GeForce RTX 4060 Ti 16GB で動くローカルLLM一覧（2026年10月）
107快適（20 tok/s以上）
48実用（8〜20 tok/s）
8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
RTX 40・50のデスクトップ向け16GBで、「実用」判定が24本混じるのはこの1枚だけです。帯域幅が288GB/sと細いため、Qwen3.8 27BのIQ4_XSはVRAMに収まっても推定14.4tok/s。同じ16GBのRTX 4080なら推定37.5tok/sです。
一方、MoEのGemma 4 26B-A4Bは推定53.4tok/sで快適に回ります。容量は16GBでも、帯域幅は8GB級のカード並み。27Bのdense型（MoEではない通常の構造）の遅さを待てる人と、MoE中心で使う人に向きます。
まず試すなら: Gemma 4 26B-A4B（4bit（IQ4_XS）・必要14GB・約53 tok/s推定）。2026年のGoogle製MoE。メモリ24〜32GBで速い
足りないのは: Gemma 3 27Bを動かすにはVRAMがあと約1.9GB必要（必要17GB / 実効16GB）。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 27Bが動く機種に買い替えるなら
- ぴったりMac mini M4 Pro（メモリ48GB・SSD 1TB）目安 30〜36万円
- 余裕を持つならMac mini M4 Pro（メモリ64GB・SSD 1TB）目安 36〜42万円
- 別の形ならRyzen AI Max+ 395 ミニPC（メモリ128GB）目安 32〜48万円
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）。
| モデル | 量子化 | 必要 | 判定 | 推定速度 |
|---|---|---|---|---|
| Gemma 3 270M | 8bit（Q8_0） | 0.8GB | 快適 | 約680 tok/s推定 |
| Qwen2.5 0.5B | 8bit（Q8_0） | 1.1GB | 快適 | 約360 tok/s推定 |
| Qwen3.5 0.8B | 8bit（Q8_0） | 1.4GB | 快適 | 約240 tok/s推定 |
| Gemma 3 1B | 8bit（Q8_0） | 1.6GB | 快適 | 約190 tok/s推定 |
| Sarashina2.2 0.5B | 8bit（Q8_0） | 1.8GB | 快適 | 約190 tok/s推定 |
| Qwen3 0.6B | 8bit（Q8_0） | 2.0GB | 快適 | 約190 tok/s推定 |
| LFM2.5 1.2B JP | 8bit（Q8_0） | 1.8GB | 快適 | 約160 tok/s推定 |
| Llama 3.2 1B | 8bit（Q8_0） | 2.0GB | 快適 | 約140 tok/s推定 |
| EXAONE 4.0 1.2B | 8bit（Q8_0） | 2.3GB | 快適 | 約130 tok/s推定 |
| TinySwallow 1.5B | 8bit（Q8_0） | 2.3GB | 快適 | 約120 tok/s推定 |
| Qwen3.5 35B-A3B | 2bit（IQ2_M） | 12GB | 快適 | 約120 tok/s推定 |
| Qwen3.6 35B-A3B | 2bit（IQ2_M） | 12GB | 快適 | 約120 tok/s推定 |
| Ornith 1.0 35B-A3B | 2bit（IQ2_M） | 12GB | 快適 | 約120 tok/s推定 |
| Qwen-AgentWorld 35B-A3B | 2bit（IQ2_M） | 12GB | 快適 | 約120 tok/s推定 |
| RakutenAI-2.0 mini | 8bit（Q8_0） | 2.4GB | 快適 | 約120 tok/s推定 |
| Sarashina2.2 1B | 8bit（Q8_0） | 2.6GB | 快適 | 約110 tok/s推定 |
| KAT-Coder-V2.5-Dev 35B-A3B | 2bit（Q2_K） | 13GB | 快適 | 約110 tok/s推定 |
| Ornith 1.5 35B-A3B | 2bit（Q2_K） | 13GB | 快適 | 約110 tok/s推定 |
| Qwen2.5 1.5B | 8bit（Q8_0） | 2.5GB | 快適 | 約100 tok/s推定 |
| Qwen3.5 2B | 8bit（Q8_0） | 2.6GB | 快適 | 約98 tok/s推定 |
| Holo4 35B-A3B | 2bit（Q2_K） | 14GB | 快適 | 約98 tok/s推定 |
| Laguna XS 2.1 33B-A3B | 2bit（Q2_K） | 13GB | 快適 | 約97 tok/s推定 |
| Qwen3-VL 2B | 8bit（Q8_0） | 3.1GB | 快適 | 約91 tok/s推定 |
| Qwen3 1.7B | 8bit（Q8_0） | 3.1GB | 快適 | 約91 tok/s推定 |
| Thomson 1.0 Small 35B-A3B | 2bit（Q2_K） | 13GB | 快適 | 約90 tok/s推定 |
| XYZ-Aquila mini 35B-A3B | 2bit（Q2_K） | 13GB | 快適 | 約90 tok/s推定 |
| BigBang v1 35B | 2bit（Q2_K） | 13GB | 快適 | 約88 tok/s推定 |
| Ling 3.0 tiny | 8bit（Q8_0） | 8.7GB | 快適 | 約87 tok/s推定 |
| Nex-N2.5-mini | 2bit（Q2_K） | 14GB | 快適 | 約83 tok/s推定 |
| LFM2.5 8B-A1B | 8bit（Q8_0） | 9.2GB | 快適 | 約76 tok/s推定 |
| North Mini Code 1.0 | 3bit（Q3_K_M） | 15GB | 快適 | 約76 tok/s推定 |
| LLM-jp-3.1 1.8B | 8bit（Q8_0） | 3.9GB | 快適 | 約75 tok/s推定 |
| MiniCPM5 2B | 8bit（Q8_0） | 3.4GB | 快適 | 約73 tok/s推定 |
| LFM2.5 2.6B | 8bit（Q8_0） | 3.4GB | 快適 | 約71 tok/s推定 |
| LFM2.5-VL 3B | 8bit（Q8_0） | 3.4GB | 快適 | 約71 tok/s推定 |
| Gemma 2 Baku 2B | 8bit（Q8_0） | 3.8GB | 快適 | 約67 tok/s推定 |
| GLM-4.7-Flash 30B-A3B | 3bit（Q3_K_M） | 15GB | 快適 | 約67 tok/s推定 |
| Qwen3-Swallow 30B-A3B | 3bit（Q3_K_M） | 15GB | 快適 | 約63 tok/s推定 |
| Qwen3-VL 30B-A3B | 3bit（Q3_K_M） | 15GB | 快適 | 約63 tok/s推定 |
| Qwen3 30B-A3B | 3bit（Q3_K_M） | 15GB | 快適 | 約63 tok/s推定 |
| Qwen3-Coder 30B-A3B | 3bit（Q3_K_M） | 15GB | 快適 | 約63 tok/s推定 |
| Qwen2.5-VL 3B | 8bit（Q8_0） | 3.9GB | 快適 | 約61 tok/s推定 |
| Qwen2.5-Coder 3B | 8bit（Q8_0） | 3.9GB | 快適 | 約61 tok/s推定 |
| Qwen2.5 3B | 8bit（Q8_0） | 3.9GB | 快適 | 約61 tok/s推定 |
| ERNIE 4.5 21B-A3B Thinking | 4bit（Q4_K_M） | 14GB | 快適 | 約61 tok/s推定 |
| SmolLM3 3B | 8bit（Q8_0） | 4.2GB | 快適 | 約58 tok/s推定 |
| gpt-oss-20b | 4bit（MXFP4） | 12GB | 快適 | 約57 tok/s推定 |
| GPT-OSS-Swallow 20B | 3bit（Q3_K_M） | 13GB | 快適 | 約54 tok/s推定 |
| Llama 3.2 3B | 8bit（Q8_0） | 4.7GB | 快適 | 約54 tok/s推定 |
| Gemma 4 26B-A4B | 4bit（IQ4_XS） | 14GB | 快適 | 約53 tok/s推定 |
| Ministral 3 3B | 8bit（Q8_0） | 4.8GB | 快適 | 約51 tok/s推定 |
| Granite 4.2 3B | 8bit（Q8_0） | 4.9GB | 快適 | 約49 tok/s推定 |
| Sarashina2.2 3B | 8bit（Q8_0） | 5.2GB | 快適 | 約49 tok/s推定 |
| Gemma 3 4B | 8bit（Q8_0） | 4.7GB | 快適 | 約49 tok/s推定 |
| Nemotron 3 Nano 4B | 8bit（Q8_0） | 4.7GB | 快適 | 約49 tok/s推定 |
| Qwen3.5 4B | 8bit（Q8_0） | 5.0GB | 快適 | 約45 tok/s推定 |
| Phi-4-mini 3.8B | 8bit（Q8_0） | 5.4GB | 快適 | 約45 tok/s推定 |
| AREX-Turbo 4B | 8bit（Q8_0） | 5.1GB | 快適 | 約45 tok/s推定 |
| Fara1.5 4B | 8bit（Q8_0） | 5.1GB | 快適 | 約45 tok/s推定 |
| Nanbeige4.2 3B | 8bit（Q8_0） | 5.4GB | 快適 | 約44 tok/s推定 |
| Gemma 3n E2B | 8bit（Q8_0） | 5.2GB | 快適 | 約43 tok/s推定 |
| Qwen3-VL 4B | 8bit（Q8_0） | 5.7GB | 快適 | 約43 tok/s推定 |
| Qwen3 4B | 8bit（Q8_0） | 5.7GB | 快適 | 約43 tok/s推定 |
| Gemma 4 E2B | 8bit（Q8_0） | 5.5GB | 快適 | 約41 tok/s推定 |
| AFM-4.5B | 8bit（Q8_0） | 5.8GB | 快適 | 約40 tok/s推定 |
| Llama-3-ELYZA-JP-8B | 4bit（Q4_K_M） | 6.2GB | 快適 | 約38 tok/s推定 |
| Phi-3.5-mini 3.8B | 8bit（Q8_0） | 7.4GB | 快適 | 約37 tok/s推定 |
| CAT-Translate 7B | 6bit（Q6_K） | 7.4GB | 快適 | 約31 tok/s推定 |
| Shisa V2.1 Qwen3 8B | 6bit（Q6_K） | 8.1GB | 快適 | 約29 tok/s推定 |
| Granite 4.0 H-Small 32B-A9B | 3bit（Q3_K_M） | 15GB | 快適 | 約29 tok/s推定 |
| Granite 4.0 H-Tiny | 8bit（Q8_0） | 7.7GB | 快適 | 約28 tok/s推定 |
| Gemma 3n E4B | 8bit（Q8_0） | 7.7GB | 快適 | 約28 tok/s推定 |
| Falcon-H1R 7B | 8bit（Q8_0） | 8.6GB | 快適 | 約25 tok/s推定 |
| Mistral 7B v0.3 | 8bit（Q8_0） | 8.9GB | 快適 | 約25 tok/s推定 |
| Gemma 4 E4B | 8bit（Q8_0） | 8.6GB | 快適 | 約25 tok/s推定 |
| ELYZA-Shortcut-1.0 Qwen 7B | 8bit（Q8_0） | 8.7GB | 快適 | 約25 tok/s推定 |
| ABEJA Qwen2.5 7B Japanese | 8bit（Q8_0） | 8.7GB | 快適 | 約25 tok/s推定 |
| DeepSeek-R1 Distill Qwen 7B | 8bit（Q8_0） | 8.7GB | 快適 | 約25 tok/s推定 |
| Qwen2.5-VL 7B | 8bit（Q8_0） | 8.7GB | 快適 | 約25 tok/s推定 |
| Qwen2.5 7B | 8bit（Q8_0） | 8.7GB | 快適 | 約25 tok/s推定 |
| Qwen2.5-Coder 7B | 8bit（Q8_0） | 8.7GB | 快適 | 約25 tok/s推定 |
| Hunyuan 7B | 8bit（Q8_0） | 9.2GB | 快適 | 約25 tok/s推定 |
| Tanuki-8B | 8bit（Q8_0） | 9.2GB | 快適 | 約25 tok/s推定 |
| Command R7B | 8bit（Q8_0） | 9.3GB | 快適 | 約24 tok/s推定 |
| Llama 3.1 Swallow 8B | 8bit（Q8_0） | 9.7GB | 快適 | 約23 tok/s推定 |
| DeepSeek-R1 Distill Llama 8B | 8bit（Q8_0） | 9.7GB | 快適 | 約23 tok/s推定 |
| Aya Expanse 8B | 8bit（Q8_0） | 9.7GB | 快適 | 約23 tok/s推定 |
| Llama 3 Youko 8B | 8bit（Q8_0） | 9.7GB | 快適 | 約23 tok/s推定 |
| Llama 3.1 8B | 8bit（Q8_0） | 9.7GB | 快適 | 約23 tok/s推定 |
| Apertus 8B | 8bit（Q8_0） | 9.7GB | 快適 | 約23 tok/s推定 |
| Qwen3-Swallow 8B | 8bit（Q8_0） | 10.0GB | 快適 | 約22 tok/s推定 |
| Qwen3-VL 8B | 8bit（Q8_0） | 10.0GB | 快適 | 約22 tok/s推定 |
| DeepSeek-R1-0528 Qwen3 8B | 8bit（Q8_0） | 10.0GB | 快適 | 約22 tok/s推定 |
| Qwen3 8B | 8bit（Q8_0） | 10.0GB | 快適 | 約22 tok/s推定 |
| Nemotron-Nano 9B v2 Japanese | 8bit（Q8_0） | 9.7GB | 快適 | 約22 tok/s推定 |
| Ministral 3 8B | 8bit（Q8_0） | 10GB | 快適 | 約22 tok/s推定 |
| MiMo-V2.6-Distill-Qwen-9B | 8bit（Q8_0） | 9.9GB | 快適 | 約22 tok/s推定 |
| Ornith 1.5 9B | 8bit（Q8_0） | 9.9GB | 快適 | 約22 tok/s推定 |
| UI-Mate 9B | 8bit（Q8_0） | 9.9GB | 快適 | 約22 tok/s推定 |
| UI-Venus-2 9B | 8bit（Q8_0） | 9.9GB | 快適 | 約22 tok/s推定 |
| Fara1.5 9B | 8bit（Q8_0） | 9.9GB | 快適 | 約22 tok/s推定 |
| Ornith 1.0 9B | 8bit（Q8_0） | 9.9GB | 快適 | 約22 tok/s推定 |
| LLM-jp-4 8B thinking | 8bit（Q8_0） | 10GB | 快適 | 約22 tok/s推定 |
| Qwen3.5 9B | 8bit（Q8_0） | 9.9GB | 快適 | 約22 tok/s推定 |
| Granite 4.2 8B | 8bit（Q8_0） | 11GB | 快適 | 約21 tok/s推定 |
| GLM-4.6V-Flash 9B | 8bit（Q8_0） | 10GB | 快適 | 約21 tok/s推定 |
| PLaMo 2 Translate | 8bit（Q8_0） | 10GB | 快適 | 約20 tok/s推定 |
| Gemma-2-Llama-Swallow 9B | 8bit（Q8_0） | 12GB | 実用 | 約19 tok/s推定 |
| Gemma 2 9B | 8bit（Q8_0） | 12GB | 実用 | 約19 tok/s推定 |
| Gemma 4 31B | 2bit（IQ2_M） | 12GB | 実用 | 約18 tok/s推定 |
| Ministral 3 14B | 6bit（Q6_K） | 12GB | 実用 | 約18 tok/s推定 |
| LLM-jp-3.1 13B | 4bit（Q4_K_M） | 15GB | 実用 | 約18 tok/s推定 |
| EXAONE 4.0.1 32B | 2bit（Q2_K） | 13GB | 実用 | 約17 tok/s推定 |
| Olmo 3.1 32B | 2bit（Q2_K） | 13GB | 実用 | 約17 tok/s推定 |
| ABEJA Qwen3 14B Agentic | 6bit（Q6_K） | 13GB | 実用 | 約16 tok/s推定 |
| Qwen3 14B | 6bit（Q6_K） | 13GB | 実用 | 約16 tok/s推定 |
| Gemma 4 12B | 8bit（Q8_0） | 13GB | 実用 | 約16 tok/s推定 |
| Shisa V2.1 unphi4 14B | 6bit（Q6_K） | 14GB | 実用 | 約16 tok/s推定 |
| Phi-4 14B | 6bit（Q6_K） | 14GB | 実用 | 約16 tok/s推定 |
| Gemma 3 12B | 8bit（Q8_0） | 13GB | 実用 | 約16 tok/s推定 |
| DeepSeek-R1 Distill Qwen 14B | 6bit（Q6_K） | 14GB | 実用 | 約16 tok/s推定 |
| DeepSeek-R1 Distill Qwen 14B Japanese | 6bit（Q6_K） | 14GB | 実用 | 約16 tok/s推定 |
| Qwen2.5-Coder 14B | 6bit（Q6_K） | 14GB | 実用 | 約16 tok/s推定 |
| Qwen2.5 14B | 6bit（Q6_K） | 14GB | 実用 | 約16 tok/s推定 |
| Nemotron Nano 12B v2 | 8bit（Q8_0） | 13GB | 実用 | 約16 tok/s推定 |
| Qwen3-VL 32B | 2bit（Q2_K） | 14GB | 実用 | 約16 tok/s推定 |
| ABEJA Qwen2.5 32B Japanese | 2bit（Q2_K） | 14GB | 実用 | 約16 tok/s推定 |
| ELYZA-Shortcut-1.0 Qwen 32B | 2bit（Q2_K） | 14GB | 実用 | 約16 tok/s推定 |
| ELYZA-Thinking-1.0 Qwen 32B | 2bit（Q2_K） | 14GB | 実用 | 約16 tok/s推定 |
| Qwen3 32B | 2bit（Q2_K） | 14GB | 実用 | 約16 tok/s推定 |
| Qwen2.5-VL 32B | 2bit（Q2_K） | 14GB | 実用 | 約16 tok/s推定 |
| DeepSeek-R1 Distill Qwen 32B | 2bit（Q2_K） | 14GB | 実用 | 約16 tok/s推定 |
| DeepSeek-R1 Distill Qwen 32B Japanese | 2bit（Q2_K） | 14GB | 実用 | 約16 tok/s推定 |
| KARAKURI LM 32B Thinking | 2bit（Q2_K） | 14GB | 実用 | 約16 tok/s推定 |
| Qwen2.5-Coder 32B | 2bit（Q2_K） | 14GB | 実用 | 約16 tok/s推定 |
| Qwen2.5 32B | 2bit（Q2_K） | 14GB | 実用 | 約16 tok/s推定 |
| Devstral Small 2 24B | 4bit（IQ4_XS） | 14GB | 実用 | 約16 tok/s推定 |
| Aya Expanse 32B | 2bit（Q2_K） | 14GB | 実用 | 約16 tok/s推定 |
| Gemma-2-Llama-Swallow 27B | 3bit（IQ3_M） | 15GB | 実用 | 約15 tok/s推定 |
| Mistral Nemo Japanese 12B | 8bit（Q8_0） | 14GB | 実用 | 約15 tok/s推定 |
| Mistral Nemo 12B | 8bit（Q8_0） | 14GB | 実用 | 約15 tok/s推定 |
| Qwen3.6 27B | 3bit（Q3_K_M） | 14GB | 実用 | 約15 tok/s推定 |
| Seed-OSS 36B | 2bit（IQ2_M） | 15GB | 実用 | 約15 tok/s推定 |
| Gemma 3 27B | 3bit（Q3_K_M） | 14GB | 実用 | 約15 tok/s推定 |
| Muse-Glimmer 30B | 3bit（IQ3_M） | 14GB | 実用 | 約15 tok/s推定 |
| Codestral 22B | 4bit（Q4_K_M） | 15GB | 実用 | 約15 tok/s推定 |
| Granite 4.2 30B | 3bit（IQ3_M） | 15GB | 実用 | 約15 tok/s推定 |
| Qwen3.8 27B | 4bit（IQ4_XS） | 15GB | 実用 | 約14 tok/s推定 |
| UI-Mate 27B | 3bit（Q3_K_M） | 15GB | 実用 | 約14 tok/s推定 |
| Fara1.5 27B | 3bit（Q3_K_M） | 15GB | 実用 | 約14 tok/s推定 |
| AREX-2 27B | 3bit（IQ3_M） | 15GB | 実用 | 約14 tok/s推定 |
| Magistral Small 2509 | 4bit（Q4_K_M） | 16GB | 実用 | 約14 tok/s推定 |
| Devstral Small 2507 | 4bit（Q4_K_M） | 16GB | 実用 | 約14 tok/s推定 |
| Mistral Small 3.2 24B | 4bit（Q4_K_M） | 16GB | 実用 | 約14 tok/s推定 |
| Qwen3.5 27B | 4bit（IQ4_XS） | 15GB | 実用 | 約14 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 |
|---|---|---|---|---|
| LLM-jp-4 33B thinking | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約4.4 tok/s推定 |
| Nemotron 3.5 Lightning 30B-A3B | 8bit（Q8_0） | 33GB | 実用CPUオフロード | 約12 tok/s推定 |
| Nemotron 3 Nano Omni 30B-A3B | 4bit（Q4_K_M） | 23GB | 快適CPUオフロード | 約23 tok/s推定 |
| LLM-jp-4 32B-A3B thinking | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約26 tok/s推定 |
| Kimi Linear 48B-A3B | 4bit（Q4_K_M） | 29GB | 快適CPUオフロード | 約22 tok/s推定 |
| RakutenAI-2.0 8x7B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約5.0 tok/s推定 |
| Tanuki-8x8B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約5.0 tok/s推定 |
| Mixtral 8x7B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約5.1 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 |
|---|---|---|---|
| Shisa V2.1 Llama 3.3 70B | 4bit（Q4_K_M） | 44GB | あと28GB |
| Llama 3.3 Swallow 70B | 4bit（Q4_K_M） | 44GB | あと28GB |
| DeepSeek-R1 Distill Llama 70B | 4bit（Q4_K_M） | 44GB | あと28GB |
| Llama 3.3 70B | 4bit（Q4_K_M） | 44GB | あと28GB |
| Llama 3 Youko 70B | 4bit（Q4_K_M） | 44GB | あと28GB |
| Llama 3.1 70B | 4bit（Q4_K_M） | 44GB | あと28GB |
| Llama 3.1 70B Japanese | 4bit（Q4_K_M） | 44GB | あと28GB |
| Qwen3-Next 80B-A3B | 4bit（Q4_K_M） | 47GB | あと32GB |
| Qwen3-Coder-Next 80B-A3B | 4bit（Q4_K_M） | 47GB | あと32GB |
| Qwen2.5 72B | 4bit（Q4_K_M） | 48GB | あと33GB |
| Hunyuan-A13B 80B | 4bit（Q4_K_M） | 49GB | あと33GB |
| Stockmark-2 100B | 4bit（Q4_K_M） | 58GB | あと43GB |
| gpt-oss-120b | 4bit（MXFP4） | 62GB | あと46GB |
| Llama 4 Scout 17B-16E | 4bit（Q4_K_M） | 65GB | あと49GB |
| Command A 111B | 4bit（Q4_K_M） | 66GB | あと51GB |
| Laguna S 2.1 118B-A8B | 4bit（Q4_K_M） | 71GB | あと56GB |
| Mistral Small 4 119B | 4bit（Q4_K_M） | 72GB | あと56GB |
| GLM-4.5-Air 106B-A12B | 4bit（Q4_K_M） | 72GB | あと56GB |
| Qwen3.5 122B-A10B | 4bit（Q4_K_M） | 74GB | あと59GB |
| Devstral 2 123B | 4bit（Q4_K_M） | 75GB | あと60GB |
| Ling 3.0 flash | 4bit（Q4_K_M） | 75GB | あと60GB |
| Mixtral 8x22B | 4bit（Q4_K_M） | 84GB | あと69GB |
| GPT-OSS-Swallow 120B | 4bit（Q4_K_M） | 85GB | あと70GB |
| Qwen3.8-Flash-Next | 4bit（IQ4_XS） | 91GB | あと75GB |
| Step-3.7-Flash | 4bit（Q4_K_M） | 118GB | あと103GB |
| DeepSeek-V4-Flash | 4bit（IQ4_XS） | 132GB | あと117GB |
| MiniMax-M2.5 229B-A10B | 4bit（Q4_K_M） | 135GB | あと120GB |
| Qwen3 235B-A22B | 4bit（Q4_K_M） | 138GB | あと123GB |
| GLM-5.3-Flash | 4bit（IQ4_XS） | 151GB | あと136GB |
| Inkling Small 264B | 4bit（Q4_K_M） | 157GB | あと141GB |
| MiMo-V2.6-Flash-RL | 4bit（MXFP4） | 161GB | あと146GB |
| ERNIE 4.5 300B-A47B | 4bit（Q4_K_M） | 175GB | あと160GB |
| Hy3 295B-A21B | 4bit（Q4_K_M） | 178GB | あと162GB |
| GLM-4.5 355B-A32B | 4bit（Q4_K_M） | 211GB | あと196GB |
| Qwen3.5 397B-A17B | 4bit（Q4_K_M） | 235GB | あと219GB |
| Llama 4 Maverick 17B-128E | 4bit（Q4_K_M） | 235GB | あと219GB |
| Qwen3-Coder 480B-A35B | 4bit（Q4_K_M） | 281GB | あと265GB |
| Kimi K2.6 | 2bit（IQ2_M） | 329GB | あと314GB |
| GLM-5.3 | 4bit（IQ4_XS） | 352GB | あと337GB |
| RakutenAI-3.0 671B-A37B | 4bit（Q4_K_M） | 390GB | あと374GB |
| Mistral Large 3 675B | 4bit（Q4_K_M） | 392GB | あと376GB |
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VRAM16GB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 |
|---|---|---|---|---|
| Seed-OSS 36B | 23GB（あと7.9GB足りない） | 2bit（IQ2_M） | 15GB | 約15 tok/s推定 |
| BigBang v1 35B | 22GB（あと6.1GB足りない） | 2bit（Q2_K） | 13GB | 約88 tok/s推定 |
| Ornith 1.5 35B-A3B | 22GB（あと6.1GB足りない） | 2bit（Q2_K） | 13GB | 約110 tok/s推定 |
| Holo4 35B-A3B | 22GB（あと6.6GB足りない） | 2bit（Q2_K） | 14GB | 約98 tok/s推定 |
| Nex-N2.5-mini | 22GB（あと6.6GB足りない） | 2bit（Q2_K） | 14GB | 約83 tok/s推定 |
| Thomson 1.0 Small 35B-A3B | 21GB（あと5.7GB足りない） | 2bit（Q2_K） | 13GB | 約90 tok/s推定 |
| KAT-Coder-V2.5-Dev 35B-A3B | 21GB（あと5.7GB足りない） | 2bit（Q2_K） | 13GB | 約110 tok/s推定 |
| Ornith 1.0 35B-A3B | 22GB（あと6.4GB足りない） | 2bit（IQ2_M） | 12GB | 約120 tok/s推定 |
| XYZ-Aquila mini 35B-A3B | 21GB（あと5.7GB足りない） | 2bit（Q2_K） | 13GB | 約90 tok/s推定 |
| Qwen-AgentWorld 35B-A3B | 22GB（あと6.4GB足りない） | 2bit（IQ2_M） | 12GB | 約120 tok/s推定 |
| Qwen3.6 35B-A3B | 22GB（あと6.4GB足りない） | 2bit（IQ2_M） | 12GB | 約120 tok/s推定 |
| Qwen3.5 35B-A3B | 22GB（あと6.3GB足りない） | 2bit（IQ2_M） | 12GB | 約120 tok/s推定 |
同じVRAM16GBの機種の中での位置
当サイトにはVRAM16GBの機種が20件あります。帯域幅は288GB/sで20機種中18番目。最速のGeForce RTX 5080（960GB/s）の約30%、最も遅いRTX 2000 Ada（224GB/s）の約1.3倍です。この機種のVRAMに収まるのは155本で、その中で快適に動くのは107本です。
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: Radeon RX 7600 XT 16GB。VRAM16GBと帯域幅288GB/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2023年から2024年まで1年の幅があり、GeForce RTX 4060 Ti 16GBは最も古い機種にあたります（2023年）。3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
日常の軸はGemma 4 26B-A4BのIQ4_XSに置き、腰を据えて考えさせたいときだけQwen3.8 27Bへ切り替える。この二段構えが素直です。コードの候補はQwen2.5-Coder 14B（Q6_K・推定16.1tok/s）とDevstral Small 2507（Q4_K_M・推定13.9tok/s）ですが、補完のように待ち時間が気になる用途では遅く感じるはず。
14Bを4bitに落として速さを取る手もあります。PCIeはx8接続のカードなので、PCIe 3.0の古いマザーボードでCPUへ層を逃がすと転送でさらに遅くなる。27Bは4bitだとあと1.3GB足りず、IQ4_XSで全層をGPUに載せるのが前提です。
買うときの見どころ
新品で16GBを探しているなら、先にRTX 5060 Ti 16GBと並べましょう。動く本数は111本で同じ、帯域幅は448GB/sで、Qwen3.8 27Bの推定は23.9tok/sと、こちらの14.4tok/sを大きく上回ります。
4060 Ti 16GBを選ぶ理由が立つのは、中古で明らかに安いときです。その場合も、表の速度は同系統機種からの推定でベンチマークによる補正前という点を割り引いて見ておきたい。24GBのRTX 4090まで上げれば4bit以上が47本増えますが、比べる相手としては階級が離れすぎています。型番の末尾が16GBかどうかは、購入前に必ず確かめましょう。
RTX 40シリーズの中での位置
前世代ですが、AI用途では今も現実的な選択肢です。RTX 40シリーズ10機種の中では、容量が小さいほうから6番目です。一段上のGeForce RTX 4090（VRAM24GB）にすると、4bit以上で動くモデルが47本増えます。
買う前に確認すること: 中古で買うならマイニング利用歴とファンの状態。長時間フル稼働させる用途では、購入後にサーマルパッドとグリスを見直す前提で予算を組んでおくと安全です。 シリーズ全体の選び方はRTX 40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（16GB） |
|---|---|---|
| Stable Diffusion / SDXL | VRAM 12GB | 快適 |
| FLUX / 高品質画像生成 | VRAM 16GB | 快適 |
| 動画生成AI（Wan / Hunyuan / LTX） | VRAM 24GB | 動かない あと8GB |
| 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8GB |
| ローカルLLM（70B〜120B MoE） | VRAM 40GB | 動かない あと24GB |
| 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 5080 | 16GB | 960 GB/s | 158 |
| GeForce RTX 5070 Ti | 16GB | 896 GB/s | 158 |
| GeForce RTX 4080 SUPER | 16GB | 736 GB/s | 158 |
| GeForce RTX 4080 | 16GB | 717 GB/s | 158 |
| GeForce RTX 4070 Ti SUPER | 16GB | 672 GB/s | 158 |
| Radeon RX 9070 XT | 16GB | 645 GB/s | 158 |
| Radeon RX 7800 XT | 16GB | 624 GB/s | 158 |
| Radeon RX 9070 | 16GB | 624 GB/s | 158 |
Gemma 3 27B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
要件を満たす中で最も手頃
余裕を持つならMac
Mac mini M4 Pro（メモリ64GB・SSD 1TB）
70BクラスのローカルLLMまで。同じ価格帯のGeForce機より大きいモデルまで動く
M4 Pro・ユニファイドメモリ64GB・SSD 1TB ・ 目安 36〜42万円
将来の用途拡張（大きなモデル・並列エージェント）に余裕
別の形なら常時稼働サーバー型
Ryzen AI Max+ 395 ミニPC（メモリ128GB）
Windows/Linuxで128GBの共有メモリ。GPU側に96GBを割り当てれば、gpt-oss-120bや70Bクラスを常時サーバとして動かせる
Ryzen AI Max+ 395・LPDDR5X 128GB（256GB/s）・NVMe 2TB ・ 目安 32〜48万円
Windows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 4060 Ti 16GBでローカルLLMは動く？
動きます。VRAM16GB（実効約16GB）に、収録204モデル中155本が収まります。日本語チャットならGemma 4 26B-A4B（4bit（IQ4_XS））が推定約53 tok/sです。
GeForce RTX 4060 Ti 16GBで動かないモデルは？
Gemma 3 27Bは4bitで約17GB必要で、VRAMがあと約1.9GB足りません。