GeForce RTX 4050 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
RTX 40世代のノートで最も下の6GB構成です。動くのは58本で、上限は7B級。ELYZA-Shortcut-1.0 Qwen 7BのQ4_K_Mで推定34tok/sという数字は、llama.cppの公開ベンチ1件で補正したもので、読むより速く文字が出る水準です。
Gemma 4 E4Bは4bitだと余白ゼロで、IQ4_XSに落として収める形。CAT-Translate 7Bはあと0.3GBで入りません。ゲーミングノートの入門機としては成り立っても、ローカルLLMを主目的に選ぶ容量ではありません。
まず試すなら: Gemma 4 E4B（4bit（IQ4_XS）・必要5.3GB・約34 tok/s補正済み）。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540 tok/s補正済み |
| Qwen2.5 0.5B | 8bit（Q8_0） | 1.1GB | 約290 tok/s補正済み |
| Qwen3.5 0.8B | 8bit（Q8_0） | 1.4GB | 約190 tok/s補正済み |
| Gemma 3 1B | 8bit（Q8_0） | 1.6GB | 約150 tok/s補正済み |
| Sarashina2.2 0.5B | 8bit（Q8_0） | 1.8GB | 約150 tok/s補正済み |
| Qwen3 0.6B | 8bit（Q8_0） | 2.0GB | 約150 tok/s補正済み |
| LFM2.5 1.2B JP | 8bit（Q8_0） | 1.8GB | 約130 tok/s補正済み |
| LFM2.5 8B-A1B | 4bit（IQ4_XS） | 4.7GB | 約120 tok/s補正済み |
| Ling 3.0 tiny | 4bit（Q4_K_M） | 5.3GB | 約120 tok/s補正済み |
| Llama 3.2 1B | 8bit（Q8_0） | 2.0GB | 約110 tok/s補正済み |
| EXAONE 4.0 1.2B | 8bit（Q8_0） | 2.3GB | 約100 tok/s補正済み |
| TinySwallow 1.5B | 8bit（Q8_0） | 2.3GB | 約95 tok/s補正済み |
| RakutenAI-2.0 mini | 8bit（Q8_0） | 2.4GB | 約92 tok/s補正済み |
| Sarashina2.2 1B | 8bit（Q8_0） | 2.6GB | 約90 tok/s補正済み |
| Qwen2.5 1.5B | 8bit（Q8_0） | 2.5GB | 約83 tok/s補正済み |
| Qwen3.5 2B | 8bit（Q8_0） | 2.6GB | 約78 tok/s補正済み |
| Qwen3-VL 2B | 8bit（Q8_0） | 3.1GB | 約73 tok/s補正済み |
| Qwen3 1.7B | 8bit（Q8_0） | 3.1GB | 約73 tok/s補正済み |
| LLM-jp-3.1 1.8B | 8bit（Q8_0） | 3.9GB | 約60 tok/s補正済み |
| MiniCPM5 2B | 8bit（Q8_0） | 3.4GB | 約59 tok/s補正済み |
| LFM2.5 2.6B | 8bit（Q8_0） | 3.4GB | 約57 tok/s補正済み |
| LFM2.5-VL 3B | 8bit（Q8_0） | 3.4GB | 約57 tok/s補正済み |
| Gemma 2 Baku 2B | 8bit（Q8_0） | 3.8GB | 約54 tok/s補正済み |
| Qwen2.5-VL 3B | 8bit（Q8_0） | 3.9GB | 約49 tok/s補正済み |
| Qwen2.5-Coder 3B | 8bit（Q8_0） | 3.9GB | 約49 tok/s補正済み |
| Qwen2.5 3B | 8bit（Q8_0） | 3.9GB | 約49 tok/s補正済み |
| SmolLM3 3B | 8bit（Q8_0） | 4.2GB | 約47 tok/s補正済み |
| Phi-3.5-mini 3.8B | 4bit（IQ4_XS） | 5.5GB | 約46 tok/s補正済み |
| Qwen3-VL 8B | 2bit（Q2_K） | 4.8GB | 約43 tok/s補正済み |
| DeepSeek-R1-0528 Qwen3 8B | 2bit（Q2_K） | 4.8GB | 約43 tok/s補正済み |
| Llama 3.2 3B | 8bit（Q8_0） | 4.7GB | 約43 tok/s補正済み |
| Qwen3-VL 4B | 6bit（Q6_K） | 4.8GB | 約43 tok/s補正済み |
| Qwen3 4B | 6bit（Q6_K） | 4.8GB | 約43 tok/s補正済み |
| Ministral 3 8B | 2bit（Q2_K） | 4.8GB | 約43 tok/s補正済み |
| Ministral 3 3B | 8bit（Q8_0） | 4.8GB | 約41 tok/s補正済み |
| AFM-4.5B | 6bit（Q6_K） | 4.7GB | 約41 tok/s補正済み |
| GLM-4.6V-Flash 9B | 2bit（Q2_K） | 4.7GB | 約40 tok/s補正済み |
| Granite 4.2 3B | 8bit（Q8_0） | 4.9GB | 約40 tok/s補正済み |
| Sarashina2.2 3B | 8bit（Q8_0） | 5.2GB | 約39 tok/s補正済み |
| Granite 4.2 8B | 2bit（Q2_K） | 5.2GB | 約39 tok/s補正済み |
| Gemma 3 4B | 8bit（Q8_0） | 4.7GB | 約39 tok/s補正済み |
| Nemotron 3 Nano 4B | 8bit（Q8_0） | 4.7GB | 約39 tok/s補正済み |
| Gemma 4 12B | 2bit（IQ2_M） | 5.0GB | 約38 tok/s補正済み |
| Mistral 7B v0.3 | 4bit（IQ4_XS） | 5.3GB | 約38 tok/s補正済み |
| Qwen3-Swallow 8B | 3bit（IQ3_M） | 5.4GB | 約37 tok/s補正済み |
| Shisa V2.1 Qwen3 8B | 3bit（IQ3_M） | 5.4GB | 約37 tok/s補正済み |
| Qwen3 8B | 3bit（IQ3_M） | 5.4GB | 約37 tok/s補正済み |
| Aya Expanse 8B | 3bit（IQ3_M） | 5.3GB | 約37 tok/s補正済み |
| Llama 3.1 Swallow 8B | 3bit（Q3_K_M） | 5.4GB | 約37 tok/s補正済み |
| DeepSeek-R1 Distill Llama 8B | 3bit（Q3_K_M） | 5.4GB | 約37 tok/s補正済み |
| Llama 3 Youko 8B | 3bit（Q3_K_M） | 5.4GB | 約37 tok/s補正済み |
| Llama 3.1 8B | 3bit（Q3_K_M） | 5.4GB | 約37 tok/s補正済み |
| Command R7B | 3bit（Q3_K_M） | 5.2GB | 約37 tok/s補正済み |
| CAT-Translate 7B | 4bit（IQ4_XS） | 5.4GB | 約36 tok/s補正済み |
| Qwen3.5 4B | 8bit（Q8_0） | 5.0GB | 約36 tok/s補正済み |
| Phi-4-mini 3.8B | 8bit（Q8_0） | 5.4GB | 約36 tok/s補正済み |
| AREX-Turbo 4B | 8bit（Q8_0） | 5.1GB | 約36 tok/s補正済み |
| Fara1.5 4B | 8bit（Q8_0） | 5.1GB | 約36 tok/s補正済み |
| Tanuki-8B | 4bit（IQ4_XS） | 5.4GB | 約36 tok/s補正済み |
| LLM-jp-4 8B thinking | 3bit（IQ3_M） | 5.5GB | 約36 tok/s補正済み |
| Apertus 8B | 3bit（Q3_K_M） | 5.5GB | 約36 tok/s補正済み |
| Hunyuan 7B | 4bit（IQ4_XS） | 5.5GB | 約36 tok/s補正済み |
| Gemma 3 12B | 2bit（IQ2_M） | 5.5GB | 約35 tok/s補正済み |
| PLaMo 2 Translate | 3bit（Q3_K_M） | 5.2GB | 約35 tok/s補正済み |
| Falcon-H1R 7B | 4bit（Q4_K_M） | 5.3GB | 約35 tok/s補正済み |
| Nanbeige4.2 3B | 8bit（Q8_0） | 5.4GB | 約35 tok/s補正済み |
| Qwen3.5 9B | 3bit（Q3_K_M） | 5.2GB | 約35 tok/s補正済み |
| Nemotron Nano 12B v2 | 2bit（Q2_K） | 5.2GB | 約35 tok/s補正済み |
| Ornith 1.0 9B | 3bit（Q3_K_M） | 5.3GB | 約35 tok/s補正済み |
| Gemma 3n E2B | 8bit（Q8_0） | 5.2GB | 約35 tok/s補正済み |
| Gemma 4 E4B | 4bit（IQ4_XS） | 5.3GB | 約34 tok/s補正済み |
| ELYZA-Shortcut-1.0 Qwen 7B | 4bit（Q4_K_M） | 5.4GB | 約34 tok/s補正済み |
| ABEJA Qwen2.5 7B Japanese | 4bit（Q4_K_M） | 5.4GB | 約34 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 7B | 4bit（Q4_K_M） | 5.4GB | 約34 tok/s補正済み |
| Qwen2.5-VL 7B | 4bit（Q4_K_M） | 5.4GB | 約34 tok/s補正済み |
| Qwen2.5 7B | 4bit（Q4_K_M） | 5.4GB | 約34 tok/s補正済み |
| Qwen2.5-Coder 7B | 4bit（Q4_K_M） | 5.4GB | 約34 tok/s補正済み |
| MiMo-V2.6-Distill-Qwen-9B | 3bit（IQ3_M） | 5.4GB | 約34 tok/s補正済み |
| Granite 4.0 H-Tiny | 5bit（Q5_K_M） | 5.3GB | 約33 tok/s補正済み |
| Ornith 1.5 9B | 3bit（Q3_K_M） | 5.5GB | 約33 tok/s補正済み |
| UI-Mate 9B | 3bit（Q3_K_M） | 5.5GB | 約33 tok/s補正済み |
| UI-Venus-2 9B | 3bit（Q3_K_M） | 5.5GB | 約33 tok/s補正済み |
| Fara1.5 9B | 3bit（Q3_K_M） | 5.5GB | 約33 tok/s補正済み |
| Gemma 3n E4B | 5bit（Q5_K_M） | 5.5GB | 約33 tok/s補正済み |
| Gemma 4 E2B | 8bit（Q8_0） | 5.5GB | 約33 tok/s補正済み |
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3.0 tok/s補正済み |
| Holo4 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約15 tok/s補正済み |
| Nex-N2.5-mini | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約13 tok/s補正済み |
| BigBang v1 35B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約13 tok/s補正済み |
| Granite 4.2 30B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約2.7 tok/s補正済み |
| LLM-jp-4 33B thinking | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.3 tok/s補正済み |
| Muse-Glimmer 30B | 2bit（IQ2_M） | 12GB | 遅いCPUオフロード | 約4.9 tok/s補正済み |
| Ornith 1.5 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約16 tok/s補正済み |
| Qwen3.8 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約3.2 tok/s補正済み |
| Thomson 1.0 Small 35B-A3B | 4bit（Q4_K_M） | 21GB | 実用CPUオフロード | 約13 tok/s補正済み |
| UI-Mate 27B | 4bit（Q4_K_M） | 18GB | 遅いCPUオフロード | 約3.0 tok/s補正済み |
| Fara1.5 27B | 4bit（Q4_K_M） | 18GB | 遅いCPUオフロード | 約3.0 tok/s補正済み |
| Gemma 4 26B-A4B | 4bit（Q4_K_M） | 17GB | 実用CPUオフロード | 約11 tok/s補正済み |
| Gemma 4 31B | 4bit（Q4_K_M） | 19GB | 遅いCPUオフロード | 約2.7 tok/s補正済み |
| KAT-Coder-V2.5-Dev 35B-A3B | 4bit（Q4_K_M） | 21GB | 実用CPUオフロード | 約16 tok/s補正済み |
| Laguna XS 2.1 33B-A3B | 4bit（Q4_K_M） | 21GB | 実用CPUオフロード | 約15 tok/s補正済み |
| Ornith 1.0 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約15 tok/s補正済み |
| XYZ-Aquila mini 35B-A3B | 4bit（Q4_K_M） | 21GB | 実用CPUオフロード | 約13 tok/s補正済み |
| North Mini Code 1.0 | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約14 tok/s補正済み |
| Qwen-AgentWorld 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約15 tok/s補正済み |
| Nemotron 3 Nano Omni 30B-A3B | 4bit（Q4_K_M） | 23GB | 実用CPUオフロード | 約13 tok/s補正済み |
| Qwen3.6 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約3.1 tok/s補正済み |
| Qwen3.6 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約15 tok/s補正済み |
| LLM-jp-4 32B-A3B thinking | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約13 tok/s補正済み |
| Qwen3.5 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約3.1 tok/s補正済み |
| Qwen3.5 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約15 tok/s補正済み |
| ABEJA Qwen3 14B Agentic | 4bit（Q4_K_M） | 10GB | 遅いCPUオフロード | 約7.0 tok/s補正済み |
| GPT-OSS-Swallow 20B | 4bit（Q4_K_M） | 16GB | 実用CPUオフロード | 約12 tok/s補正済み |
| Nemotron-Nano 9B v2 Japanese | 4bit（Q4_K_M） | 6.9GB | 実用CPUオフロード | 約16 tok/s補正済み |
| Qwen3-Swallow 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約13 tok/s補正済み |
| GLM-4.7-Flash 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約14 tok/s補正済み |
| Devstral Small 2 24B | 4bit（Q4_K_M） | 16GB | 遅いCPUオフロード | 約3.7 tok/s補正済み |
| Ministral 3 14B | 4bit（Q4_K_M） | 9.7GB | 遅いCPUオフロード | 約8.0 tok/s補正済み |
| Olmo 3.1 32B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約2.5 tok/s補正済み |
| Shisa V2.1 unphi4 14B | 4bit（Q4_K_M） | 11GB | 遅いCPUオフロード | 約6.8 tok/s補正済み |
| Granite 4.0 H-Small 32B-A9B | 4bit（Q4_K_M） | 19GB | 遅いCPUオフロード | 約5.6 tok/s補正済み |
| Qwen3-VL 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約13 tok/s補正済み |
| Qwen3-VL 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約2.4 tok/s補正済み |
| ERNIE 4.5 21B-A3B Thinking | 4bit（Q4_K_M） | 14GB | 実用CPUオフロード | 約17 tok/s補正済み |
| Magistral Small 2509 | 4bit（Q4_K_M） | 16GB | 遅いCPUオフロード | 約3.7 tok/s補正済み |
| EXAONE 4.0.1 32B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約2.5 tok/s補正済み |
| gpt-oss-20b | 4bit（MXFP4） | 12GB | 実用CPUオフロード | 約17 tok/s補正済み |
| Seed-OSS 36B | 4bit（Q4_K_M） | 23GB | 遅いCPUオフロード | 約2.1 tok/s補正済み |
| Devstral Small 2507 | 4bit（Q4_K_M） | 16GB | 遅いCPUオフロード | 約3.7 tok/s補正済み |
| Qwen3 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約13 tok/s補正済み |
| Qwen3-Coder 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約13 tok/s補正済み |
| Mistral Small 3.2 24B | 4bit（Q4_K_M） | 16GB | 遅いCPUオフロード | 約3.7 tok/s補正済み |
| ABEJA Qwen2.5 32B Japanese | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.4 tok/s補正済み |
| ELYZA-Shortcut-1.0 Qwen 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.4 tok/s補正済み |
| LLM-jp-3.1 13B | 4bit（Q4_K_M） | 15GB | 遅いCPUオフロード | 約4.8 tok/s補正済み |
| ELYZA-Thinking-1.0 Qwen 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.4 tok/s補正済み |
| Gemma-2-Llama-Swallow 27B | 4bit（Q4_K_M） | 19GB | 遅いCPUオフロード | 約2.9 tok/s補正済み |
| Gemma-2-Llama-Swallow 9B | 4bit（Q4_K_M） | 8.0GB | 実用CPUオフロード | 約12 tok/s補正済み |
| Qwen3 14B | 4bit（Q4_K_M） | 10GB | 遅いCPUオフロード | 約7.0 tok/s補正済み |
| Qwen3 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約2.4 tok/s補正済み |
| Gemma 3 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約3.1 tok/s補正済み |
| Qwen2.5-VL 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.4 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 14B | 4bit（Q4_K_M） | 11GB | 遅いCPUオフロード | 約6.8 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 14B Japanese | 4bit（Q4_K_M） | 11GB | 遅いCPUオフロード | 約6.8 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.4 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 32B Japanese | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.4 tok/s補正済み |
| KARAKURI LM 32B Thinking | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.4 tok/s補正済み |
| Phi-4 14B | 4bit（Q4_K_M） | 11GB | 遅いCPUオフロード | 約6.7 tok/s補正済み |
| Qwen2.5-Coder 14B | 4bit（Q4_K_M） | 11GB | 遅いCPUオフロード | 約6.8 tok/s補正済み |
| Qwen2.5-Coder 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.4 tok/s補正済み |
| Aya Expanse 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約2.5 tok/s補正済み |
| Qwen2.5 14B | 4bit（Q4_K_M） | 11GB | 遅いCPUオフロード | 約6.8 tok/s補正済み |
| Qwen2.5 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.4 tok/s補正済み |
| Mistral Nemo Japanese 12B | 4bit（Q4_K_M） | 8.9GB | 実用CPUオフロード | 約9.3 tok/s補正済み |
| Mistral Nemo 12B | 4bit（Q4_K_M） | 8.9GB | 実用CPUオフロード | 約9.3 tok/s補正済み |
| Gemma 2 9B | 4bit（Q4_K_M） | 8.0GB | 実用CPUオフロード | 約12 tok/s補正済み |
| Llama-3-ELYZA-JP-8B | 4bit（Q4_K_M） | 6.2GB | 快適CPUオフロード | 約22 tok/s補正済み |
| Codestral 22B | 4bit（Q4_K_M） | 15GB | 遅いCPUオフロード | 約3.9 tok/s補正済み |
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35 tok/s補正済み |
| Gemma 4 12B | 7.8GB（あと2.3GB足りない） | 2bit（IQ2_M） | 5.0GB | 約38 tok/s補正済み |
| Gemma 3 12B | 8.3GB（あと2.8GB足りない） | 2bit（IQ2_M） | 5.5GB | 約35 tok/s補正済み |
| GLM-4.6V-Flash 9B | 6.7GB（あと1.2GB足りない） | 2bit（Q2_K） | 4.7GB | 約40 tok/s補正済み |
| MiMo-V2.6-Distill-Qwen-9B | 6.3GB（あと0.8GB足りない） | 3bit（IQ3_M） | 5.4GB | 約34 tok/s補正済み |
| Ornith 1.5 9B | 6.4GB（あと0.9GB足りない） | 3bit（Q3_K_M） | 5.5GB | 約33 tok/s補正済み |
| UI-Mate 9B | 6.4GB（あと0.9GB足りない） | 3bit（Q3_K_M） | 5.5GB | 約33 tok/s補正済み |
| UI-Venus-2 9B | 6.4GB（あと0.9GB足りない） | 3bit（Q3_K_M） | 5.5GB | 約33 tok/s補正済み |
| Fara1.5 9B | 6.4GB（あと0.9GB足りない） | 3bit（Q3_K_M） | 5.5GB | 約33 tok/s補正済み |
| Ornith 1.0 9B | 6.2GB（あと0.7GB足りない） | 3bit（Q3_K_M） | 5.3GB | 約35 tok/s補正済み |
| Qwen3.5 9B | 6.2GB（あと0.7GB足りない） | 3bit（Q3_K_M） | 5.2GB | 約35 tok/s補正済み |
| Granite 4.2 8B | 7.1GB（あと1.6GB足りない） | 2bit（Q2_K） | 5.2GB | 約39 tok/s補正済み |
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192GB/sで、この容量では最も遅い部類です。最速のGeForce RTX 2060 6GB（336GB/s）と比べると生成速度はおよそ57%になります。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。
この機種は公開ベンチマークで速度を補正しているので、表の速度は他機種の係数を流用した推定より当てになります。
この機種は2023年の発売で、いま3年目です。
同じVRAM6GBの中では最も新しい機種です。同じ容量では2019年のGeForce RTX 2060 6GBまで遡れますが、動くモデルの数はどれも変わりません。
この機種を実際に使うなら
コード補助にはQwen2.5-Coder 7BのQ4_K_M（推定34tok/s）が使えますが、長いファイルを丸ごと渡すとKVキャッシュで6GBを超えます。補完や短い関数の生成に絞るのが現実的。日本語の対話ならABEJA Qwen2.5 7B Japaneseを同じQ4_K_Mで。
帯域幅192GB/sは1世代前のRTX 3050 Laptopと同じ数字で、容量が2GB増えたぶん7B級に届いた、という位置づけです。内蔵GPUが画面を描く構成の機種なら、VRAMをモデルにほぼ全部回せます。推論はバッテリーではなく電源につないだ状態で。
買うときの見どころ
比べるべきは同じ6GBのRTX 3060 Laptopです。帯域幅は336GB/sと4050 Laptopの1.75倍で、7B級の推定速度も52.5tok/sと上。世代が新しいほど速い、とはローカルLLMでは限りません。一段上のRTX 4060 Laptopは8GBで+29本の87本になり、Gemma 4 12BやQwen3.5 9Bが入ってきます。
予算に少しでも余裕があるなら、AI用途では差額を払って8GBへ上げるほうが得です。GPUは本体に固定されていて、買ったあとで容量を足す手段はありません。
RTX 40 Laptopシリーズの中での位置
ノート向けの前世代です。RTX 40 Laptopシリーズ5機種の中では、容量が小さいほうから1番目です。一段上のGeForce RTX 4060 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: 電源アダプタを外すとGPUの電力枠が絞られ、生成速度が落ちます。バッテリー駆動での作業を前提にしないでください。 シリーズ全体の選び方はRTX 40 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 3060 Laptop | 6GB | 336 GB/s | 86 |
| 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 |
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（出典）
RTX 4050 Laptop の llama.cpp 公開ベンチマーク（GitHub Discussion）: llama-2-7b Q4_0 = 43.72 tok/s。この値からメモリ帯域幅に対する実効係数（87%）を求め、他モデルの速度推定に使っています。
よくある質問
GeForce RTX 4050 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34 tok/sです。
GeForce RTX 4050 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。