GeForce RTX 4070 Ti で動くローカルLLM一覧（2026年10月）
編集部の見立て
日本語で14Bを使う人にとって、選べるモデルは揃っています。ABEJA Qwen3 14B AgenticとDeepSeek-R1 Distill Qwen 14B JapaneseがどちらもQ4_K_Mで収まり、推定は37.8tok/sと37.3tok/s。
届かないのは国産のLLM-jp-3.1 13Bで、4bitでも14.8GB要り、あと3.3GBあります。13Bという数字から想像するより重いモデルです。Tiの演算性能はローカルLLMの判定に表れず、容量の上では無印4070と横並び。持っている人は14Bの日本語モデルを軸に据え、LLM-jp系を使うなら16GBのカードを探すことになります。
まず試すなら: ABEJA Qwen3 14B Agentic（4bit（Q4_K_M）・必要10GB・約38 tok/s推定）。エージェント用途と256Kの長文対応を名前に掲げた14B。4bitならVRAM 12GBに収まる
足りないのは: gpt-oss-20bを動かすにはVRAMがあと約0.8GB必要（必要12GB / 実効12GB）。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。
- ぴったり自作: RTX 5070 Ti（16GB）・メモリ32GB目安 27〜35万円
- 余裕を持つなら自作: RTX 5090（32GB）・メモリ96GB目安 60〜80万円
- 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115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1190 tok/s推定 |
| Qwen2.5 0.5B | 8bit（Q8_0） | 1.1GB | 約630 tok/s推定 |
| Qwen3.5 0.8B | 8bit（Q8_0） | 1.4GB | 約410 tok/s推定 |
| Gemma 3 1B | 8bit（Q8_0） | 1.6GB | 約330 tok/s推定 |
| Sarashina2.2 0.5B | 8bit（Q8_0） | 1.8GB | 約330 tok/s推定 |
| Qwen3 0.6B | 8bit（Q8_0） | 2.0GB | 約330 tok/s推定 |
| LFM2.5 1.2B JP | 8bit（Q8_0） | 1.8GB | 約280 tok/s推定 |
| Llama 3.2 1B | 8bit（Q8_0） | 2.0GB | 約250 tok/s推定 |
| EXAONE 4.0 1.2B | 8bit（Q8_0） | 2.3GB | 約230 tok/s推定 |
| TinySwallow 1.5B | 8bit（Q8_0） | 2.3GB | 約210 tok/s推定 |
| RakutenAI-2.0 mini | 8bit（Q8_0） | 2.4GB | 約200 tok/s推定 |
| Sarashina2.2 1B | 8bit（Q8_0） | 2.6GB | 約200 tok/s推定 |
| Qwen2.5 1.5B | 8bit（Q8_0） | 2.5GB | 約180 tok/s推定 |
| North Mini Code 1.0 | 2bit（IQ2_M） | 10GB | 約180 tok/s推定 |
| Qwen3.5 2B | 8bit（Q8_0） | 2.6GB | 約170 tok/s推定 |
| Qwen3-VL 2B | 8bit（Q8_0） | 3.1GB | 約160 tok/s推定 |
| Qwen3 1.7B | 8bit（Q8_0） | 3.1GB | 約160 tok/s推定 |
| Ling 3.0 tiny | 8bit（Q8_0） | 8.7GB | 約150 tok/s推定 |
| LFM2.5 8B-A1B | 8bit（Q8_0） | 9.2GB | 約130 tok/s推定 |
| LLM-jp-3.1 1.8B | 8bit（Q8_0） | 3.9GB | 約130 tok/s推定 |
| ERNIE 4.5 21B-A3B Thinking | 3bit（Q3_K_M） | 11GB | 約130 tok/s推定 |
| MiniCPM5 2B | 8bit（Q8_0） | 3.4GB | 約130 tok/s推定 |
| LFM2.5 2.6B | 8bit（Q8_0） | 3.4GB | 約120 tok/s推定 |
| LFM2.5-VL 3B | 8bit（Q8_0） | 3.4GB | 約120 tok/s推定 |
| Gemma 4 26B-A4B | 2bit（IQ2_M） | 10GB | 約120 tok/s推定 |
| Gemma 2 Baku 2B | 8bit（Q8_0） | 3.8GB | 約120 tok/s推定 |
| Qwen2.5-VL 3B | 8bit（Q8_0） | 3.9GB | 約110 tok/s推定 |
| Qwen2.5-Coder 3B | 8bit（Q8_0） | 3.9GB | 約110 tok/s推定 |
| Qwen2.5 3B | 8bit（Q8_0） | 3.9GB | 約110 tok/s推定 |
| SmolLM3 3B | 8bit（Q8_0） | 4.2GB | 約100 tok/s推定 |
| Llama 3.2 3B | 8bit（Q8_0） | 4.7GB | 約94 tok/s推定 |
| Ministral 3 3B | 8bit（Q8_0） | 4.8GB | 約89 tok/s推定 |
| Granite 4.2 3B | 8bit（Q8_0） | 4.9GB | 約86 tok/s推定 |
| Sarashina2.2 3B | 8bit（Q8_0） | 5.2GB | 約86 tok/s推定 |
| Gemma 3 4B | 8bit（Q8_0） | 4.7GB | 約86 tok/s推定 |
| Nemotron 3 Nano 4B | 8bit（Q8_0） | 4.7GB | 約85 tok/s推定 |
| Qwen3.5 4B | 8bit（Q8_0） | 5.0GB | 約79 tok/s推定 |
| Phi-4-mini 3.8B | 8bit（Q8_0） | 5.4GB | 約79 tok/s推定 |
| AREX-Turbo 4B | 8bit（Q8_0） | 5.1GB | 約79 tok/s推定 |
| Fara1.5 4B | 8bit（Q8_0） | 5.1GB | 約79 tok/s推定 |
| Nanbeige4.2 3B | 8bit（Q8_0） | 5.4GB | 約76 tok/s推定 |
| Gemma 3n E2B | 8bit（Q8_0） | 5.2GB | 約75 tok/s推定 |
| Qwen3-VL 4B | 8bit（Q8_0） | 5.7GB | 約75 tok/s推定 |
| Qwen3 4B | 8bit（Q8_0） | 5.7GB | 約75 tok/s推定 |
| Gemma 4 E2B | 8bit（Q8_0） | 5.5GB | 約72 tok/s推定 |
| AFM-4.5B | 8bit（Q8_0） | 5.8GB | 約70 tok/s推定 |
| Llama-3-ELYZA-JP-8B | 4bit（Q4_K_M） | 6.2GB | 約67 tok/s推定 |
| Phi-3.5-mini 3.8B | 8bit（Q8_0） | 7.4GB | 約64 tok/s推定 |
| CAT-Translate 7B | 6bit（Q6_K） | 7.4GB | 約55 tok/s推定 |
| Shisa V2.1 Qwen3 8B | 6bit（Q6_K） | 8.1GB | 約50 tok/s推定 |
| Granite 4.0 H-Tiny | 8bit（Q8_0） | 7.7GB | 約49 tok/s推定 |
| Gemma 3n E4B | 8bit（Q8_0） | 7.7GB | 約49 tok/s推定 |
| Mistral 7B v0.3 | 8bit（Q8_0） | 8.9GB | 約44 tok/s推定 |
| Falcon-H1R 7B | 8bit（Q8_0） | 8.6GB | 約44 tok/s推定 |
| LLM-jp-3.1 13B | 2bit（IQ2_M） | 11GB | 約44 tok/s推定 |
| Gemma 4 E4B | 8bit（Q8_0） | 8.6GB | 約44 tok/s推定 |
| ELYZA-Shortcut-1.0 Qwen 7B | 8bit（Q8_0） | 8.7GB | 約44 tok/s推定 |
| ABEJA Qwen2.5 7B Japanese | 8bit（Q8_0） | 8.7GB | 約44 tok/s推定 |
| DeepSeek-R1 Distill Qwen 7B | 8bit（Q8_0） | 8.7GB | 約44 tok/s推定 |
| Qwen2.5-VL 7B | 8bit（Q8_0） | 8.7GB | 約44 tok/s推定 |
| Qwen2.5 7B | 8bit（Q8_0） | 8.7GB | 約44 tok/s推定 |
| Qwen2.5-Coder 7B | 8bit（Q8_0） | 8.7GB | 約44 tok/s推定 |
| Hunyuan 7B | 8bit（Q8_0） | 9.2GB | 約43 tok/s推定 |
| Tanuki-8B | 8bit（Q8_0） | 9.2GB | 約43 tok/s推定 |
| Gemma-2-Llama-Swallow 9B | 6bit（Q6_K） | 9.8GB | 約42 tok/s推定 |
| Gemma 2 9B | 6bit（Q6_K） | 9.8GB | 約42 tok/s推定 |
| Command R7B | 8bit（Q8_0） | 9.3GB | 約41 tok/s推定 |
| Llama 3.1 Swallow 8B | 8bit（Q8_0） | 9.7GB | 約40 tok/s推定 |
| DeepSeek-R1 Distill Llama 8B | 8bit（Q8_0） | 9.7GB | 約40 tok/s推定 |
| Aya Expanse 8B | 8bit（Q8_0） | 9.7GB | 約40 tok/s推定 |
| Llama 3 Youko 8B | 8bit（Q8_0） | 9.7GB | 約40 tok/s推定 |
| Llama 3.1 8B | 8bit（Q8_0） | 9.7GB | 約40 tok/s推定 |
| Apertus 8B | 8bit（Q8_0） | 9.7GB | 約40 tok/s推定 |
| Codestral 22B | 2bit（Q2_K） | 10GB | 約40 tok/s推定 |
| Qwen3-Swallow 8B | 8bit（Q8_0） | 10.0GB | 約39 tok/s推定 |
| Qwen3-VL 8B | 8bit（Q8_0） | 10.0GB | 約39 tok/s推定 |
| DeepSeek-R1-0528 Qwen3 8B | 8bit（Q8_0） | 10.0GB | 約39 tok/s推定 |
| Qwen3 8B | 8bit（Q8_0） | 10.0GB | 約39 tok/s推定 |
| Nemotron-Nano 9B v2 Japanese | 8bit（Q8_0） | 9.7GB | 約38 tok/s推定 |
| Devstral Small 2 24B | 2bit（Q2_K） | 10GB | 約38 tok/s推定 |
| Magistral Small 2509 | 2bit（Q2_K） | 10GB | 約38 tok/s推定 |
| Devstral Small 2507 | 2bit（Q2_K） | 10GB | 約38 tok/s推定 |
| Mistral Small 3.2 24B | 2bit（Q2_K） | 10GB | 約38 tok/s推定 |
| Ministral 3 8B | 8bit（Q8_0） | 10GB | 約38 tok/s推定 |
| MiMo-V2.6-Distill-Qwen-9B | 8bit（Q8_0） | 9.9GB | 約38 tok/s推定 |
| Ornith 1.5 9B | 8bit（Q8_0） | 9.9GB | 約38 tok/s推定 |
| UI-Mate 9B | 8bit（Q8_0） | 9.9GB | 約38 tok/s推定 |
| UI-Venus-2 9B | 8bit（Q8_0） | 9.9GB | 約38 tok/s推定 |
| Fara1.5 9B | 8bit（Q8_0） | 9.9GB | 約38 tok/s推定 |
| Ornith 1.0 9B | 8bit（Q8_0） | 9.9GB | 約38 tok/s推定 |
| LLM-jp-4 8B thinking | 8bit（Q8_0） | 10GB | 約38 tok/s推定 |
| Qwen3.5 9B | 8bit（Q8_0） | 9.9GB | 約38 tok/s推定 |
| ABEJA Qwen3 14B Agentic | 4bit（Q4_K_M） | 10GB | 約38 tok/s推定 |
| Qwen3 14B | 4bit（Q4_K_M） | 10GB | 約38 tok/s推定 |
| Shisa V2.1 unphi4 14B | 4bit（Q4_K_M） | 11GB | 約38 tok/s推定 |
| DeepSeek-R1 Distill Qwen 14B | 4bit（Q4_K_M） | 11GB | 約37 tok/s推定 |
| DeepSeek-R1 Distill Qwen 14B Japanese | 4bit（Q4_K_M） | 11GB | 約37 tok/s推定 |
| Qwen2.5-Coder 14B | 4bit（Q4_K_M） | 11GB | 約37 tok/s推定 |
| Qwen2.5 14B | 4bit（Q4_K_M） | 11GB | 約37 tok/s推定 |
| Phi-4 14B | 4bit（Q4_K_M） | 11GB | 約37 tok/s推定 |
| Granite 4.2 8B | 8bit（Q8_0） | 11GB | 約37 tok/s推定 |
| Gemma 4 12B | 6bit（Q6_K） | 10GB | 約37 tok/s推定 |
| Gemma 3 27B | 2bit（IQ2_M） | 11GB | 約36 tok/s推定 |
| Gemma 3 12B | 6bit（Q6_K） | 11GB | 約36 tok/s推定 |
| GLM-4.6V-Flash 9B | 8bit（Q8_0） | 10GB | 約36 tok/s推定 |
| Nemotron Nano 12B v2 | 6bit（Q6_K） | 10GB | 約36 tok/s推定 |
| PLaMo 2 Translate | 8bit（Q8_0） | 10GB | 約36 tok/s推定 |
| Ministral 3 14B | 5bit（Q5_K_M） | 11GB | 約36 tok/s推定 |
| Qwen3.5 27B | 2bit（IQ2_M） | 11GB | 約35 tok/s推定 |
| Mistral Nemo Japanese 12B | 6bit（Q6_K） | 11GB | 約34 tok/s推定 |
| Mistral Nemo 12B | 6bit（Q6_K） | 11GB | 約34 tok/s推定 |
| AREX-2 27B | 2bit（Q2_K） | 11GB | 約34 tok/s推定 |
| UI-Mate 27B | 2bit（IQ2_M） | 11GB | 約34 tok/s推定 |
| Fara1.5 27B | 2bit（IQ2_M） | 11GB | 約34 tok/s推定 |
| Qwen3.6 27B | 2bit（IQ2_M） | 11GB | 約33 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 |
|---|---|---|---|---|
| Holo4 35B-A3B | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約22 tok/s推定 |
| Nex-N2.5-mini | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約19 tok/s推定 |
| BigBang v1 35B | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約20 tok/s推定 |
| Granite 4.2 30B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約4.4 tok/s推定 |
| LLM-jp-4 33B thinking | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.6 tok/s推定 |
| Muse-Glimmer 30B | 2bit（IQ2_M） | 12GB | 実用CPUオフロード | 約18 tok/s推定 |
| Nemotron 3.5 Lightning 30B-A3B | 8bit（Q8_0） | 33GB | 実用CPUオフロード | 約11 tok/s推定 |
| Ornith 1.5 35B-A3B | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約24 tok/s推定 |
| Qwen3.8 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約6.2 tok/s推定 |
| Thomson 1.0 Small 35B-A3B | 4bit（Q4_K_M） | 21GB | 快適CPUオフロード | 約20 tok/s推定 |
| Gemma 4 31B | 4bit（Q4_K_M） | 19GB | 遅いCPUオフロード | 約4.5 tok/s推定 |
| KAT-Coder-V2.5-Dev 35B-A3B | 4bit（Q4_K_M） | 21GB | 快適CPUオフロード | 約24 tok/s推定 |
| Laguna XS 2.1 33B-A3B | 4bit（Q4_K_M） | 21GB | 快適CPUオフロード | 約24 tok/s推定 |
| Ornith 1.0 35B-A3B | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約23 tok/s推定 |
| XYZ-Aquila mini 35B-A3B | 4bit（Q4_K_M） | 21GB | 快適CPUオフロード | 約20 tok/s推定 |
| Qwen-AgentWorld 35B-A3B | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約23 tok/s推定 |
| Nemotron 3 Nano Omni 30B-A3B | 4bit（Q4_K_M） | 23GB | 実用CPUオフロード | 約19 tok/s推定 |
| Qwen3.6 35B-A3B | 4bit（Q4_K_M） | 22GB | 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20 tok/s推定 |
| Qwen3.5 35B-A3B | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約23 tok/s推定 |
| GPT-OSS-Swallow 20B | 4bit（Q4_K_M） | 16GB | 快適CPUオフロード | 約24 tok/s推定 |
| Kimi Linear 48B-A3B | 4bit（Q4_K_M） | 29GB | 実用CPUオフロード | 約20 tok/s推定 |
| Qwen3-Swallow 30B-A3B | 4bit（Q4_K_M） | 19GB | 快適CPUオフロード | 約22 tok/s推定 |
| GLM-4.7-Flash 30B-A3B | 4bit（Q4_K_M） | 19GB | 快適CPUオフロード | 約24 tok/s推定 |
| Olmo 3.1 32B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約4.0 tok/s推定 |
| Granite 4.0 H-Small 32B-A9B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約9.2 tok/s推定 |
| Qwen3-VL 30B-A3B | 4bit（Q4_K_M） | 19GB | 快適CPUオフロード | 約22 tok/s推定 |
| Qwen3-VL 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約3.7 tok/s推定 |
| EXAONE 4.0.1 32B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約4.1 tok/s推定 |
| gpt-oss-20b | 4bit（MXFP4） | 12GB | 快適CPUオフロード | 約66 tok/s推定 |
| Seed-OSS 36B | 4bit（Q4_K_M） | 23GB | 遅いCPUオフロード | 約3.1 tok/s推定 |
| Qwen3 30B-A3B | 4bit（Q4_K_M） | 19GB | 快適CPUオフロード | 約22 tok/s推定 |
| Qwen3-Coder 30B-A3B | 4bit（Q4_K_M） | 19GB | 快適CPUオフロード | 約22 tok/s推定 |
| ABEJA Qwen2.5 32B Japanese | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.7 tok/s推定 |
| ELYZA-Shortcut-1.0 Qwen 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.7 tok/s推定 |
| ELYZA-Thinking-1.0 Qwen 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.7 tok/s推定 |
| Gemma-2-Llama-Swallow 27B | 4bit（Q4_K_M） | 19GB | 遅いCPUオフロード | 約5.0 tok/s推定 |
| Qwen3 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約3.7 tok/s推定 |
| Qwen2.5-VL 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.7 tok/s推定 |
| DeepSeek-R1 Distill Qwen 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.7 tok/s推定 |
| DeepSeek-R1 Distill Qwen 32B Japanese | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.7 tok/s推定 |
| KARAKURI LM 32B Thinking | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.7 tok/s推定 |
| RakutenAI-2.0 8x7B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約4.4 tok/s推定 |
| Qwen2.5-Coder 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.7 tok/s推定 |
| Aya Expanse 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約3.9 tok/s推定 |
| Qwen2.5 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.7 tok/s推定 |
| Tanuki-8x8B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約4.4 tok/s推定 |
| Mixtral 8x7B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約4.4 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32GB |
| Llama 3.3 Swallow 70B | 4bit（Q4_K_M） | 44GB | あと32GB |
| DeepSeek-R1 Distill Llama 70B | 4bit（Q4_K_M） | 44GB | あと32GB |
| Llama 3.3 70B | 4bit（Q4_K_M） | 44GB | あと32GB |
| Llama 3 Youko 70B | 4bit（Q4_K_M） | 44GB | あと32GB |
| Llama 3.1 70B | 4bit（Q4_K_M） | 44GB | あと32GB |
| Llama 3.1 70B Japanese | 4bit（Q4_K_M） | 44GB | あと32GB |
| Qwen3-Next 80B-A3B | 4bit（Q4_K_M） | 47GB | あと36GB |
| Qwen3-Coder-Next 80B-A3B | 4bit（Q4_K_M） | 47GB | あと36GB |
| Qwen2.5 72B | 4bit（Q4_K_M） | 48GB | あと37GB |
| Hunyuan-A13B 80B | 4bit（Q4_K_M） | 49GB | あと37GB |
| Stockmark-2 100B | 4bit（Q4_K_M） | 58GB | あと47GB |
| gpt-oss-120b | 4bit（MXFP4） | 62GB | あと50GB |
| Llama 4 Scout 17B-16E | 4bit（Q4_K_M） | 65GB | あと53GB |
| Command A 111B | 4bit（Q4_K_M） | 66GB | あと55GB |
| Laguna S 2.1 118B-A8B | 4bit（Q4_K_M） | 71GB | あと60GB |
| Mistral Small 4 119B | 4bit（Q4_K_M） | 72GB | あと60GB |
| GLM-4.5-Air 106B-A12B | 4bit（Q4_K_M） | 72GB | あと60GB |
| Qwen3.5 122B-A10B | 4bit（Q4_K_M） | 74GB | あと63GB |
| Devstral 2 123B | 4bit（Q4_K_M） | 75GB | あと64GB |
| Ling 3.0 flash | 4bit（Q4_K_M） | 75GB | あと64GB |
| Mixtral 8x22B | 4bit（Q4_K_M） | 84GB | あと73GB |
| GPT-OSS-Swallow 120B | 4bit（Q4_K_M） | 85GB | あと74GB |
| Qwen3.8-Flash-Next | 4bit（IQ4_XS） | 91GB | あと79GB |
| Step-3.7-Flash | 4bit（Q4_K_M） | 118GB | あと107GB |
| DeepSeek-V4-Flash | 4bit（IQ4_XS） | 132GB | あと121GB |
| MiniMax-M2.5 229B-A10B | 4bit（Q4_K_M） | 135GB | あと124GB |
| Qwen3 235B-A22B | 4bit（Q4_K_M） | 138GB | あと127GB |
| GLM-5.3-Flash | 4bit（IQ4_XS） | 151GB | あと140GB |
| Inkling Small 264B | 4bit（Q4_K_M） | 157GB | あと145GB |
| MiMo-V2.6-Flash-RL | 4bit（MXFP4） | 161GB | あと150GB |
| ERNIE 4.5 300B-A47B | 4bit（Q4_K_M） | 175GB | あと164GB |
| Hy3 295B-A21B | 4bit（Q4_K_M） | 178GB | あと166GB |
| GLM-4.5 355B-A32B | 4bit（Q4_K_M） | 211GB | あと200GB |
| Qwen3.5 397B-A17B | 4bit（Q4_K_M） | 235GB | あと223GB |
| Llama 4 Maverick 17B-128E | 4bit（Q4_K_M） | 235GB | あと223GB |
| Qwen3-Coder 480B-A35B | 4bit（Q4_K_M） | 281GB | あと269GB |
| Kimi K2.6 | 2bit（IQ2_M） | 329GB | あと318GB |
| GLM-5.3 | 4bit（IQ4_XS） | 352GB | あと341GB |
| RakutenAI-3.0 671B-A37B | 4bit（Q4_K_M） | 390GB | あと378GB |
| Mistral Large 3 675B | 4bit（Q4_K_M） | 392GB | あと380GB |
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VRAM12GB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 |
|---|---|---|---|---|
| North Mini Code 1.0 | 19GB（あと7.9GB足りない） | 2bit（IQ2_M） | 10GB | 約180 tok/s推定 |
| Gemma 3 27B | 17GB（あと5.9GB足りない） | 2bit（IQ2_M） | 11GB | 約36 tok/s推定 |
| AREX-2 27B | 18GB（あと6.0GB足りない） | 2bit（Q2_K） | 11GB | 約34 tok/s推定 |
| UI-Mate 27B | 18GB（あと6.3GB足りない） | 2bit（IQ2_M） | 11GB | 約34 tok/s推定 |
| Fara1.5 27B | 18GB（あと6.3GB足りない） | 2bit（IQ2_M） | 11GB | 約34 tok/s推定 |
| Qwen3.6 27B | 17GB（あと5.6GB足りない） | 2bit（IQ2_M） | 11GB | 約33 tok/s推定 |
| Qwen3.5 27B | 17GB（あと5.6GB足りない） | 2bit（IQ2_M） | 11GB | 約35 tok/s推定 |
| Gemma 4 26B-A4B | 17GB（あと5.6GB足りない） | 2bit（IQ2_M） | 10GB | 約120 tok/s推定 |
| Devstral Small 2 24B | 16GB（あと4.0GB足りない） | 2bit（Q2_K） | 10GB | 約38 tok/s推定 |
| Magistral Small 2509 | 16GB（あと4.0GB足りない） | 2bit（Q2_K） | 10GB | 約38 tok/s推定 |
| Devstral Small 2507 | 16GB（あと4.0GB足りない） | 2bit（Q2_K） | 10GB | 約38 tok/s推定 |
| Mistral Small 3.2 24B | 16GB（あと4.0GB足りない） | 2bit（Q2_K） | 10GB | 約38 tok/s推定 |
同じVRAM12GBの機種の中での位置
当サイトにはVRAM12GBの機種が13件あります。帯域幅は504GB/sで13機種中7番目。最速のGeForce RTX 3080 12GB（912GB/s）の約55%、最も遅いGeForce RTX 2060 12GB（336GB/s）の約1.5倍です。この機種のVRAMに収まるのは115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。
この機種と結果が同じになる機種: GeForce RTX 4070 / GeForce RTX 4070 SUPER。VRAM12GBと帯域幅504GB/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3機種は2023年から2024年まで1年の幅があり、GeForce RTX 4070 Ti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。
同じ数字の機種と、実際は何が違うか
RTX 4070系の3枚では最も演算ユニットが多い構成ですが、メモリは12GB・504GB/sで無印・SUPERと同じです。ローカルLLMで動かせるモデルの範囲も、推定速度も、3枚で差がありません。発売時、12GBという容量に対して価格が高いという評価を受けたカードでもあります。
ゲームでの位置づけと、ローカルAIでの位置づけがずれる典型例で、AI用途で見れば無印と同じ土俵に立っています。もし中古でこの3枚が並んでいたら、言語モデルが目的なら価格の安いものを選ぶのが合理的です。
この機種を実際に使うなら
この構成で本格的に困り始めるのは、27〜32Bクラスに手を出したくなったときです。4bitでも17〜22GB必要になるため、12GBには載りません。量子化を3bit以下に落とせば形の上では収まりますが、品質の落ち方が急になるので常用には向きません。現実的な選択は、14Bクラスまでで組み立てるか、24GB以上の構成に移るかの二択になります。
画像生成の側では、SDXLもFLUXの量子化版も動くので、こちらは当面困りません。用途によって寿命の見え方が変わる、という点を意識しておくと買い替えの判断が早くなります。
買うときの見どころ
3枚の中では最も高く、消費電力も大きい構成です。12GBという容量が同じである以上、ローカルLLMで動く範囲は無印と変わりません。電源は650〜750Wを見ておくと安心できます。この機種を選ぶ理由があるとすれば、ゲームや画像生成での性能です。言語モデルが主目的なら、同じ予算で16GBに届く選択肢がないかを先に確認したほうが、動かせるモデルの幅は広がります。
40番台では4070 Ti SUPERから16GBになるので、そこが次の候補になります。
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5番目です。一段上のGeForce RTX 4060 Ti 16GB（VRAM16GB）にすると、4bit以上で動くモデルが11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（12GB） |
|---|---|---|
| Stable Diffusion / SDXL | VRAM 12GB | 快適 |
| FLUX / 高品質画像生成 | VRAM 16GB | 動かない あと4GB |
| 動画生成AI（Wan / Hunyuan / LTX） | VRAM 24GB | 動かない あと12GB |
| 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12GB |
| ローカルLLM（70B〜120B MoE） | VRAM 40GB | 動かない あと28GB |
| 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 12GB | 12GB | 912 GB/s | 136 |
| GeForce RTX 3080 Ti | 12GB | 912 GB/s | 136 |
| GeForce RTX 3080 10GB | 10GB | 760 GB/s | 111 |
| GeForce RTX 5070 | 12GB | 672 GB/s | 135 |
| GeForce RTX 2080 Ti | 11GB | 616 GB/s | 119 |
| GeForce RTX 4070 | 12GB | 504 GB/s | 133 |
| GeForce RTX 4070 SUPER | 12GB | 504 GB/s | 133 |
| GeForce GTX 1080 Ti | 11GB | 484 GB/s | 116 |
gpt-oss-20b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。
自作: RTX 5070 Ti（16GB）・メモリ32GB
BTOより同予算で一段上のGPUに届く。画像生成とローカルLLMの定番
Ryzen 7 9700X・DDR5 16GB×2・RTX 5070 Ti・NVMe 2TB・電源850W ・ 目安 27〜35万円
要件を満たす中で最も手頃
自作: RTX 5090（32GB）・メモリ96GB
動画生成・学習・32BクラスのLLM。メモリ96GBあれば、大型のMoE型を一部メインメモリに逃がして動かせる
Ryzen 9 9950X・DDR5 48GB×2・RTX 5090・NVMe 4TB・電源1000W・大型ケース ・ 目安 60〜80万円
将来の用途拡張（大きなモデル・並列エージェント）に余裕
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 4070 TiでローカルLLMは動く？
動きます。VRAM12GB（実効約12GB）に、収録204モデル中115本が収まります。日本語チャットならABEJA Qwen3 14B Agentic（4bit（Q4_K_M））が推定約38 tok/sです。
GeForce RTX 4070 Tiで動かないモデルは？
gpt-oss-20bは4bitで約12GB必要で、VRAMがあと約0.8GB足りません。