GeForce RTX 4060 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
RTX 4060で動くのは204本中87本で、その全部が快適の判定です。いちばん大きいのはGemma 4 12BのIQ4_XS（必要7GB・推定29.8tok/s）。同じ12BでもGemma 3 12Bは4bitであと0.8GB足りず、収まるかどうかの境目はちょうど12Bのところです。
9B前後の日本語モデルとコード補助を1本ずつ回すなら、持っている人が今すぐ手放す理由はありません。14Bを使う予定がある人には、最初から容量の大きいカードを勧めます。
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93 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86 tok/s推定 |
| Qwen3 1.7B | 8bit（Q8_0） | 3.1GB | 約86 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47 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32 tok/s推定 |
| DeepSeek-R1 Distill Llama 8B | 5bit（Q5_K_M） | 7.0GB | 約32 tok/s推定 |
| Llama 3 Youko 8B | 5bit（Q5_K_M） | 7.0GB | 約32 tok/s推定 |
| Llama 3.1 8B | 5bit（Q5_K_M） | 7.0GB | 約32 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 |
| 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 |
| Mistral 7B v0.3 | 6bit（Q6_K） | 7.2GB | 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 |
| LLM-jp-4 8B thinking | 5bit（Q5_K_M） | 7.4GB | 約30 tok/s推定 |
| CAT-Translate 7B | 6bit（Q6_K） | 7.4GB | 約30 tok/s推定 |
| Qwen3.5 9B | 5bit（Q5_K_M） | 7.1GB | 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 |
| 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17 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272GB/sで20機種中17番目。最速のGeForce RTX 3070 Ti（608GB/s）の約45%、最も遅いGeForce RTX 3050 8GB（224GB/s）の約1.2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（73%）を当てています。実機はこれより上下します。
この機種は2023年の発売で、いま3年目です。
同じVRAM8GBでも、これより新しい機種が5件あります（最新はGeForce RTX 5070 Laptop・2025年）。動くモデルの数は変わらないので、選ぶ基準は価格と、ツールの対応がいつまで続くかになります。
この機種を実際に使うなら
CUDAで動くので、OllamaでもLM Studioでも最初の起動で迷う場面は少ないはずです。日本語の相手はQwen3.5 9BをQ5_K_Mで（推定29.4tok/s）。9Bなら4bitより一段上の量子化を選ぶ余白があります。コード補助にはQwen2.5-Coder 7BをQ6_Kで使い、推定30.4tok/s。
この2本を同時にVRAMへ置く余裕はなく、作業ごとに入れ替える運用です。CPUに内蔵グラフィックスがあるなら、モニターをマザーボード側の端子につなぐと、画面表示に取られていたVRAMが戻ります。実効7.5GBの枠では、その差でVRAMに収まるかどうかが変わる組み合わせもある。
買うときの見どころ
比べるべきはRTX 5060です。同じ8GBで帯域幅は272GB/sに対して448GB/s、Gemma 4 12Bの推定速度は29.8tok/sと49.1tok/sに開きます。動く本数はどちらも87本。上のRTX 4060 Ti 8GBは288GB/sで、名前ほどの差はローカルLLMでは出ません。
4060の速度は同系統機種からの推定で、公開ベンチマークでの補正はまだです。一段上のRTX 4070（12GB）なら4bit以上が13本増え、14Bが視野に入ります。中古で安く手に入るなら入門用として筋は通ります。新品で5060との差額が小さいときは、迷わず5060で構いません。
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1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。