GeForce RTX 5070 Ti で動くローカルLLM一覧（2026年10月）
155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
41動かない
編集部の見立て
16GBでは、あと少しでVRAMに収まらないモデルが並びます。GPT-OSS-Swallow 20Bは4bitであと0.3GB、Qwen3.8 27Bはあと1.3GB、Qwen3.5 27Bはあと1.6GB。27B級はIQ4_XSに落とせば収まり、Qwen3.5 27Bで必要15.4GB・推定44.3tok/sですが、実効15.5GBの残りは0.1GBしかありません。
狙い目はGemma 4 26B-A4BのIQ4_XS（13.9GB・推定173tok/s）。20B台のMoEを速く回すなら十分で、MoEではない27Bのdense型を常用するには容量が一段足りません。
この機種を積んだおすすめ構成: RTX 5070 Ti（16GB）デスクトップ・メモリ32GB / 自作: RTX 5070 Ti（16GB）・メモリ32GB
まず試すなら: Qwen3.8 27B（4bit（IQ4_XS）・必要15GB・約47 tok/s補正済み）。2026年8月公開の27Bのdense型。GGUF公開モデルではダウンロード数が最多クラス。VRAM 24GB / Mac 48GB向け
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）。
快適 この機種では、VRAMに収まる155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2190 tok/s補正済み |
| Qwen2.5 0.5B | 8bit（Q8_0） | 1.1GB | 約1160 tok/s補正済み |
| Qwen3.5 0.8B | 8bit（Q8_0） | 1.4GB | 約760 tok/s補正済み |
| Gemma 3 1B | 8bit（Q8_0） | 1.6GB | 約620 tok/s補正済み |
| Sarashina2.2 0.5B | 8bit（Q8_0） | 1.8GB | 約620 tok/s補正済み |
| Qwen3 0.6B | 8bit（Q8_0） | 2.0GB | 約610 tok/s補正済み |
| LFM2.5 1.2B JP | 8bit（Q8_0） | 1.8GB | 約520 tok/s補正済み |
| Llama 3.2 1B | 8bit（Q8_0） | 2.0GB | 約460 tok/s補正済み |
| EXAONE 4.0 1.2B | 8bit（Q8_0） | 2.3GB | 約420 tok/s補正済み |
| TinySwallow 1.5B | 8bit（Q8_0） | 2.3GB | 約380 tok/s補正済み |
| Qwen3.5 35B-A3B | 2bit（IQ2_M） | 12GB | 約380 tok/s補正済み |
| Qwen3.6 35B-A3B | 2bit（IQ2_M） | 12GB | 約380 tok/s補正済み |
| Ornith 1.0 35B-A3B | 2bit（IQ2_M） | 12GB | 約370 tok/s補正済み |
| Qwen-AgentWorld 35B-A3B | 2bit（IQ2_M） | 12GB | 約370 tok/s補正済み |
| RakutenAI-2.0 mini | 8bit（Q8_0） | 2.4GB | 約370 tok/s補正済み |
| Sarashina2.2 1B | 8bit（Q8_0） | 2.6GB | 約370 tok/s補正済み |
| KAT-Coder-V2.5-Dev 35B-A3B | 2bit（Q2_K） | 13GB | 約340 tok/s補正済み |
| Ornith 1.5 35B-A3B | 2bit（Q2_K） | 13GB | 約340 tok/s補正済み |
| Qwen2.5 1.5B | 8bit（Q8_0） | 2.5GB | 約340 tok/s補正済み |
| Qwen3.5 2B | 8bit（Q8_0） | 2.6GB | 約320 tok/s補正済み |
| Holo4 35B-A3B | 2bit（Q2_K） | 14GB | 約320 tok/s補正済み |
| Laguna XS 2.1 33B-A3B | 2bit（Q2_K） | 13GB | 約310 tok/s補正済み |
| Qwen3-VL 2B | 8bit（Q8_0） | 3.1GB | 約290 tok/s補正済み |
| Qwen3 1.7B | 8bit（Q8_0） | 3.1GB | 約290 tok/s補正済み |
| Thomson 1.0 Small 35B-A3B | 2bit（Q2_K） | 13GB | 約290 tok/s補正済み |
| XYZ-Aquila mini 35B-A3B | 2bit（Q2_K） | 13GB | 約290 tok/s補正済み |
| BigBang v1 35B | 2bit（Q2_K） | 13GB | 約280 tok/s補正済み |
| Ling 3.0 tiny | 8bit（Q8_0） | 8.7GB | 約280 tok/s補正済み |
| Nex-N2.5-mini | 2bit（Q2_K） | 14GB | 約270 tok/s補正済み |
| LFM2.5 8B-A1B | 8bit（Q8_0） | 9.2GB | 約250 tok/s補正済み |
| North Mini Code 1.0 | 3bit（Q3_K_M） | 15GB | 約240 tok/s補正済み |
| LLM-jp-3.1 1.8B | 8bit（Q8_0） | 3.9GB | 約240 tok/s補正済み |
| MiniCPM5 2B | 8bit（Q8_0） | 3.4GB | 約240 tok/s補正済み |
| LFM2.5 2.6B | 8bit（Q8_0） | 3.4GB | 約230 tok/s補正済み |
| LFM2.5-VL 3B | 8bit（Q8_0） | 3.4GB | 約230 tok/s補正済み |
| Gemma 2 Baku 2B | 8bit（Q8_0） | 3.8GB | 約220 tok/s補正済み |
| GLM-4.7-Flash 30B-A3B | 3bit（Q3_K_M） | 15GB | 約220 tok/s補正済み |
| Qwen3-Swallow 30B-A3B | 3bit（Q3_K_M） | 15GB | 約200 tok/s補正済み |
| Qwen3-VL 30B-A3B | 3bit（Q3_K_M） | 15GB | 約200 tok/s補正済み |
| Qwen3 30B-A3B | 3bit（Q3_K_M） | 15GB | 約200 tok/s補正済み |
| Qwen3-Coder 30B-A3B | 3bit（Q3_K_M） | 15GB | 約200 tok/s補正済み |
| Qwen2.5-VL 3B | 8bit（Q8_0） | 3.9GB | 約200 tok/s補正済み |
| Qwen2.5-Coder 3B | 8bit（Q8_0） | 3.9GB | 約200 tok/s補正済み |
| Qwen2.5 3B | 8bit（Q8_0） | 3.9GB | 約200 tok/s補正済み |
| ERNIE 4.5 21B-A3B Thinking | 4bit（Q4_K_M） | 14GB | 約200 tok/s補正済み |
| SmolLM3 3B | 8bit（Q8_0） | 4.2GB | 約190 tok/s補正済み |
| gpt-oss-20b | 4bit（MXFP4） | 12GB | 約190 tok/s補正済み |
| GPT-OSS-Swallow 20B | 3bit（Q3_K_M） | 13GB | 約170 tok/s補正済み |
| Llama 3.2 3B | 8bit（Q8_0） | 4.7GB | 約170 tok/s補正済み |
| Gemma 4 26B-A4B | 4bit（IQ4_XS） | 14GB | 約170 tok/s補正済み |
| Ministral 3 3B | 8bit（Q8_0） | 4.8GB | 約170 tok/s補正済み |
| Granite 4.2 3B | 8bit（Q8_0） | 4.9GB | 約160 tok/s補正済み |
| Sarashina2.2 3B | 8bit（Q8_0） | 5.2GB | 約160 tok/s補正済み |
| Gemma 3 4B | 8bit（Q8_0） | 4.7GB | 約160 tok/s補正済み |
| Nemotron 3 Nano 4B | 8bit（Q8_0） | 4.7GB | 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140 tok/s補正済み |
| Gemma 3n E2B | 8bit（Q8_0） | 5.2GB | 約140 tok/s補正済み |
| Qwen3-VL 4B | 8bit（Q8_0） | 5.7GB | 約140 tok/s補正済み |
| Qwen3 4B | 8bit（Q8_0） | 5.7GB | 約140 tok/s補正済み |
| Gemma 4 E2B | 8bit（Q8_0） | 5.5GB | 約130 tok/s補正済み |
| AFM-4.5B | 8bit（Q8_0） | 5.8GB | 約130 tok/s補正済み |
| Llama-3-ELYZA-JP-8B | 4bit（Q4_K_M） | 6.2GB | 約120 tok/s補正済み |
| Phi-3.5-mini 3.8B | 8bit（Q8_0） | 7.4GB | 約120 tok/s補正済み |
| CAT-Translate 7B | 6bit（Q6_K） | 7.4GB | 約100 tok/s補正済み |
| Granite 4.0 H-Small 32B-A9B | 3bit（Q3_K_M） | 15GB | 約92 tok/s補正済み |
| Shisa V2.1 Qwen3 8B | 6bit（Q6_K） | 8.1GB | 約92 tok/s補正済み |
| Granite 4.0 H-Tiny | 8bit（Q8_0） | 7.7GB | 約91 tok/s補正済み |
| Gemma 3n E4B | 8bit（Q8_0） | 7.7GB | 約91 tok/s補正済み |
| Mistral 7B v0.3 | 8bit（Q8_0） | 8.9GB | 約82 tok/s補正済み |
| Falcon-H1R 7B | 8bit（Q8_0） | 8.6GB | 約82 tok/s補正済み |
| Gemma 4 E4B | 8bit（Q8_0） | 8.6GB | 約81 tok/s補正済み |
| ELYZA-Shortcut-1.0 Qwen 7B | 8bit（Q8_0） | 8.7GB | 約81 tok/s補正済み |
| ABEJA Qwen2.5 7B Japanese | 8bit（Q8_0） | 8.7GB | 約81 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 7B | 8bit（Q8_0） | 8.7GB | 約81 tok/s補正済み |
| Qwen2.5-VL 7B | 8bit（Q8_0） | 8.7GB | 約81 tok/s補正済み |
| Qwen2.5 7B | 8bit（Q8_0） | 8.7GB | 約81 tok/s補正済み |
| Qwen2.5-Coder 7B | 8bit（Q8_0） | 8.7GB | 約81 tok/s補正済み |
| Hunyuan 7B | 8bit（Q8_0） | 9.2GB | 約79 tok/s補正済み |
| Tanuki-8B | 8bit（Q8_0） | 9.2GB | 約79 tok/s補正済み |
| Command R7B | 8bit（Q8_0） | 9.3GB | 約76 tok/s補正済み |
| Llama 3.1 Swallow 8B | 8bit（Q8_0） | 9.7GB | 約75 tok/s補正済み |
| DeepSeek-R1 Distill Llama 8B | 8bit（Q8_0） | 9.7GB | 約75 tok/s補正済み |
| Aya Expanse 8B | 8bit（Q8_0） | 9.7GB | 約75 tok/s補正済み |
| Llama 3 Youko 8B | 8bit（Q8_0） | 9.7GB | 約75 tok/s補正済み |
| Llama 3.1 8B | 8bit（Q8_0） | 9.7GB | 約75 tok/s補正済み |
| Apertus 8B | 8bit（Q8_0） | 9.7GB | 約74 tok/s補正済み |
| Qwen3-Swallow 8B | 8bit（Q8_0） | 10.0GB | 約73 tok/s補正済み |
| Qwen3-VL 8B | 8bit（Q8_0） | 10.0GB | 約73 tok/s補正済み |
| DeepSeek-R1-0528 Qwen3 8B | 8bit（Q8_0） | 10.0GB | 約73 tok/s補正済み |
| Qwen3 8B | 8bit（Q8_0） | 10.0GB | 約73 tok/s補正済み |
| Nemotron-Nano 9B v2 Japanese | 8bit（Q8_0） | 9.7GB | 約71 tok/s補正済み |
| Ministral 3 8B | 8bit（Q8_0） | 10GB | 約70 tok/s補正済み |
| Ornith 1.0 9B | 8bit（Q8_0） | 9.9GB | 約70 tok/s補正済み |
| Qwen3.5 9B | 8bit（Q8_0） | 9.9GB | 約70 tok/s補正済み |
| LLM-jp-4 8B thinking | 8bit（Q8_0） | 10GB | 約70 tok/s補正済み |
| MiMo-V2.6-Distill-Qwen-9B | 8bit（Q8_0） | 9.9GB | 約70 tok/s補正済み |
| Ornith 1.5 9B | 8bit（Q8_0） | 9.9GB | 約70 tok/s補正済み |
| UI-Mate 9B | 8bit（Q8_0） | 9.9GB | 約70 tok/s補正済み |
| UI-Venus-2 9B | 8bit（Q8_0） | 9.9GB | 約70 tok/s補正済み |
| Fara1.5 9B | 8bit（Q8_0） | 9.9GB | 約70 tok/s補正済み |
| Granite 4.2 8B | 8bit（Q8_0） | 11GB | 約68 tok/s補正済み |
| GLM-4.6V-Flash 9B | 8bit（Q8_0） | 10GB | 約67 tok/s補正済み |
| PLaMo 2 Translate | 8bit（Q8_0） | 10GB | 約66 tok/s補正済み |
| Gemma-2-Llama-Swallow 9B | 8bit（Q8_0） | 12GB | 約62 tok/s補正済み |
| Gemma 2 9B | 8bit（Q8_0） | 12GB | 約62 tok/s補正済み |
| Gemma 4 31B | 2bit（IQ2_M） | 12GB | 約59 tok/s補正済み |
| LLM-jp-3.1 13B | 4bit（Q4_K_M） | 15GB | 約58 tok/s補正済み |
| Ministral 3 14B | 6bit（Q6_K） | 12GB | 約58 tok/s補正済み |
| EXAONE 4.0.1 32B | 2bit（Q2_K） | 13GB | 約54 tok/s補正済み |
| Olmo 3.1 32B | 2bit（Q2_K） | 13GB | 約53 tok/s補正済み |
| ABEJA Qwen3 14B Agentic | 6bit（Q6_K） | 13GB | 約53 tok/s補正済み |
| Qwen3 14B | 6bit（Q6_K） | 13GB | 約53 tok/s補正済み |
| Shisa V2.1 unphi4 14B | 6bit（Q6_K） | 14GB | 約53 tok/s補正済み |
| Phi-4 14B | 6bit（Q6_K） | 14GB | 約53 tok/s補正済み |
| Gemma 4 12B | 8bit（Q8_0） | 13GB | 約52 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 14B | 6bit（Q6_K） | 14GB | 約52 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 14B Japanese | 6bit（Q6_K） | 14GB | 約52 tok/s補正済み |
| Qwen2.5-Coder 14B | 6bit（Q6_K） | 14GB | 約52 tok/s補正済み |
| Qwen2.5 14B | 6bit（Q6_K） | 14GB | 約52 tok/s補正済み |
| Gemma 3 12B | 8bit（Q8_0） | 13GB | 約52 tok/s補正済み |
| Nemotron Nano 12B v2 | 8bit（Q8_0） | 13GB | 約51 tok/s補正済み |
| ABEJA Qwen2.5 32B Japanese | 2bit（Q2_K） | 14GB | 約51 tok/s補正済み |
| ELYZA-Shortcut-1.0 Qwen 32B | 2bit（Q2_K） | 14GB | 約51 tok/s補正済み |
| ELYZA-Thinking-1.0 Qwen 32B | 2bit（Q2_K） | 14GB | 約51 tok/s補正済み |
| Qwen2.5-VL 32B | 2bit（Q2_K） | 14GB | 約51 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 32B | 2bit（Q2_K） | 14GB | 約51 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 32B Japanese | 2bit（Q2_K） | 14GB | 約51 tok/s補正済み |
| KARAKURI LM 32B Thinking | 2bit（Q2_K） | 14GB | 約51 tok/s補正済み |
| Qwen2.5-Coder 32B | 2bit（Q2_K） | 14GB | 約51 tok/s補正済み |
| Qwen2.5 32B | 2bit（Q2_K） | 14GB | 約51 tok/s補正済み |
| Qwen3-VL 32B | 2bit（Q2_K） | 14GB | 約50 tok/s補正済み |
| Qwen3 32B | 2bit（Q2_K） | 14GB | 約50 tok/s補正済み |
| Devstral Small 2 24B | 4bit（IQ4_XS） | 14GB | 約50 tok/s補正済み |
| Aya Expanse 32B | 2bit（Q2_K） | 14GB | 約50 tok/s補正済み |
| Gemma-2-Llama-Swallow 27B | 3bit（IQ3_M） | 15GB | 約50 tok/s補正済み |
| Mistral Nemo Japanese 12B | 8bit（Q8_0） | 14GB | 約49 tok/s補正済み |
| Mistral Nemo 12B | 8bit（Q8_0） | 14GB | 約49 tok/s補正済み |
| Seed-OSS 36B | 2bit（IQ2_M） | 15GB | 約49 tok/s補正済み |
| Qwen3.6 27B | 3bit（Q3_K_M） | 14GB | 約49 tok/s補正済み |
| Gemma 3 27B | 3bit（Q3_K_M） | 14GB | 約48 tok/s補正済み |
| Muse-Glimmer 30B | 3bit（IQ3_M） | 14GB | 約48 tok/s補正済み |
| Codestral 22B | 4bit（Q4_K_M） | 15GB | 約47 tok/s補正済み |
| Granite 4.2 30B | 3bit（IQ3_M） | 15GB | 約47 tok/s補正済み |
| Qwen3.8 27B | 4bit（IQ4_XS） | 15GB | 約47 tok/s補正済み |
| UI-Mate 27B | 3bit（Q3_K_M） | 15GB | 約46 tok/s補正済み |
| Fara1.5 27B | 3bit（Q3_K_M） | 15GB | 約46 tok/s補正済み |
| AREX-2 27B | 3bit（IQ3_M） | 15GB | 約45 tok/s補正済み |
| Magistral Small 2509 | 4bit（Q4_K_M） | 16GB | 約45 tok/s補正済み |
| Devstral Small 2507 | 4bit（Q4_K_M） | 16GB | 約45 tok/s補正済み |
| Mistral Small 3.2 24B | 4bit（Q4_K_M） | 16GB | 約45 tok/s補正済み |
| Qwen3.5 27B | 4bit（IQ4_XS） | 15GB | 約44 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 |
|---|---|---|---|---|
| LLM-jp-4 33B thinking | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約5.7 tok/s補正済み |
| Nemotron 3.5 Lightning 30B-A3B | 8bit（Q8_0） | 33GB | 実用CPUオフロード | 約14 tok/s補正済み |
| Nemotron 3 Nano Omni 30B-A3B | 4bit（Q4_K_M） | 23GB | 快適CPUオフロード | 約28 tok/s補正済み |
| LLM-jp-4 32B-A3B thinking | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約33 tok/s補正済み |
| Kimi Linear 48B-A3B | 4bit（Q4_K_M） | 29GB | 快適CPUオフロード | 約25 tok/s補正済み |
| RakutenAI-2.0 8x7B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約5.8 tok/s補正済み |
| Tanuki-8x8B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約5.8 tok/s補正済み |
| Mixtral 8x7B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約5.8 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 |
|---|---|---|---|
| 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49 tok/s補正済み |
| BigBang v1 35B | 22GB（あと6.1GB足りない） | 2bit（Q2_K） | 13GB | 約280 tok/s補正済み |
| Ornith 1.5 35B-A3B | 22GB（あと6.1GB足りない） | 2bit（Q2_K） | 13GB | 約340 tok/s補正済み |
| Holo4 35B-A3B | 22GB（あと6.6GB足りない） | 2bit（Q2_K） | 14GB | 約320 tok/s補正済み |
| Nex-N2.5-mini | 22GB（あと6.6GB足りない） | 2bit（Q2_K） | 14GB | 約270 tok/s補正済み |
| Thomson 1.0 Small 35B-A3B | 21GB（あと5.7GB足りない） | 2bit（Q2_K） | 13GB | 約290 tok/s補正済み |
| KAT-Coder-V2.5-Dev 35B-A3B | 21GB（あと5.7GB足りない） | 2bit（Q2_K） | 13GB | 約340 tok/s補正済み |
| Ornith 1.0 35B-A3B | 22GB（あと6.4GB足りない） | 2bit（IQ2_M） | 12GB | 約370 tok/s補正済み |
| XYZ-Aquila mini 35B-A3B | 21GB（あと5.7GB足りない） | 2bit（Q2_K） | 13GB | 約290 tok/s補正済み |
| Qwen-AgentWorld 35B-A3B | 22GB（あと6.4GB足りない） | 2bit（IQ2_M） | 12GB | 約370 tok/s補正済み |
| Qwen3.6 35B-A3B | 22GB（あと6.4GB足りない） | 2bit（IQ2_M） | 12GB | 約380 tok/s補正済み |
| Qwen3.5 35B-A3B | 22GB（あと6.3GB足りない） | 2bit（IQ2_M） | 12GB | 約380 tok/s補正済み |
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896GB/sで20機種中2番目。最速のGeForce RTX 5080（960GB/s）の約93%、最も遅いRTX 2000 Ada（224GB/s）の約4.0倍です。この機種のVRAMに収まるのは155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 5080 Laptop。VRAM16GBと帯域幅896GB/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2025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
日常使いの軸にはGemma 4 26B-A4BのIQ4_XSが向いています。VRAMに1.6GBの余白が残り、コンテキストを少し伸ばせるからです。コードの補完やリファクタリングにはDevstral Small 2507のQ4_K_M（推定45.1tok/s）か、Qwen2.5-Coder 14BをQ6_Kで（推定52.3tok/s）。
14Bなら量子化を落とさずに済みます。Qwen3.5 27BのIQ4_XSはVRAMに収まるものの、8,000トークンより長い入力を渡すと溢れる計算です。長い仕様書を読ませる日は、27Bにこだわらず小さいモデルへ切り替えたほうが結局早く終わります。CUDAで動かすので、ドライバはRTX 50世代に対応した版を入れておきましょう。
買うときの見どころ
同じ16GBで比べるべき相手はRTX 5080です。容量が同じなので動く本数は変わらず、帯域幅は896GB/sに対して960GB/s。推定速度の差は1割に届きません。逆にRTX 5060 Ti 16GBは容量こそ同じでも448GB/sで、推定速度はおよそ半分になります。
紛らわしいのはノート向けの名前。RTX 5070 Ti LaptopはVRAM 12GB・672GB/sの別物で、デスクトップ版と同じ16GB・896GB/sなのはRTX 5080 Laptopのほうです。RTX 5090まで上げれば4bit以上が51本増えるので、27B級を常用するつもりならここで一段上げる選択もあります。
RTX 50シリーズの中での位置
NVIDIAの現行世代です。RTX 50シリーズ8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 5090（VRAM32GB）にすると、4bit以上で動くモデルが51本増えます。
買う前に確認すること: 消費電力と電源容量、それにケースの奥行き。上位カードは3スロット厚が普通で、既存のミドルタワーに入らないことがあります。電源は12V-2x6コネクタの有無も確認してください。 シリーズ全体の選び方はRTX 50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 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 |
| Radeon RX 6800 | 16GB | 512 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（出典）
RTX 5070 Ti の llama.cpp 公開ベンチマーク（GitHub Discussion）: llama-2-7b Q4_0 = 176.85 tok/s。この値からメモリ帯域幅に対する実効係数（75%）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 5070 Ti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Qwen3.8 27B（4bit（IQ4_XS））が推定約47 tok/sです。
GeForce RTX 5070 Ti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。