GeForce RTX 4090 で動くローカルLLM一覧（2026年10月）
162快適（20 tok/s以上）
0実用（8〜20 tok/s）
8メモリに一部を逃がせば動く
34動かない
編集部の見立て
Seed-OSS 36BのQ4_K_Mが必要23.4GB。実効23.5GBに対して残りは0.1GBで、24GBをほぼ使い切る組み合わせです。MoEのOrnith 1.5 35B-A3B（推定221.2tok/s）やBigBang v1 35B（推定183.2tok/s）なら余白を残して速い。
届かないのはRakutenAI-2.0 8x7B（あと5.4GB）と70B級（あと20.3GB）で、70Bを本気で使うにはこのカード1枚では足りません。30B台を4bitで回す範囲にとどまるなら、持っている人が買い替えを急ぐ理由は薄いと見ています。
まず試すなら: Qwen3.5 35B-A3B（4bit（Q4_K_M）・必要22GB・約210 tok/s補正済み）。メモリ32GBのPC/Macで速く動く2026年の実用MoE
足りないのは: Llama 3.3 70Bを動かすにはVRAMがあと約20GB必要（必要44GB / 実効24GB）。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。
Llama 3.3 70Bが動く機種に買い替えるなら
- ぴったりRyzen AI Max+ 395 ミニPC（メモリ128GB）目安 32〜48万円
- 余裕を持つならMac Studio M5 Ultra（メモリ512GB）をLLMサーバに目安 240〜280万円
- 別の形ならMac mini M4 Pro（メモリ64GB・SSD 1TB）目安 36〜42万円
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162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2310 tok/s補正済み |
| Qwen2.5 0.5B | 8bit（Q8_0） | 1.1GB | 約1220 tok/s補正済み |
| Qwen3.5 0.8B | 8bit（Q8_0） | 1.4GB | 約800 tok/s補正済み |
| Gemma 3 1B | 8bit（Q8_0） | 1.6GB | 約650 tok/s補正済み |
| Sarashina2.2 0.5B | 8bit（Q8_0） | 1.8GB | 約650 tok/s補正済み |
| Qwen3 0.6B | 8bit（Q8_0） | 2.0GB | 約640 tok/s補正済み |
| LFM2.5 1.2B JP | 8bit（Q8_0） | 1.8GB | 約550 tok/s補正済み |
| Llama 3.2 1B | 8bit（Q8_0） | 2.0GB | 約490 tok/s補正済み |
| EXAONE 4.0 1.2B | 8bit（Q8_0） | 2.3GB | 約440 tok/s補正済み |
| TinySwallow 1.5B | 8bit（Q8_0） | 2.3GB | 約400 tok/s補正済み |
| RakutenAI-2.0 mini | 8bit（Q8_0） | 2.4GB | 約390 tok/s補正済み |
| Sarashina2.2 1B | 8bit（Q8_0） | 2.6GB | 約380 tok/s補正済み |
| Qwen2.5 1.5B | 8bit（Q8_0） | 2.5GB | 約350 tok/s補正済み |
| Qwen3.5 2B | 8bit（Q8_0） | 2.6GB | 約330 tok/s補正済み |
| Qwen3-VL 2B | 8bit（Q8_0） | 3.1GB | 約310 tok/s補正済み |
| Qwen3 1.7B | 8bit（Q8_0） | 3.1GB | 約310 tok/s補正済み |
| Ling 3.0 tiny | 8bit（Q8_0） | 8.7GB | 約300 tok/s補正済み |
| Kimi Linear 48B-A3B | 3bit（Q3_K_M） | 22GB | 約300 tok/s補正済み |
| LFM2.5 8B-A1B | 8bit（Q8_0） | 9.2GB | 約260 tok/s補正済み |
| LLM-jp-3.1 1.8B | 8bit（Q8_0） | 3.9GB | 約250 tok/s補正済み |
| MiniCPM5 2B | 8bit（Q8_0） | 3.4GB | 約250 tok/s補正済み |
| LFM2.5 2.6B | 8bit（Q8_0） | 3.4GB | 約240 tok/s補正済み |
| LFM2.5-VL 3B | 8bit（Q8_0） | 3.4GB | 約240 tok/s補正済み |
| Gemma 2 Baku 2B | 8bit（Q8_0） | 3.8GB | 約230 tok/s補正済み |
| Ornith 1.5 35B-A3B | 4bit（Q4_K_M） | 22GB | 約220 tok/s補正済み |
| KAT-Coder-V2.5-Dev 35B-A3B | 4bit（Q4_K_M） | 21GB | 約220 tok/s補正済み |
| Qwen3.5 35B-A3B | 4bit（Q4_K_M） | 22GB | 約210 tok/s補正済み |
| Ornith 1.0 35B-A3B | 4bit（Q4_K_M） | 22GB | 約210 tok/s補正済み |
| Qwen-AgentWorld 35B-A3B | 4bit（Q4_K_M） | 22GB | 約210 tok/s補正済み |
| Qwen3.6 35B-A3B | 4bit（Q4_K_M） | 22GB | 約210 tok/s補正済み |
| Holo4 35B-A3B | 4bit（Q4_K_M） | 22GB | 約210 tok/s補正済み |
| Laguna XS 2.1 33B-A3B | 4bit（Q4_K_M） | 21GB | 約210 tok/s補正済み |
| Qwen2.5-VL 3B | 8bit（Q8_0） | 3.9GB | 約210 tok/s補正済み |
| Qwen2.5-Coder 3B | 8bit（Q8_0） | 3.9GB | 約210 tok/s補正済み |
| Qwen2.5 3B | 8bit（Q8_0） | 3.9GB | 約210 tok/s補正済み |
| SmolLM3 3B | 8bit（Q8_0） | 4.2GB | 約200 tok/s補正済み |
| gpt-oss-20b | 4bit（MXFP4） | 12GB | 約200 tok/s補正済み |
| LLM-jp-4 32B-A3B thinking | 4bit（Q4_K_M） | 22GB | 約190 tok/s補正済み |
| Thomson 1.0 Small 35B-A3B | 4bit（Q4_K_M） | 21GB | 約190 tok/s補正済み |
| XYZ-Aquila mini 35B-A3B | 4bit（Q4_K_M） | 21GB | 約190 tok/s補正済み |
| Nemotron 3 Nano Omni 30B-A3B | 4bit（Q4_K_M） | 23GB | 約190 tok/s補正済み |
| BigBang v1 35B | 4bit（Q4_K_M） | 22GB | 約180 tok/s補正済み |
| Llama 3.2 3B | 8bit（Q8_0） | 4.7GB | 約180 tok/s補正済み |
| Nex-N2.5-mini | 4bit（Q4_K_M） | 22GB | 約180 tok/s補正済み |
| Ministral 3 3B | 8bit（Q8_0） | 4.8GB | 約170 tok/s補正済み |
| North Mini Code 1.0 | 5bit（Q5_K_M） | 23GB | 約170 tok/s補正済み |
| Granite 4.2 3B | 8bit（Q8_0） | 4.9GB | 約170 tok/s補正済み |
| Sarashina2.2 3B | 8bit（Q8_0） | 5.2GB | 約170 tok/s補正済み |
| GLM-4.7-Flash 30B-A3B | 5bit（Q5_K_M） | 22GB | 約170 tok/s補正済み |
| Gemma 3 4B | 8bit（Q8_0） | 4.7GB | 約170 tok/s補正済み |
| Nemotron 3 Nano 4B | 8bit（Q8_0） | 4.7GB | 約170 tok/s補正済み |
| Qwen3-Swallow 30B-A3B | 5bit（Q5_K_M） | 22GB | 約160 tok/s補正済み |
| Qwen3-VL 30B-A3B | 5bit（Q5_K_M） | 22GB | 約160 tok/s補正済み |
| Qwen3 30B-A3B | 5bit（Q5_K_M） | 22GB | 約160 tok/s補正済み |
| Qwen3-Coder 30B-A3B | 5bit（Q5_K_M） | 22GB | 約160 tok/s補正済み |
| Qwen3.5 4B | 8bit（Q8_0） | 5.0GB | 約150 tok/s補正済み |
| Phi-4-mini 3.8B | 8bit（Q8_0） | 5.4GB | 約150 tok/s補正済み |
| AREX-Turbo 4B | 8bit（Q8_0） | 5.1GB | 約150 tok/s補正済み |
| Fara1.5 4B | 8bit（Q8_0） | 5.1GB | 約150 tok/s補正済み |
| Nanbeige4.2 3B | 8bit（Q8_0） | 5.4GB | 約150 tok/s補正済み |
| Gemma 3n E2B | 8bit（Q8_0） | 5.2GB | 約150 tok/s補正済み |
| Qwen3-VL 4B | 8bit（Q8_0） | 5.7GB | 約150 tok/s補正済み |
| Qwen3 4B | 8bit（Q8_0） | 5.7GB | 約150 tok/s補正済み |
| Gemma 4 E2B | 8bit（Q8_0） | 5.5GB | 約140 tok/s補正済み |
| AFM-4.5B | 8bit（Q8_0） | 5.8GB | 約140 tok/s補正済み |
| Llama-3-ELYZA-JP-8B | 4bit（Q4_K_M） | 6.2GB | 約130 tok/s補正済み |
| Phi-3.5-mini 3.8B | 8bit（Q8_0） | 7.4GB | 約130 tok/s補正済み |
| ERNIE 4.5 21B-A3B Thinking | 8bit（Q8_0） | 23GB | 約120 tok/s補正済み |
| Gemma 4 26B-A4B | 6bit（Q6_K） | 23GB | 約110 tok/s補正済み |
| GPT-OSS-Swallow 20B | 8bit（Q8_0） | 22GB | 約110 tok/s補正済み |
| CAT-Translate 7B | 6bit（Q6_K） | 7.4GB | 約110 tok/s補正済み |
| Shisa V2.1 Qwen3 8B | 6bit（Q6_K） | 8.1GB | 約97 tok/s補正済み |
| Granite 4.0 H-Tiny | 8bit（Q8_0） | 7.7GB | 約96 tok/s補正済み |
| Gemma 3n E4B | 8bit（Q8_0） | 7.7GB | 約96 tok/s補正済み |
| Mistral 7B v0.3 | 8bit（Q8_0） | 8.9GB | 約86 tok/s補正済み |
| Falcon-H1R 7B | 8bit（Q8_0） | 8.6GB | 約86 tok/s補正済み |
| Gemma 4 E4B | 8bit（Q8_0） | 8.6GB | 約86 tok/s補正済み |
| ELYZA-Shortcut-1.0 Qwen 7B | 8bit（Q8_0） | 8.7GB | 約85 tok/s補正済み |
| ABEJA Qwen2.5 7B Japanese | 8bit（Q8_0） | 8.7GB | 約85 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 7B | 8bit（Q8_0） | 8.7GB | 約85 tok/s補正済み |
| Qwen2.5-VL 7B | 8bit（Q8_0） | 8.7GB | 約85 tok/s補正済み |
| Qwen2.5 7B | 8bit（Q8_0） | 8.7GB | 約85 tok/s補正済み |
| Qwen2.5-Coder 7B | 8bit（Q8_0） | 8.7GB | 約85 tok/s補正済み |
| Hunyuan 7B | 8bit（Q8_0） | 9.2GB | 約84 tok/s補正済み |
| Tanuki-8B | 8bit（Q8_0） | 9.2GB | 約84 tok/s補正済み |
| Command R7B | 8bit（Q8_0） | 9.3GB | 約80 tok/s補正済み |
| Llama 3.1 Swallow 8B | 8bit（Q8_0） | 9.7GB | 約78 tok/s補正済み |
| DeepSeek-R1 Distill Llama 8B | 8bit（Q8_0） | 9.7GB | 約78 tok/s補正済み |
| Aya Expanse 8B | 8bit（Q8_0） | 9.7GB | 約78 tok/s補正済み |
| Llama 3 Youko 8B | 8bit（Q8_0） | 9.7GB | 約78 tok/s補正済み |
| Llama 3.1 8B | 8bit（Q8_0） | 9.7GB | 約78 tok/s補正済み |
| Apertus 8B | 8bit（Q8_0） | 9.7GB | 約78 tok/s補正済み |
| Qwen3-Swallow 8B | 8bit（Q8_0） | 10.0GB | 約76 tok/s補正済み |
| Qwen3-VL 8B | 8bit（Q8_0） | 10.0GB | 約76 tok/s補正済み |
| DeepSeek-R1-0528 Qwen3 8B | 8bit（Q8_0） | 10.0GB | 約76 tok/s補正済み |
| Qwen3 8B | 8bit（Q8_0） | 10.0GB | 約76 tok/s補正済み |
| Nemotron-Nano 9B v2 Japanese | 8bit（Q8_0） | 9.7GB | 約75 tok/s補正済み |
| Ministral 3 8B | 8bit（Q8_0） | 10GB | 約74 tok/s補正済み |
| Ornith 1.0 9B | 8bit（Q8_0） | 9.9GB | 約74 tok/s補正済み |
| Qwen3.5 9B | 8bit（Q8_0） | 9.9GB | 約74 tok/s補正済み |
| LLM-jp-4 8B thinking | 8bit（Q8_0） | 10GB | 約74 tok/s補正済み |
| MiMo-V2.6-Distill-Qwen-9B | 8bit（Q8_0） | 9.9GB | 約74 tok/s補正済み |
| Ornith 1.5 9B | 8bit（Q8_0） | 9.9GB | 約74 tok/s補正済み |
| UI-Mate 9B | 8bit（Q8_0） | 9.9GB | 約74 tok/s補正済み |
| UI-Venus-2 9B | 8bit（Q8_0） | 9.9GB | 約74 tok/s補正済み |
| Fara1.5 9B | 8bit（Q8_0） | 9.9GB | 約74 tok/s補正済み |
| Granite 4.2 8B | 8bit（Q8_0） | 11GB | 約71 tok/s補正済み |
| GLM-4.6V-Flash 9B | 8bit（Q8_0） | 10GB | 約70 tok/s補正済み |
| PLaMo 2 Translate | 8bit（Q8_0） | 10GB | 約69 tok/s補正済み |
| Granite 4.0 H-Small 32B-A9B | 5bit（Q5_K_M） | 23GB | 約66 tok/s補正済み |
| Gemma-2-Llama-Swallow 9B | 8bit（Q8_0） | 12GB | 約65 tok/s補正済み |
| Gemma 2 9B | 8bit（Q8_0） | 12GB | 約65 tok/s補正済み |
| Mixtral 8x7B | 3bit（Q3_K_M） | 23GB | 約63 tok/s補正済み |
| RakutenAI-2.0 8x7B | 3bit（Q3_K_M） | 23GB | 約63 tok/s補正済み |
| Tanuki-8x8B | 3bit（Q3_K_M） | 23GB | 約63 tok/s補正済み |
| Gemma 4 12B | 8bit（Q8_0） | 13GB | 約55 tok/s補正済み |
| Gemma 3 12B | 8bit（Q8_0） | 13GB | 約55 tok/s補正済み |
| Nemotron Nano 12B v2 | 8bit（Q8_0） | 13GB | 約54 tok/s補正済み |
| Mistral Nemo Japanese 12B | 8bit（Q8_0） | 14GB | 約52 tok/s補正済み |
| Mistral Nemo 12B | 8bit（Q8_0） | 14GB | 約52 tok/s補正済み |
| Ministral 3 14B | 8bit（Q8_0） | 16GB | 約47 tok/s補正済み |
| ABEJA Qwen3 14B Agentic | 8bit（Q8_0） | 17GB | 約44 tok/s補正済み |
| Qwen3 14B | 8bit（Q8_0） | 17GB | 約44 tok/s補正済み |
| Shisa V2.1 unphi4 14B | 8bit（Q8_0） | 17GB | 約43 tok/s補正済み |
| Phi-4 14B | 8bit（Q8_0） | 17GB | 約43 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 14B | 8bit（Q8_0） | 17GB | 約43 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 14B Japanese | 8bit（Q8_0） | 17GB | 約43 tok/s補正済み |
| Qwen2.5-Coder 14B | 8bit（Q8_0） | 17GB | 約43 tok/s補正済み |
| Qwen2.5 14B | 8bit（Q8_0） | 17GB | 約43 tok/s補正済み |
| LLM-jp-3.1 13B | 8bit（Q8_0） | 21GB | 約40 tok/s補正済み |
| Codestral 22B | 6bit（Q6_K） | 20GB | 約37 tok/s補正済み |
| Muse-Glimmer 30B | 5bit（Q5_K_M） | 19GB | 約37 tok/s補正済み |
| Devstral Small 2 24B | 6bit（Q6_K） | 20GB | 約36 tok/s補正済み |
| Magistral Small 2509 | 6bit（Q6_K） | 20GB | 約36 tok/s補正済み |
| EXAONE 4.0.1 32B | 4bit（Q4_K_M） | 20GB | 約36 tok/s補正済み |
| Devstral Small 2507 | 6bit（Q6_K） | 20GB | 約36 tok/s補正済み |
| Mistral Small 3.2 24B | 6bit（Q6_K） | 20GB | 約36 tok/s補正済み |
| Olmo 3.1 32B | 4bit（Q4_K_M） | 20GB | 約35 tok/s補正済み |
| Aya Expanse 32B | 4bit（Q4_K_M） | 21GB | 約35 tok/s補正済み |
| Gemma-2-Llama-Swallow 27B | 5bit（Q5_K_M） | 21GB | 約35 tok/s補正済み |
| Qwen3-VL 32B | 4bit（Q4_K_M） | 21GB | 約34 tok/s補正済み |
| Qwen3 32B | 4bit（Q4_K_M） | 21GB | 約34 tok/s補正済み |
| AREX-2 27B | 5bit（Q5_K_M） | 21GB | 約34 tok/s補正済み |
| ABEJA Qwen2.5 32B Japanese | 4bit（Q4_K_M） | 22GB | 約34 tok/s補正済み |
| ELYZA-Shortcut-1.0 Qwen 32B | 4bit（Q4_K_M） | 22GB | 約34 tok/s補正済み |
| ELYZA-Thinking-1.0 Qwen 32B | 4bit（Q4_K_M） | 22GB | 約34 tok/s補正済み |
| Qwen2.5-VL 32B | 4bit（Q4_K_M） | 22GB | 約34 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 32B | 4bit（Q4_K_M） | 22GB | 約34 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 32B Japanese | 4bit（Q4_K_M） | 22GB | 約34 tok/s補正済み |
| KARAKURI LM 32B Thinking | 4bit（Q4_K_M） | 22GB | 約34 tok/s補正済み |
| Qwen2.5-Coder 32B | 4bit（Q4_K_M） | 22GB | 約34 tok/s補正済み |
| Qwen2.5 32B | 4bit（Q4_K_M） | 22GB | 約34 tok/s補正済み |
| LLM-jp-4 33B thinking | 4bit（Q4_K_M） | 22GB | 約34 tok/s補正済み |
| Granite 4.2 30B | 5bit（Q5_K_M） | 23GB | 約32 tok/s補正済み |
| Qwen3.8 27B | 6bit（Q6_K） | 22GB | 約32 tok/s補正済み |
| Gemma 4 31B | 5bit（Q5_K_M） | 23GB | 約32 tok/s補正済み |
| Qwen3.5 27B | 6bit（Q6_K） | 23GB | 約31 tok/s補正済み |
| Gemma 3 27B | 6bit（Q6_K） | 23GB | 約31 tok/s補正済み |
| Qwen3.6 27B | 6bit（Q6_K） | 23GB | 約31 tok/s補正済み |
| Seed-OSS 36B | 4bit（Q4_K_M） | 23GB | 約31 tok/s補正済み |
| UI-Mate 27B | 6bit（Q6_K） | 23GB | 約30 tok/s補正済み |
| Fara1.5 27B | 6bit（Q6_K） | 23GB | 約30 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 |
|---|---|---|---|---|
| Nemotron 3.5 Lightning 30B-A3B | 8bit（Q8_0） | 33GB | 快適CPUオフロード | 約23 tok/s補正済み |
| Shisa V2.1 Llama 3.3 70B | 4bit（Q4_K_M） | 44GB | 動かないCPUオフロード | 約1.9 tok/s補正済み |
| Llama 3.3 Swallow 70B | 4bit（Q4_K_M） | 44GB | 動かないCPUオフロード | 約1.9 tok/s補正済み |
| DeepSeek-R1 Distill Llama 70B | 4bit（Q4_K_M） | 44GB | 動かないCPUオフロード | 約1.9 tok/s補正済み |
| Llama 3.3 70B | 4bit（Q4_K_M） | 44GB | 動かないCPUオフロード | 約1.9 tok/s補正済み |
| Llama 3 Youko 70B | 4bit（Q4_K_M） | 44GB | 動かないCPUオフロード | 約1.9 tok/s補正済み |
| Llama 3.1 70B | 4bit（Q4_K_M） | 44GB | 動かないCPUオフロード | 約1.9 tok/s補正済み |
| Llama 3.1 70B Japanese | 4bit（Q4_K_M） | 44GB | 動かないCPUオフロード | 約1.9 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 |
|---|---|---|---|
| Qwen3-Next 80B-A3B | 4bit（Q4_K_M） | 47GB | あと24GB |
| Qwen3-Coder-Next 80B-A3B | 4bit（Q4_K_M） | 47GB | あと24GB |
| Qwen2.5 72B | 4bit（Q4_K_M） | 48GB | あと25GB |
| Hunyuan-A13B 80B | 4bit（Q4_K_M） | 49GB | あと25GB |
| Stockmark-2 100B | 4bit（Q4_K_M） | 58GB | あと35GB |
| gpt-oss-120b | 4bit（MXFP4） | 62GB | あと38GB |
| Llama 4 Scout 17B-16E | 4bit（Q4_K_M） | 65GB | あと41GB |
| Command A 111B | 4bit（Q4_K_M） | 66GB | あと43GB |
| Laguna S 2.1 118B-A8B | 4bit（Q4_K_M） | 71GB | あと48GB |
| Mistral Small 4 119B | 4bit（Q4_K_M） | 72GB | あと48GB |
| GLM-4.5-Air 106B-A12B | 4bit（Q4_K_M） | 72GB | あと48GB |
| Qwen3.5 122B-A10B | 4bit（Q4_K_M） | 74GB | あと51GB |
| Devstral 2 123B | 4bit（Q4_K_M） | 75GB | あと52GB |
| Ling 3.0 flash | 4bit（Q4_K_M） | 75GB | あと52GB |
| Mixtral 8x22B | 4bit（Q4_K_M） | 84GB | あと61GB |
| GPT-OSS-Swallow 120B | 4bit（Q4_K_M） | 85GB | あと62GB |
| Qwen3.8-Flash-Next | 4bit（IQ4_XS） | 91GB | あと67GB |
| Step-3.7-Flash | 4bit（Q4_K_M） | 118GB | あと95GB |
| DeepSeek-V4-Flash | 4bit（IQ4_XS） | 132GB | あと109GB |
| MiniMax-M2.5 229B-A10B | 4bit（Q4_K_M） | 135GB | あと112GB |
| Qwen3 235B-A22B | 4bit（Q4_K_M） | 138GB | あと115GB |
| GLM-5.3-Flash | 4bit（IQ4_XS） | 151GB | あと128GB |
| Inkling Small 264B | 4bit（Q4_K_M） | 157GB | あと133GB |
| MiMo-V2.6-Flash-RL | 4bit（MXFP4） | 161GB | あと138GB |
| ERNIE 4.5 300B-A47B | 4bit（Q4_K_M） | 175GB | あと152GB |
| Hy3 295B-A21B | 4bit（Q4_K_M） | 178GB | あと154GB |
| GLM-4.5 355B-A32B | 4bit（Q4_K_M） | 211GB | あと188GB |
| Qwen3.5 397B-A17B | 4bit（Q4_K_M） | 235GB | あと211GB |
| Llama 4 Maverick 17B-128E | 4bit（Q4_K_M） | 235GB | あと211GB |
| Qwen3-Coder 480B-A35B | 4bit（Q4_K_M） | 281GB | あと257GB |
| Kimi K2.6 | 2bit（IQ2_M） | 329GB | あと306GB |
| GLM-5.3 | 4bit（IQ4_XS） | 352GB | あと329GB |
| RakutenAI-3.0 671B-A37B | 4bit（Q4_K_M） | 390GB | あと366GB |
| Mistral Large 3 675B | 4bit（Q4_K_M） | 392GB | あと368GB |
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VRAM24GBに収まる4本です。
| モデル | 標準（4bit）だと | 落とすなら | 必要 | 推定速度 |
|---|---|---|---|---|
| Kimi Linear 48B-A3B | 29GB（あと6.0GB足りない） | 3bit（Q3_K_M） | 22GB | 約300 tok/s補正済み |
| Tanuki-8x8B | 29GB（あと5.5GB足りない） | 3bit（Q3_K_M） | 23GB | 約63 tok/s補正済み |
| RakutenAI-2.0 8x7B | 29GB（あと5.4GB足りない） | 3bit（Q3_K_M） | 23GB | 約63 tok/s補正済み |
| Mixtral 8x7B | 29GB（あと5.3GB足りない） | 3bit（Q3_K_M） | 23GB | 約63 tok/s補正済み |
同じVRAM24GBの機種の中での位置
当サイトにはVRAM24GBの機種が5件あります。帯域幅は1008GB/sで5機種中2番目。最速のGeForce RTX 3090 Ti（1008GB/s）の約100%、最も遅いGeForce RTX 5090 Laptop（896GB/s）の約1.1倍です。この機種のVRAMに収まるのは162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: GeForce RTX 3090 Ti。VRAM24GBと帯域幅1008GB/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2022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
CUDAがそのまま使えるため、Ollama・LM Studio・llama.cppのどれを選んでも導入でつまずく場面は少なめです。気をつけたいのは、Seed-OSS 36Bのように必要量が23GB台のモデル。8,000トークンより先へコンテキストを伸ばす余地はほぼなく、ツールによっては一部の層がCPU側に回って速度が落ちます。
長文を扱う日はQwen3.5 35B-A3BのQ4_K_M（推定214.7tok/s）に切り替えるほうが実用的。コード補助はQwen2.5-Coder 32BのQ4_K_M（推定34tok/s）で、Qwen3-Coder 30B-A3BならQ5_K_Mまで上げても推定155.2tok/sが出ます。
画面出力も同じGPUが担う構成だと、ブラウザや動画再生もVRAMを少しずつ取ります。
買うときの見どころ
同じ24GBの比較相手は、2020年のRTX 3090（936GB/s）、2022年のRTX 3090 Ti（1008GB/s）、Radeon RX 7900 XTX（960GB/s）。帯域幅が近いので、当サイトの推定速度にも大差は出ません。発売が2022年の世代ですから、中古も候補に入れて比べるのが現実的でしょう。
3090との差は演算まわりの世代と、個体ごとの冷却の状態に出ます。7900 XTXはCUDAではなくROCmかVulkanで動かす前提で、対応ツールの幅では一歩譲る。上のRTX 5090に替えても、4bit以上の本数は158本から162本へ数本増えるだけなので、差額に見合うかは、量子化をどこまで上げられるかと速度で判断しましょう。
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10番目です。このシリーズでは容量が最大の構成です。
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（24GB） |
|---|---|---|
| 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 | 快適 |
| 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 | 快適 |
| ローカルLLM（70B〜120B MoE） | VRAM 40GB | 動かない あと16GB |
| 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 3090 Ti | 24GB | 1008 GB/s | 163 |
| Radeon RX 7900 XTX | 24GB | 960 GB/s | 163 |
| GeForce RTX 3090 | 24GB | 936 GB/s | 163 |
Llama 3.3 70B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
要件を満たす中で最も手頃
余裕を持つなら常時稼働サーバー型
Mac Studio M5 Ultra（メモリ512GB）をLLMサーバに
DeepSeek V3級（671B）の4bitを1台で。帯域1.2TB/s。チームのローカルLLMサーバ
M5 Ultra（36コア・80コアGPU）・ユニファイドメモリ512GB・SSD 4TB ・ 目安 240〜280万円
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
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 4090 の llama.cpp 公開ベンチマーク（GitHub Discussion）: llama-2-7b Q4_0 = 186.21 tok/s。この値からメモリ帯域幅に対する実効係数（71%）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 4090でローカルLLMは動く？
動きます。VRAM24GB（実効約24GB）に、収録204モデル中162本が収まります。日本語チャットならQwen3.5 35B-A3B（4bit（Q4_K_M））が推定約210 tok/sです。
GeForce RTX 4090で動かないモデルは？
Llama 3.3 70Bは4bitで約44GB必要で、VRAMがあと約20GB足りません。