GeForce RTX 4060 Ti 8GB 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
無印RTX 4060と比べて、帯域幅は272GB/sから288GB/sへわずかに上がっただけです。Gemma 4 12BのIQ4_XSで推定36.9tok/sと4060の推定29.8tok/sより速く出ますが、こちらは公開ベンチ1件で補正した値、4060側は補正前という違いも差に含まれています。
VRAMに収まる本数は87本で同じ。Tiの名前に払った分は、容量には回っていません。8GBで足りる人に限った型番で、それ以外の人は同じ名前の16GB版を見るべきです。
まず試すなら: Gemma 4 12B（4bit（IQ4_XS）・必要7.0GB・約37 tok/s補正済み）。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790 tok/s補正済み |
| Qwen2.5 0.5B | 8bit（Q8_0） | 1.1GB | 約420 tok/s補正済み |
| Qwen3.5 0.8B | 8bit（Q8_0） | 1.4GB | 約280 tok/s補正済み |
| Gemma 3 1B | 8bit（Q8_0） | 1.6GB | 約220 tok/s補正済み |
| Sarashina2.2 0.5B | 8bit（Q8_0） | 1.8GB | 約220 tok/s補正済み |
| Qwen3 0.6B | 8bit（Q8_0） | 2.0GB | 約220 tok/s補正済み |
| LFM2.5 1.2B JP | 8bit（Q8_0） | 1.8GB | 約190 tok/s補正済み |
| Llama 3.2 1B | 8bit（Q8_0） | 2.0GB | 約170 tok/s補正済み |
| EXAONE 4.0 1.2B | 8bit（Q8_0） | 2.3GB | 約150 tok/s補正済み |
| TinySwallow 1.5B | 8bit（Q8_0） | 2.3GB | 約140 tok/s補正済み |
| RakutenAI-2.0 mini | 8bit（Q8_0） | 2.4GB | 約130 tok/s補正済み |
| Sarashina2.2 1B | 8bit（Q8_0） | 2.6GB | 約130 tok/s補正済み |
| Ling 3.0 tiny | 6bit（Q6_K） | 7.2GB | 約120 tok/s補正済み |
| Qwen2.5 1.5B | 8bit（Q8_0） | 2.5GB | 約120 tok/s補正済み |
| Qwen3.5 2B | 8bit（Q8_0） | 2.6GB | 約110 tok/s補正済み |
| LFM2.5 8B-A1B | 6bit（Q6_K） | 7.4GB | 約110 tok/s補正済み |
| Qwen3-VL 2B | 8bit（Q8_0） | 3.1GB | 約110 tok/s補正済み |
| Qwen3 1.7B | 8bit（Q8_0） | 3.1GB | 約110 tok/s補正済み |
| LLM-jp-3.1 1.8B | 8bit（Q8_0） | 3.9GB | 約87 tok/s補正済み |
| MiniCPM5 2B | 8bit（Q8_0） | 3.4GB | 約86 tok/s補正済み |
| LFM2.5 2.6B | 8bit（Q8_0） | 3.4GB | 約83 tok/s補正済み |
| LFM2.5-VL 3B | 8bit（Q8_0） | 3.4GB | 約83 tok/s補正済み |
| Gemma 2 Baku 2B | 8bit（Q8_0） | 3.8GB | 約78 tok/s補正済み |
| Qwen2.5-VL 3B | 8bit（Q8_0） | 3.9GB | 約71 tok/s補正済み |
| Qwen2.5-Coder 3B | 8bit（Q8_0） | 3.9GB | 約71 tok/s補正済み |
| Qwen2.5 3B | 8bit（Q8_0） | 3.9GB | 約71 tok/s補正済み |
| SmolLM3 3B | 8bit（Q8_0） | 4.2GB | 約68 tok/s補正済み |
| Llama 3.2 3B | 8bit（Q8_0） | 4.7GB | 約63 tok/s補正済み |
| Ministral 3 3B | 8bit（Q8_0） | 4.8GB | 約60 tok/s補正済み |
| Granite 4.2 3B | 8bit（Q8_0） | 4.9GB | 約58 tok/s補正済み |
| Sarashina2.2 3B | 8bit（Q8_0） | 5.2GB | 約58 tok/s補正済み |
| Gemma 3 4B | 8bit（Q8_0） | 4.7GB | 約57 tok/s補正済み |
| Nemotron 3 Nano 4B | 8bit（Q8_0） | 4.7GB | 約57 tok/s補正済み |
| Qwen3.5 4B | 8bit（Q8_0） | 5.0GB | 約53 tok/s補正済み |
| Phi-4-mini 3.8B | 8bit（Q8_0） | 5.4GB | 約53 tok/s補正済み |
| AREX-Turbo 4B | 8bit（Q8_0） | 5.1GB | 約53 tok/s補正済み |
| Fara1.5 4B | 8bit（Q8_0） | 5.1GB | 約53 tok/s補正済み |
| PLaMo 2 Translate | 3bit（Q3_K_M） | 5.2GB | 約51 tok/s補正済み |
| Nanbeige4.2 3B | 8bit（Q8_0） | 5.4GB | 約51 tok/s補正済み |
| Gemma 3n E2B | 8bit（Q8_0） | 5.2GB | 約50 tok/s補正済み |
| Qwen3-VL 4B | 8bit（Q8_0） | 5.7GB | 約50 tok/s補正済み |
| Qwen3 4B | 8bit（Q8_0） | 5.7GB | 約50 tok/s補正済み |
| Gemma 4 E2B | 8bit（Q8_0） | 5.5GB | 約48 tok/s補正済み |
| AFM-4.5B | 8bit（Q8_0） | 5.8GB | 約47 tok/s補正済み |
| Llama-3-ELYZA-JP-8B | 4bit（Q4_K_M） | 6.2GB | 約45 tok/s補正済み |
| Gemma 4 E4B | 5bit（Q5_K_M） | 6.0GB | 約44 tok/s補正済み |
| Phi-3.5-mini 3.8B | 8bit（Q8_0） | 7.4GB | 約43 tok/s補正済み |
| Granite 4.0 H-Tiny | 6bit（Q6_K） | 6.1GB | 約42 tok/s補正済み |
| Ministral 3 14B | 2bit（Q2_K） | 6.8GB | 約41 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 14B | 2bit（IQ2_M） | 7.1GB | 約40 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 14B Japanese | 2bit（IQ2_M） | 7.1GB | 約40 tok/s補正済み |
| Qwen2.5-Coder 14B | 2bit（IQ2_M） | 7.1GB | 約40 tok/s補正済み |
| Qwen2.5 14B | 2bit（IQ2_M） | 7.1GB | 約40 tok/s補正済み |
| Granite 4.2 8B | 4bit（Q4_K_M） | 7.1GB | 約39 tok/s補正済み |
| Gemma-2-Llama-Swallow 9B | 4bit（IQ4_XS） | 7.4GB | 約39 tok/s補正済み |
| Gemma 2 9B | 4bit（IQ4_XS） | 7.4GB | 約39 tok/s補正済み |
| Llama 3.1 Swallow 8B | 5bit（Q5_K_M） | 7.0GB | 約39 tok/s補正済み |
| DeepSeek-R1 Distill Llama 8B | 5bit（Q5_K_M） | 7.0GB | 約39 tok/s補正済み |
| Llama 3 Youko 8B | 5bit（Q5_K_M） | 7.0GB | 約39 tok/s補正済み |
| Llama 3.1 8B | 5bit（Q5_K_M） | 7.0GB | 約39 tok/s補正済み |
| GLM-4.6V-Flash 9B | 4bit（Q4_K_M） | 6.7GB | 約39 tok/s補正済み |
| Gemma 3n E4B | 6bit（Q6_K） | 6.7GB | 約39 tok/s補正済み |
| Aya Expanse 8B | 5bit（Q5_K_M） | 7.1GB | 約39 tok/s補正済み |
| Apertus 8B | 5bit（Q5_K_M） | 7.1GB | 約38 tok/s補正済み |
| Phi-4 14B | 2bit（Q2_K） | 7.4GB | 約38 tok/s補正済み |
| Mistral Nemo Japanese 12B | 3bit（IQ3_M） | 7.2GB | 約38 tok/s補正済み |
| Mistral Nemo 12B | 3bit（IQ3_M） | 7.2GB | 約38 tok/s補正済み |
| Falcon-H1R 7B | 6bit（Q6_K） | 6.8GB | 約38 tok/s補正済み |
| Qwen3 14B | 2bit（Q2_K） | 7.3GB | 約38 tok/s補正済み |
| Shisa V2.1 unphi4 14B | 2bit（Q2_K） | 7.4GB | 約38 tok/s補正済み |
| Gemma 3 12B | 3bit（Q3_K_M） | 7.1GB | 約38 tok/s補正済み |
| Qwen3-Swallow 8B | 5bit（Q5_K_M） | 7.2GB | 約38 tok/s補正済み |
| Shisa V2.1 Qwen3 8B | 5bit（Q5_K_M） | 7.2GB | 約38 tok/s補正済み |
| Qwen3-VL 8B | 5bit（Q5_K_M） | 7.2GB | 約38 tok/s補正済み |
| DeepSeek-R1-0528 Qwen3 8B | 5bit（Q5_K_M） | 7.2GB | 約38 tok/s補正済み |
| Qwen3 8B | 5bit（Q5_K_M） | 7.2GB | 約38 tok/s補正済み |
| ELYZA-Shortcut-1.0 Qwen 7B | 6bit（Q6_K） | 6.9GB | 約38 tok/s補正済み |
| ABEJA Qwen2.5 7B Japanese | 6bit（Q6_K） | 6.9GB | 約38 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 7B | 6bit（Q6_K） | 6.9GB | 約38 tok/s補正済み |
| Qwen2.5-VL 7B | 6bit（Q6_K） | 6.9GB | 約38 tok/s補正済み |
| Qwen2.5 7B | 6bit（Q6_K） | 6.9GB | 約38 tok/s補正済み |
| Qwen2.5-Coder 7B | 6bit（Q6_K） | 6.9GB | 約38 tok/s補正済み |
| Mistral 7B v0.3 | 6bit（Q6_K） | 7.2GB | 約38 tok/s補正済み |
| Gemma 4 12B | 4bit（IQ4_XS） | 7.0GB | 約37 tok/s補正済み |
| Ministral 3 8B | 5bit（Q5_K_M） | 7.4GB | 約37 tok/s補正済み |
| Ornith 1.0 9B | 5bit（Q5_K_M） | 7.0GB | 約37 tok/s補正済み |
| LLM-jp-4 8B thinking | 5bit（Q5_K_M） | 7.4GB | 約37 tok/s補正済み |
| CAT-Translate 7B | 6bit（Q6_K） | 7.4GB | 約37 tok/s補正済み |
| Qwen3.5 9B | 5bit（Q5_K_M） | 7.1GB | 約36 tok/s補正済み |
| Hunyuan 7B | 6bit（Q6_K） | 7.4GB | 約36 tok/s補正済み |
| Tanuki-8B | 6bit（Q6_K） | 7.4GB | 約36 tok/s補正済み |
| Nemotron Nano 12B v2 | 4bit（IQ4_XS） | 7.2GB | 約36 tok/s補正済み |
| Command R7B | 6bit（Q6_K） | 7.5GB | 約35 tok/s補正済み |
| Ornith 1.5 9B | 5bit（Q5_K_M） | 7.3GB | 約35 tok/s補正済み |
| UI-Mate 9B | 5bit（Q5_K_M） | 7.3GB | 約35 tok/s補正済み |
| UI-Venus-2 9B | 5bit（Q5_K_M） | 7.3GB | 約35 tok/s補正済み |
| Fara1.5 9B | 5bit（Q5_K_M） | 7.3GB | 約35 tok/s補正済み |
| MiMo-V2.6-Distill-Qwen-9B | 5bit（Q5_K_M） | 7.3GB | 約35 tok/s補正済み |
| Nemotron-Nano 9B v2 Japanese | 5bit（Q5_K_M） | 7.4GB | 約34 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3.6 tok/s補正済み |
| Holo4 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約17 tok/s補正済み |
| Nex-N2.5-mini | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約14 tok/s補正済み |
| BigBang v1 35B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約15 tok/s補正済み |
| Granite 4.2 30B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約3.1 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2.7 tok/s補正済み |
| Muse-Glimmer 30B | 2bit（IQ2_M） | 12GB | 遅いCPUオフロード | 約6.6 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18 tok/s補正済み |
| Qwen3.8 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約3.8 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15 tok/s補正済み |
| UI-Mate 27B | 4bit（Q4_K_M） | 18GB | 遅いCPUオフロード | 約3.5 tok/s補正済み |
| Fara1.5 27B | 4bit（Q4_K_M） | 18GB | 遅いCPUオフロード | 約3.5 tok/s補正済み |
| Gemma 4 26B-A4B | 4bit（Q4_K_M） | 17GB | 実用CPUオフロード | 約13 tok/s補正済み |
| Gemma 4 31B | 4bit（Q4_K_M） | 19GB | 遅いCPUオフロード | 約3.1 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18 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17 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17 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15 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17 tok/s補正済み |
| Qwen-AgentWorld 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約17 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14 tok/s補正済み |
| Qwen3.6 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約3.7 tok/s補正済み |
| Qwen3.6 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約17 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15 tok/s補正済み |
| Qwen3.5 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約3.7 tok/s補正済み |
| Qwen3.5 35B-A3B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約17 tok/s補正済み |
| ABEJA Qwen3 14B Agentic | 4bit（Q4_K_M） | 10GB | 実用CPUオフロード | 約11 tok/s補正済み |
| GPT-OSS-Swallow 20B | 4bit（Q4_K_M） | 16GB | 実用CPUオフロード | 約14 tok/s補正済み |
| Qwen3-Swallow 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約15 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16 tok/s補正済み |
| Devstral Small 2 24B | 4bit（Q4_K_M） | 16GB | 遅いCPUオフロード | 約4.5 tok/s補正済み |
| Olmo 3.1 32B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約2.9 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6.5 tok/s補正済み |
| Qwen3-VL 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約15 tok/s補正済み |
| Qwen3-VL 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約2.7 tok/s補正済み |
| ERNIE 4.5 21B-A3B Thinking | 4bit（Q4_K_M） | 14GB | 快適CPUオフロード | 約22 tok/s補正済み |
| Magistral Small 2509 | 4bit（Q4_K_M） | 16GB | 遅いCPUオフロード | 約4.5 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2.9 tok/s補正済み |
| gpt-oss-20b | 4bit（MXFP4） | 12GB | 快適CPUオフロード | 約23 tok/s補正済み |
| Seed-OSS 36B | 4bit（Q4_K_M） | 23GB | 遅いCPUオフロード | 約2.4 tok/s補正済み |
| Devstral Small 2507 | 4bit（Q4_K_M） | 16GB | 遅いCPUオフロード | 約4.5 tok/s補正済み |
| Qwen3 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約15 tok/s補正済み |
| Qwen3-Coder 30B-A3B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約15 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4.5 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2.7 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2.7 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6.0 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2.7 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3.4 tok/s補正済み |
| Qwen3 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約2.7 tok/s補正済み |
| Gemma 3 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約3.7 tok/s補正済み |
| Qwen2.5-VL 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.7 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2.7 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2.7 tok/s補正済み |
| KARAKURI LM 32B Thinking | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.7 tok/s補正済み |
| RakutenAI-2.0 8x7B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約3.7 tok/s補正済み |
| Qwen2.5-Coder 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.7 tok/s補正済み |
| Aya Expanse 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約2.8 tok/s補正済み |
| Qwen2.5 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約2.7 tok/s補正済み |
| Codestral 22B | 4bit（Q4_K_M） | 15GB | 遅いCPUオフロード | 約4.8 tok/s補正済み |
| Mixtral 8x7B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約3.7 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 |
|---|---|---|---|
| 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38 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 14B | 11GB（あと3.1GB足りない） | 2bit（IQ2_M） | 7.1GB | 約40 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 14B Japanese | 11GB（あと3.1GB足りない） | 2bit（IQ2_M） | 7.1GB | 約40 tok/s補正済み |
| Qwen2.5-Coder 14B | 11GB（あと3.1GB足りない） | 2bit（IQ2_M） | 7.1GB | 約40 tok/s補正済み |
| Qwen2.5 14B | 11GB（あと3.1GB足りない） | 2bit（IQ2_M） | 7.1GB | 約40 tok/s補正済み |
| Shisa V2.1 unphi4 14B | 11GB（あと3.1GB足りない） | 2bit（Q2_K） | 7.4GB | 約38 tok/s補正済み |
| Phi-4 14B | 11GB（あと3.3GB足りない） | 2bit（Q2_K） | 7.4GB | 約38 tok/s補正済み |
| Ministral 3 14B | 9.7GB（あと2.1GB足りない） | 2bit（Q2_K） | 6.8GB | 約41 tok/s補正済み |
| Nemotron Nano 12B v2 | 7.9GB（あと0.4GB足りない） | 4bit（IQ4_XS） | 7.2GB | 約36 tok/s補正済み |
| Mistral Nemo Japanese 12B | 8.9GB（あと1.4GB足りない） | 3bit（IQ3_M） | 7.2GB | 約38 tok/s補正済み |
| Mistral Nemo 12B | 8.9GB（あと1.4GB足りない） | 3bit（IQ3_M） | 7.2GB | 約38 tok/s補正済み |
| Gemma 4 12B | 7.8GB（あと0.3GB足りない） | 4bit（IQ4_XS） | 7.0GB | 約37 tok/s補正済み |
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288GB/sで20機種中15番目。最速のGeForce RTX 3070 Ti（608GB/s）の約47%、最も遅いGeForce RTX 3050 8GB（224GB/s）の約1.3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。
この機種と結果が同じになる機種: Radeon RX 7600。VRAM8GB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。
この機種を実際に使うなら
8GBの枠でつまずきやすいのは量子化の選び方です。何も考えずにQ4_K_Mを選ぶと、Gemma-2-Llama-Swallow 9Bは必要8GBで実効7.5GBを超え、一部の層がCPU側に回って遅くなります。IQ4_XSのGGUFを選べば7.4GBで収まり、推定39.1tok/sのまま使えます。
Gemma 4 12Bも同じ事情で、Q4_K_Mなら7.8GB、IQ4_XSで7GB。コード補助はQwen2.5-Coder 7BのQ6_K（推定37.6tok/s）で十分回ります。遅いと感じたら、ツールの表示で全層がGPUに載っているかを最初に確かめましょう。
買うときの見どころ
中古で探すときに一番気をつけたいのは、8GB版と16GB版の取り違えです。どちらも帯域幅288GB/sで、商品名の書き方もほぼ同じ。16GB版なら4bit以上が111本、こちらは87本です。
出品写真に容量が写っていなければ、出品者に確認してから決めるのが確実です。同じ8GBを新品で買うなら、RTX 5060 Ti 8GBは448GB/sで推定速度が上がります。一段上のRTX 4070は13本増え、帯域幅も504GB/sに上がる。8GBのままTiを選ぶ意味は、ローカルLLMに限ればほとんどありません。
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2番目です。一段上のGeForce RTX 4070（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: 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（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 3070 Ti | 8GB | 608 GB/s | 101 |
| 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 |
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（出典）
RTX 4060 Ti の llama.cpp 公開ベンチマーク（GitHub Discussion）: llama-2-7b Q4_0 = 63.86 tok/s。この値からメモリ帯域幅に対する実効係数（85%）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 4060 Ti 8GB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37 tok/sです。
GeForce RTX 4060 Ti 8GB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。