 35B-A3B | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約24 tok/s推定 |
| GPT-OSS-Swallow 20B | 4bit（Q4_K_M） | 16GB | 快適CPUオフロード | 約27 tok/s推定 |
| Kimi Linear 48B-A3B | 4bit（Q4_K_M） | 29GB | 快適CPUオフロード | 約20 tok/s推定 |
| Qwen3-Swallow 30B-A3B | 4bit（Q4_K_M） | 19GB | 快適CPUオフロード | 約23 tok/s推定 |
| GLM-4.7-Flash 30B-A3B | 4bit（Q4_K_M） | 19GB | 快適CPUオフロード | 約25 tok/s推定 |
| Olmo 3.1 32B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約4.2 tok/s推定 |
| Granite 4.0 H-Small 32B-A9B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約9.9 tok/s推定 |
| Qwen3-VL 30B-A3B | 4bit（Q4_K_M） | 19GB | 快適CPUオフロード | 約23 tok/s推定 |
| Qwen3-VL 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約3.9 tok/s推定 |
| EXAONE 4.0.1 32B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約4.3 tok/s推定 |
| gpt-oss-20b | 4bit（MXFP4） | 12GB | 快適CPUオフロード | 約90 tok/s推定 |
| Seed-OSS 36B | 4bit（Q4_K_M） | 23GB | 遅いCPUオフロード | 約3.3 tok/s推定 |
| Qwen3 30B-A3B | 4bit（Q4_K_M） | 19GB | 快適CPUオフロード | 約23 tok/s推定 |
| Qwen3-Coder 30B-A3B | 4bit（Q4_K_M） | 19GB | 快適CPUオフロード | 約23 tok/s推定 |
| ABEJA Qwen2.5 32B Japanese | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.9 tok/s推定 |
| ELYZA-Shortcut-1.0 Qwen 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.9 tok/s推定 |
| ELYZA-Thinking-1.0 Qwen 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.9 tok/s推定 |
| Gemma-2-Llama-Swallow 27B | 4bit（Q4_K_M） | 19GB | 遅いCPUオフロード | 約5.4 tok/s推定 |
| Qwen3 32B | 4bit（Q4_K_M） | 21GB | 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3.9 tok/s推定 |
| DeepSeek-R1 Distill Qwen 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.9 tok/s推定 |
| DeepSeek-R1 Distill Qwen 32B Japanese | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.9 tok/s推定 |
| KARAKURI LM 32B Thinking | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.9 tok/s推定 |
| RakutenAI-2.0 8x7B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約4.6 tok/s推定 |
| Qwen2.5-Coder 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.9 tok/s推定 |
| Aya Expanse 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約4.1 tok/s推定 |
| Qwen2.5 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.9 tok/s推定 |
| Tanuki-8x8B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約4.6 tok/s推定 |
| Mixtral 8x7B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約4.6 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 |
|---|---|---|---|
| Shisa V2.1 Llama 3.3 70B | 4bit（Q4_K_M） | 44GB | あと32GB |
| Llama 3.3 Swallow 70B | 4bit（Q4_K_M） | 44GB | あと32GB |
| DeepSeek-R1 Distill Llama 70B | 4bit（Q4_K_M） | 44GB | あと32GB |
| Llama 3.3 70B | 4bit（Q4_K_M） | 44GB | あと32GB |
| Llama 3 Youko 70B | 4bit（Q4_K_M） | 44GB | あと32GB |
| Llama 3.1 70B | 4bit（Q4_K_M） | 44GB | あと32GB |
| Llama 3.1 70B Japanese | 4bit（Q4_K_M） | 44GB | あと32GB |
| Qwen3-Next 80B-A3B | 4bit（Q4_K_M） | 47GB | あと36GB |
| Qwen3-Coder-Next 80B-A3B | 4bit（Q4_K_M） | 47GB | あと36GB |
| Qwen2.5 72B | 4bit（Q4_K_M） | 48GB | あと37GB |
| Hunyuan-A13B 80B | 4bit（Q4_K_M） | 49GB | あと37GB |
| Stockmark-2 100B | 4bit（Q4_K_M） | 58GB | あと47GB |
| gpt-oss-120b | 4bit（MXFP4） | 62GB | あと50GB |
| Llama 4 Scout 17B-16E | 4bit（Q4_K_M） | 65GB | あと53GB |
| Command A 111B | 4bit（Q4_K_M） | 66GB | あと55GB |
| Laguna S 2.1 118B-A8B | 4bit（Q4_K_M） | 71GB | あと60GB |
| Mistral Small 4 119B | 4bit（Q4_K_M） | 72GB | あと60GB |
| GLM-4.5-Air 106B-A12B | 4bit（Q4_K_M） | 72GB | あと60GB |
| Qwen3.5 122B-A10B | 4bit（Q4_K_M） | 74GB | あと63GB |
| Devstral 2 123B | 4bit（Q4_K_M） | 75GB | あと64GB |
| Ling 3.0 flash | 4bit（Q4_K_M） | 75GB | あと64GB |
| Mixtral 8x22B | 4bit（Q4_K_M） | 84GB | あと73GB |
| GPT-OSS-Swallow 120B | 4bit（Q4_K_M） | 85GB | あと74GB |
| Qwen3.8-Flash-Next | 4bit（IQ4_XS） | 91GB | あと79GB |
| Step-3.7-Flash | 4bit（Q4_K_M） | 118GB | あと107GB |
| DeepSeek-V4-Flash | 4bit（IQ4_XS） | 132GB | あと121GB |
| MiniMax-M2.5 229B-A10B | 4bit（Q4_K_M） | 135GB | あと124GB |
| Qwen3 235B-A22B | 4bit（Q4_K_M） | 138GB | あと127GB |
| GLM-5.3-Flash | 4bit（IQ4_XS） | 151GB | あと140GB |
| Inkling Small 264B | 4bit（Q4_K_M） | 157GB | あと145GB |
| MiMo-V2.6-Flash-RL | 4bit（MXFP4） | 161GB | あと150GB |
| ERNIE 4.5 300B-A47B | 4bit（Q4_K_M） | 175GB | あと164GB |
| Hy3 295B-A21B | 4bit（Q4_K_M） | 178GB | あと166GB |
| GLM-4.5 355B-A32B | 4bit（Q4_K_M） | 211GB | あと200GB |
| Qwen3.5 397B-A17B | 4bit（Q4_K_M） | 235GB | あと223GB |
| Llama 4 Maverick 17B-128E | 4bit（Q4_K_M） | 235GB | あと223GB |
| Qwen3-Coder 480B-A35B | 4bit（Q4_K_M） | 281GB | あと269GB |
| Kimi K2.6 | 2bit（IQ2_M） | 329GB | あと318GB |
| GLM-5.3 | 4bit（IQ4_XS） | 352GB | あと341GB |
| RakutenAI-3.0 671B-A37B | 4bit（Q4_K_M） | 390GB | あと378GB |
| Mistral Large 3 675B | 4bit（Q4_K_M） | 392GB | あと380GB |
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VRAM12GB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7.9GB足りない） | 2bit（IQ2_M） | 10GB | 約320 tok/s推定 |
| Gemma 3 27B | 17GB（あと5.9GB足りない） | 2bit（IQ2_M） | 11GB | 約66 tok/s推定 |
| AREX-2 27B | 18GB（あと6.0GB足りない） | 2bit（Q2_K） | 11GB | 約61 tok/s推定 |
| UI-Mate 27B | 18GB（あと6.3GB足りない） | 2bit（IQ2_M） | 11GB | 約61 tok/s推定 |
| Fara1.5 27B | 18GB（あと6.3GB足りない） | 2bit（IQ2_M） | 11GB | 約61 tok/s推定 |
| Qwen3.6 27B | 17GB（あと5.6GB足りない） | 2bit（IQ2_M） | 11GB | 約60 tok/s推定 |
| Qwen3.5 27B | 17GB（あと5.6GB足りない） | 2bit（IQ2_M） | 11GB | 約63 tok/s推定 |
| Gemma 4 26B-A4B | 17GB（あと5.6GB足りない） | 2bit（IQ2_M） | 10GB | 約220 tok/s推定 |
| Devstral Small 2 24B | 16GB（あと4.0GB足りない） | 2bit（Q2_K） | 10GB | 約69 tok/s推定 |
| Magistral Small 2509 | 16GB（あと4.0GB足りない） | 2bit（Q2_K） | 10GB | 約69 tok/s推定 |
| Devstral Small 2507 | 16GB（あと4.0GB足りない） | 2bit（Q2_K） | 10GB | 約69 tok/s推定 |
| Mistral Small 3.2 24B | 16GB（あと4.0GB足りない） | 2bit（Q2_K） | 10GB | 約69 tok/s推定 |
同じVRAM12GBの機種の中での位置
当サイトにはVRAM12GBの機種が13件あります。帯域幅は912GB/sで13機種中2番目。最速のGeForce RTX 3080 12GB（912GB/s）の約100%、最も遅いGeForce RTX 2060 12GB（336GB/s）の約2.7倍です。この機種のVRAMに収まるのは115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 3080 12GB。VRAM12GBと帯域幅912GB/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2021年から2022年まで1年の幅があり、GeForce RTX 3080 Tiは最も古い機種にあたります（2021年）。5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。
この機種を実際に使うなら
日本語で推論型を回すならDeepSeek-R1 Distill Qwen 14B JapaneseのQ4_K_M（推定67.5tok/s）。考える過程を長く出すタイプでも、この速度なら1,000トークンの思考が15秒ほどで済みます。普段の相談はQwen3 14B、コードはQwen2.5-Coder 14B。
3本とも必要量が10.4〜10.6GBなので、同時に常駐させるのは無理で、1本ずつ入れ替える運用です。Ollamaは使っていないモデルを一定時間で自動的に下ろすため、入れ替えの手間は小さい。ゲームと兼用なら、起動前にモデルを下ろしておかないとVRAMの取り合いになります。
買うときの見どころ
同じ12GBのカードには、帯域幅で3080 Tiを下回るものが多くあります。RTX 4070・4070 SUPER・4070 Tiは504GB/sで、本数は同じ100本。推定速度では3080 Tiが上回る計算です。新しい世代を選ぶ利点は省電力とドライバ対応の長さのほうにあり、生成速度ではありません。
系列の一段上はRTX 3090で+58本。帯域幅は936GB/sとほぼ同じなので、3080 Tiから乗り換えて得られるのは速度ではなく容量だけ、と割り切って考えましょう。
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8番目です。一段上のGeForce RTX 3090（VRAM24GB）にすると、4bit以上で動くモデルが58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（12GB） |
|---|---|---|
| Stable Diffusion / SDXL | VRAM 12GB | 快適 |
| FLUX / 高品質画像生成 | VRAM 16GB | 動かない あと4GB |
| 動画生成AI（Wan / Hunyuan / LTX） | VRAM 24GB | 動かない あと12GB |
| 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12GB |
| ローカルLLM（70B〜120B MoE） | VRAM 40GB | 動かない あと28GB |
| 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 10GB | 10GB | 760 GB/s | 111 |
| GeForce RTX 5070 | 12GB | 672 GB/s | 135 |
| GeForce RTX 2080 Ti | 11GB | 616 GB/s | 119 |
| 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 3080 TiでローカルLLMは動く？
動きます。VRAM12GB（実効約12GB）に、収録204モデル中115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68 tok/sです。
GeForce RTX 3080 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0.8GB足りません。