GeForce RTX 4060 Laptop 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のノートでもGemma 4 12BがIQ4_XSで回り、必要7GB・推定29.8tok/s。Gemma-2-Llama-Swallow 9BもIQ4_XSなら入りますが、4bitの量子化では必要8GBとなり、0.5GBはみ出します。日本語の文章作成を手元で済ませたい人なら、9B〜12B級が1本ずつ回るこの容量で足ります。
足りなくなるのはQwen3 14Bのような14B級を使いたくなったとき。同じ40世代で8GBを超えるのはRTX 4080 Laptop（12GB）からで、4bit以上が13本増えます。
まず試すなら: Gemma 4 12B（4bit（IQ4_XS）・必要7.0GB・約30 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GPUノート（RTX 5070 Ti Laptop 12GB・メモリ32GB）目安 27〜36万円
- 余裕を持つならGPUノート（RTX 5080 Laptop 16GB・メモリ64GB）目安 38〜55万円
- 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640 tok/s推定 |
| Qwen2.5 0.5B | 8bit（Q8_0） | 1.1GB | 約340 tok/s推定 |
| Qwen3.5 0.8B | 8bit（Q8_0） | 1.4GB | 約220 tok/s推定 |
| Gemma 3 1B | 8bit（Q8_0） | 1.6GB | 約180 tok/s推定 |
| Sarashina2.2 0.5B | 8bit（Q8_0） | 1.8GB | 約180 tok/s推定 |
| Qwen3 0.6B | 8bit（Q8_0） | 2.0GB | 約180 tok/s推定 |
| LFM2.5 1.2B JP | 8bit（Q8_0） | 1.8GB | 約150 tok/s推定 |
| Llama 3.2 1B | 8bit（Q8_0） | 2.0GB | 約140 tok/s推定 |
| EXAONE 4.0 1.2B | 8bit（Q8_0） | 2.3GB | 約120 tok/s推定 |
| TinySwallow 1.5B | 8bit（Q8_0） | 2.3GB | 約110 tok/s推定 |
| RakutenAI-2.0 mini | 8bit（Q8_0） | 2.4GB | 約110 tok/s推定 |
| Sarashina2.2 1B | 8bit（Q8_0） | 2.6GB | 約110 tok/s推定 |
| Ling 3.0 tiny | 6bit（Q6_K） | 7.2GB | 約100 tok/s推定 |
| Qwen2.5 1.5B | 8bit（Q8_0） | 2.5GB | 約98 tok/s推定 |
| Qwen3.5 2B | 8bit（Q8_0） | 2.6GB | 約92 tok/s推定 |
| LFM2.5 8B-A1B | 6bit（Q6_K） | 7.4GB | 約91 tok/s推定 |
| Qwen3-VL 2B | 8bit（Q8_0） | 3.1GB | 約85 tok/s推定 |
| Qwen3 1.7B | 8bit（Q8_0） | 3.1GB | 約85 tok/s推定 |
| LLM-jp-3.1 1.8B | 8bit（Q8_0） | 3.9GB | 約71 tok/s推定 |
| MiniCPM5 2B | 8bit（Q8_0） | 3.4GB | 約69 tok/s推定 |
| LFM2.5 2.6B | 8bit（Q8_0） | 3.4GB | 約67 tok/s推定 |
| LFM2.5-VL 3B | 8bit（Q8_0） | 3.4GB | 約67 tok/s推定 |
| Gemma 2 Baku 2B | 8bit（Q8_0） | 3.8GB | 約63 tok/s推定 |
| Qwen2.5-VL 3B | 8bit（Q8_0） | 3.9GB | 約57 tok/s推定 |
| Qwen2.5-Coder 3B | 8bit（Q8_0） | 3.9GB | 約57 tok/s推定 |
| Qwen2.5 3B | 8bit（Q8_0） | 3.9GB | 約57 tok/s推定 |
| SmolLM3 3B | 8bit（Q8_0） | 4.2GB | 約55 tok/s推定 |
| Llama 3.2 3B | 8bit（Q8_0） | 4.7GB | 約51 tok/s推定 |
| Ministral 3 3B | 8bit（Q8_0） | 4.8GB | 約48 tok/s推定 |
| Granite 4.2 3B | 8bit（Q8_0） | 4.9GB | 約47 tok/s推定 |
| Sarashina2.2 3B | 8bit（Q8_0） | 5.2GB | 約46 tok/s推定 |
| Gemma 3 4B | 8bit（Q8_0） | 4.7GB | 約46 tok/s推定 |
| Nemotron 3 Nano 4B | 8bit（Q8_0） | 4.7GB | 約46 tok/s推定 |
| Qwen3.5 4B | 8bit（Q8_0） | 5.0GB | 約43 tok/s推定 |
| Phi-4-mini 3.8B | 8bit（Q8_0） | 5.4GB | 約43 tok/s推定 |
| AREX-Turbo 4B | 8bit（Q8_0） | 5.1GB | 約43 tok/s推定 |
| Fara1.5 4B | 8bit（Q8_0） | 5.1GB | 約43 tok/s推定 |
| PLaMo 2 Translate | 3bit（Q3_K_M） | 5.2GB | 約41 tok/s推定 |
| Nanbeige4.2 3B | 8bit（Q8_0） | 5.4GB | 約41 tok/s推定 |
| Gemma 3n E2B | 8bit（Q8_0） | 5.2GB | 約41 tok/s推定 |
| Qwen3-VL 4B | 8bit（Q8_0） | 5.7GB | 約40 tok/s推定 |
| Qwen3 4B | 8bit（Q8_0） | 5.7GB | 約40 tok/s推定 |
| Gemma 4 E2B | 8bit（Q8_0） | 5.5GB | 約39 tok/s推定 |
| AFM-4.5B | 8bit（Q8_0） | 5.8GB | 約38 tok/s推定 |
| Llama-3-ELYZA-JP-8B | 4bit（Q4_K_M） | 6.2GB | 約36 tok/s推定 |
| Gemma 4 E4B | 5bit（Q5_K_M） | 6.0GB | 約35 tok/s推定 |
| Phi-3.5-mini 3.8B | 8bit（Q8_0） | 7.4GB | 約35 tok/s推定 |
| Granite 4.0 H-Tiny | 6bit（Q6_K） | 6.1GB | 約34 tok/s推定 |
| Ministral 3 14B | 2bit（Q2_K） | 6.8GB | 約33 tok/s推定 |
| DeepSeek-R1 Distill Qwen 14B | 2bit（IQ2_M） | 7.1GB | 約32 tok/s推定 |
| DeepSeek-R1 Distill Qwen 14B Japanese | 2bit（IQ2_M） | 7.1GB | 約32 tok/s推定 |
| Qwen2.5-Coder 14B | 2bit（IQ2_M） | 7.1GB | 約32 tok/s推定 |
| Qwen2.5 14B | 2bit（IQ2_M） | 7.1GB | 約32 tok/s推定 |
| Granite 4.2 8B | 4bit（Q4_K_M） | 7.1GB | 約32 tok/s推定 |
| Gemma-2-Llama-Swallow 9B | 4bit（IQ4_XS） | 7.4GB | 約32 tok/s推定 |
| Gemma 2 9B | 4bit（IQ4_XS） | 7.4GB | 約32 tok/s推定 |
| Llama 3.1 Swallow 8B | 5bit（Q5_K_M） | 7.0GB | 約31 tok/s推定 |
| DeepSeek-R1 Distill Llama 8B | 5bit（Q5_K_M） | 7.0GB | 約31 tok/s推定 |
| Llama 3 Youko 8B | 5bit（Q5_K_M） | 7.0GB | 約31 tok/s推定 |
| Llama 3.1 8B | 5bit（Q5_K_M） | 7.0GB | 約31 tok/s推定 |
| GLM-4.6V-Flash 9B | 4bit（Q4_K_M） | 6.7GB | 約31 tok/s推定 |
| Apertus 8B | 5bit（Q5_K_M） | 7.1GB | 約31 tok/s推定 |
| Gemma 3n E4B | 6bit（Q6_K） | 6.7GB | 約31 tok/s推定 |
| Aya Expanse 8B | 5bit（Q5_K_M） | 7.1GB | 約31 tok/s推定 |
| Phi-4 14B | 2bit（Q2_K） | 7.4GB | 約31 tok/s推定 |
| Mistral Nemo Japanese 12B | 3bit（IQ3_M） | 7.2GB | 約31 tok/s推定 |
| Mistral Nemo 12B | 3bit（IQ3_M） | 7.2GB | 約31 tok/s推定 |
| Falcon-H1R 7B | 6bit（Q6_K） | 6.8GB | 約31 tok/s推定 |
| Qwen3 14B | 2bit（Q2_K） | 7.3GB | 約31 tok/s推定 |
| Qwen3-Swallow 8B | 5bit（Q5_K_M） | 7.2GB | 約31 tok/s推定 |
| Shisa V2.1 Qwen3 8B | 5bit（Q5_K_M） | 7.2GB | 約31 tok/s推定 |
| Shisa V2.1 unphi4 14B | 2bit（Q2_K） | 7.4GB | 約31 tok/s推定 |
| Qwen3-VL 8B | 5bit（Q5_K_M） | 7.2GB | 約31 tok/s推定 |
| DeepSeek-R1-0528 Qwen3 8B | 5bit（Q5_K_M） | 7.2GB | 約31 tok/s推定 |
| Qwen3 8B | 5bit（Q5_K_M） | 7.2GB | 約31 tok/s推定 |
| Gemma 3 12B | 3bit（Q3_K_M） | 7.1GB | 約31 tok/s推定 |
| Mistral 7B v0.3 | 6bit（Q6_K） | 7.2GB | 約30 tok/s推定 |
| ELYZA-Shortcut-1.0 Qwen 7B | 6bit（Q6_K） | 6.9GB | 約30 tok/s推定 |
| ABEJA Qwen2.5 7B Japanese | 6bit（Q6_K） | 6.9GB | 約30 tok/s推定 |
| DeepSeek-R1 Distill Qwen 7B | 6bit（Q6_K） | 6.9GB | 約30 tok/s推定 |
| Qwen2.5-VL 7B | 6bit（Q6_K） | 6.9GB | 約30 tok/s推定 |
| Qwen2.5 7B | 6bit（Q6_K） | 6.9GB | 約30 tok/s推定 |
| Qwen2.5-Coder 7B | 6bit（Q6_K） | 6.9GB | 約30 tok/s推定 |
| Gemma 4 12B | 4bit（IQ4_XS） | 7.0GB | 約30 tok/s推定 |
| Ministral 3 8B | 5bit（Q5_K_M） | 7.4GB | 約30 tok/s推定 |
| Ornith 1.0 9B | 5bit（Q5_K_M） | 7.0GB | 約30 tok/s推定 |
| CAT-Translate 7B | 6bit（Q6_K） | 7.4GB | 約30 tok/s推定 |
| LLM-jp-4 8B thinking | 5bit（Q5_K_M） | 7.4GB | 約29 tok/s推定 |
| Hunyuan 7B | 6bit（Q6_K） | 7.4GB | 約29 tok/s推定 |
| Tanuki-8B | 6bit（Q6_K） | 7.4GB | 約29 tok/s推定 |
| Qwen3.5 9B | 5bit（Q5_K_M） | 7.1GB | 約29 tok/s推定 |
| Nemotron Nano 12B v2 | 4bit（IQ4_XS） | 7.2GB | 約29 tok/s推定 |
| Command R7B | 6bit（Q6_K） | 7.5GB | 約28 tok/s推定 |
| Ornith 1.5 9B | 5bit（Q5_K_M） | 7.3GB | 約28 tok/s推定 |
| UI-Mate 9B | 5bit（Q5_K_M） | 7.3GB | 約28 tok/s推定 |
| UI-Venus-2 9B | 5bit（Q5_K_M） | 7.3GB | 約28 tok/s推定 |
| Fara1.5 9B | 5bit（Q5_K_M） | 7.3GB | 約28 tok/s推定 |
| MiMo-V2.6-Distill-Qwen-9B | 5bit（Q5_K_M） | 7.3GB | 約28 tok/s推定 |
| Nemotron-Nano 9B v2 Japanese | 5bit（Q5_K_M） | 7.4GB | 約28 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3.5 tok/s推定 |
| Holo4 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約16 tok/s推定 |
| Nex-N2.5-mini | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約14 tok/s推定 |
| BigBang v1 35B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約14 tok/s推定 |
| Granite 4.2 30B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約3.0 tok/s推定 |
| LLM-jp-4 33B thinking | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.6 tok/s推定 |
| Muse-Glimmer 30B | 2bit（IQ2_M） | 12GB | 遅いCPUオフロード | 約6.3 tok/s推定 |
| Ornith 1.5 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約17 tok/s推定 |
| Qwen3.8 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約3.7 tok/s推定 |
| Thomson 1.0 Small 35B-A3B | 4bit（Q4_K_M） | 21GB | 実用CPUオフロード | 約15 tok/s推定 |
| UI-Mate 27B | 4bit（Q4_K_M） | 18GB | 遅いCPUオフロード | 約3.4 tok/s推定 |
| Fara1.5 27B | 4bit（Q4_K_M） | 18GB | 遅いCPUオフロード | 約3.4 tok/s推定 |
| Gemma 4 26B-A4B | 4bit（Q4_K_M） | 17GB | 実用CPUオフロード | 約13 tok/s推定 |
| Gemma 4 31B | 4bit（Q4_K_M） | 19GB | 遅いCPUオフロード | 約3.0 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17 tok/s推定 |
| Laguna XS 2.1 33B-A3B | 4bit（Q4_K_M） | 21GB | 実用CPUオフロード | 約17 tok/s推定 |
| Ornith 1.0 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約17 tok/s推定 |
| XYZ-Aquila mini 35B-A3B | 4bit（Q4_K_M） | 21GB | 実用CPUオフロード | 約15 tok/s推定 |
| North Mini Code 1.0 | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約16 tok/s推定 |
| Qwen-AgentWorld 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約17 tok/s推定 |
| Nemotron 3 Nano Omni 30B-A3B | 4bit（Q4_K_M） | 23GB | 実用CPUオフロード | 約14 tok/s推定 |
| Qwen3.6 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約3.6 tok/s推定 |
| Qwen3.6 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約17 tok/s推定 |
| LLM-jp-4 32B-A3B thinking | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約15 tok/s推定 |
| Qwen3.5 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約3.6 tok/s推定 |
| Qwen3.5 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約17 tok/s推定 |
| ABEJA Qwen3 14B Agentic | 4bit（Q4_K_M） | 10GB | 実用CPUオフロード | 約9.8 tok/s推定 |
| GPT-OSS-Swallow 20B | 4bit（Q4_K_M） | 16GB | 実用CPUオフロード | 約14 tok/s推定 |
| Qwen3-Swallow 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約15 tok/s推定 |
| GLM-4.7-Flash 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約16 tok/s推定 |
| Devstral Small 2 24B | 4bit（Q4_K_M） | 16GB | 遅いCPUオフロード | 約4.4 tok/s推定 |
| Olmo 3.1 32B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約2.8 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6.3 tok/s推定 |
| Qwen3-VL 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約15 tok/s推定 |
| Qwen3-VL 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約2.7 tok/s推定 |
| ERNIE 4.5 21B-A3B Thinking | 4bit（Q4_K_M） | 14GB | 快適CPUオフロード | 約21 tok/s推定 |
| Magistral Small 2509 | 4bit（Q4_K_M） | 16GB | 遅いCPUオフロード | 約4.4 tok/s推定 |
| EXAONE 4.0.1 32B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約2.9 tok/s推定 |
| gpt-oss-20b | 4bit（MXFP4） | 12GB | 快適CPUオフロード | 約22 tok/s推定 |
| Seed-OSS 36B | 4bit（Q4_K_M） | 23GB | 遅いCPUオフロード | 約2.4 tok/s推定 |
| Devstral Small 2507 | 4bit（Q4_K_M） | 16GB | 遅いCPUオフロード | 約4.4 tok/s推定 |
| Qwen3 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約15 tok/s推定 |
| Qwen3-Coder 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約15 tok/s推定 |
| Mistral Small 3.2 24B | 4bit（Q4_K_M） | 16GB | 遅いCPUオフロード | 約4.4 tok/s推定 |
| ABEJA Qwen2.5 32B Japanese | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.7 tok/s推定 |
| ELYZA-Shortcut-1.0 Qwen 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.7 tok/s推定 |
| LLM-jp-3.1 13B | 4bit（Q4_K_M） | 15GB | 遅いCPUオフロード | 約5.8 tok/s推定 |
| ELYZA-Thinking-1.0 Qwen 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.7 tok/s推定 |
| Gemma-2-Llama-Swallow 27B | 4bit（Q4_K_M） | 19GB | 遅いCPUオフロード | 約3.3 tok/s推定 |
| Qwen3 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約2.7 tok/s推定 |
| Gemma 3 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約3.6 tok/s推定 |
| Qwen2.5-VL 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.7 tok/s推定 |
| DeepSeek-R1 Distill Qwen 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.7 tok/s推定 |
| DeepSeek-R1 Distill Qwen 32B Japanese | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.7 tok/s推定 |
| KARAKURI LM 32B Thinking | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.7 tok/s推定 |
| RakutenAI-2.0 8x7B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約3.6 tok/s推定 |
| Qwen2.5-Coder 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.7 tok/s推定 |
| Aya Expanse 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約2.8 tok/s推定 |
| Qwen2.5 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.7 tok/s推定 |
| Codestral 22B | 4bit（Q4_K_M） | 15GB | 遅いCPUオフロード | 約4.7 tok/s推定 |
| Mixtral 8x7B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約3.6 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 |
|---|---|---|---|
| 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31 tok/s推定 |
| DeepSeek-R1 Distill Qwen 14B | 11GB（あと3.1GB足りない） | 2bit（IQ2_M） | 7.1GB | 約32 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32 tok/s推定 |
| Qwen2.5-Coder 14B | 11GB（あと3.1GB足りない） | 2bit（IQ2_M） | 7.1GB | 約32 tok/s推定 |
| Qwen2.5 14B | 11GB（あと3.1GB足りない） | 2bit（IQ2_M） | 7.1GB | 約32 tok/s推定 |
| Shisa V2.1 unphi4 14B | 11GB（あと3.1GB足りない） | 2bit（Q2_K） | 7.4GB | 約31 tok/s推定 |
| Phi-4 14B | 11GB（あと3.3GB足りない） | 2bit（Q2_K） | 7.4GB | 約31 tok/s推定 |
| Ministral 3 14B | 9.7GB（あと2.1GB足りない） | 2bit（Q2_K） | 6.8GB | 約33 tok/s推定 |
| Nemotron Nano 12B v2 | 7.9GB（あと0.4GB足りない） | 4bit（IQ4_XS） | 7.2GB | 約29 tok/s推定 |
| Mistral Nemo Japanese 12B | 8.9GB（あと1.4GB足りない） | 3bit（IQ3_M） | 7.2GB | 約31 tok/s推定 |
| Mistral Nemo 12B | 8.9GB（あと1.4GB足りない） | 3bit（IQ3_M） | 7.2GB | 約31 tok/s推定 |
| Gemma 4 12B | 7.8GB（あと0.3GB足りない） | 4bit（IQ4_XS） | 7.0GB | 約30 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256GB/sで20機種中18番目。最速のGeForce RTX 3070 Ti（608GB/s）の約42%、最も遅いGeForce RTX 3050 8GB（224GB/s）の約1.1倍です。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（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 4070 Laptop。VRAM8GBと帯域幅256GB/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機種はどちらも2023年の発売なので、発売時期でも差がつきません。選ぶ基準は価格と手に入りやすさになります。
同じ数字の機種と、実際は何が違うか
ノート向けのRTX 4060と4070は、どちらも8GB・256GB/sで、メモリまわりがまったく同じです。違うのは演算ユニットの数と電力枠のほうで、ゲームでは差が出ますが、ローカルLLMのトークン生成は帯域幅が上限を決めるため、当サイトの推定では同じ値になります。
ノート向けを見るときに注意したいのは、同じ型番でも搭載する機種によって電力枠が違う点です。薄型の筐体では上限が低く設定され、長時間の推論でクロックが落ちます。表の速度は、電源に繋いで冷却に余裕がある状態を前提にした値だと考えてください。デスクトップ版のRTX 4060とも別物で、あちらは帯域幅が異なります。型番だけで同じ性能を期待すると外れます。
この機種を実際に使うなら
8GBのノートでローカルLLMを回すなら、8Bクラスを4bitで固定し、コンテキストは短めに絞る運用が現実的です。作業中のブラウザやエディタもVRAMを少し使うため、実際にモデルへ回せるのは7.5GB前後。ここを超えるとシステムメモリに回る分が出て、一気に遅くなります。
ノートで差が出るのは設定より置き方で、机に置いて底面の吸気を確保するだけでも安定します。外出先での利用を考えているなら、バッテリー駆動では電力枠が絞られる点を見込んでおきましょう。腰を据えて回す作業は、電源のある場所に戻ってから、という使い分けになります。
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2番目です。一段上のGeForce RTX 4080 Laptop（VRAM12GB）にすると、4bit以上で動くモデルが13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（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 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 4070 Laptop | 8GB | 256 GB/s | 101 |
| GeForce RTX 4050 Laptop | 6GB | 192 GB/s | 86 |
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
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 5080 Laptop 16GB・メモリ64GB）
ノート1台でFLUX・27BクラスのローカルLLM・並列エージェントまで
RTX 5080 Laptop（VRAM 16GB）・メモリ64GB・NVMe 2TB ・ 目安 38〜55万円
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 4060 Laptop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30 tok/sです。
GeForce RTX 4060 Laptop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。