GeForce RTX 5070 で動くローカルLLM一覧（2026年10月）
115快適（20 tok/s以上）
0実用（8〜20 tok/s）
48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
RTX 50のデスクトップ向けで12GBはこのカードだけで、RTX 5060 Ti 16GBとどちらを取るかで迷う位置にあります。5070は帯域幅672GB/sで、Qwen3 14BのQ4_K_Mが推定50.4tok/s。5060 Ti 16GBは448GB/sと遅いかわりに、4bit以上が11本多く動きます。
14Bまでで完結し、Qwen2.5-Coder 7BのQ8_0（推定58.5tok/s）のような軽いモデルを速く回したい人は5070。gpt-oss-20bのあと0.8GBが気になるなら16GBへ。速さか本数か、その一点で決まります。
この機種を積んだおすすめ構成: RTX 5070（12GB）デスクトップ・メモリ32GB
まず試すなら: ABEJA Qwen3 14B Agentic（4bit（Q4_K_M）・必要10GB・約50 tok/s補正済み）。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。
gpt-oss-20bが動く機種に買い替えるなら
- 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1580 tok/s補正済み |
| Qwen2.5 0.5B | 8bit（Q8_0） | 1.1GB | 約840 tok/s補正済み |
| Qwen3.5 0.8B | 8bit（Q8_0） | 1.4GB | 約550 tok/s補正済み |
| Gemma 3 1B | 8bit（Q8_0） | 1.6GB | 約450 tok/s補正済み |
| Sarashina2.2 0.5B | 8bit（Q8_0） | 1.8GB | 約440 tok/s補正済み |
| Qwen3 0.6B | 8bit（Q8_0） | 2.0GB | 約440 tok/s補正済み |
| LFM2.5 1.2B JP | 8bit（Q8_0） | 1.8GB | 約380 tok/s補正済み |
| Llama 3.2 1B | 8bit（Q8_0） | 2.0GB | 約340 tok/s補正済み |
| EXAONE 4.0 1.2B | 8bit（Q8_0） | 2.3GB | 約300 tok/s補正済み |
| TinySwallow 1.5B | 8bit（Q8_0） | 2.3GB | 約280 tok/s補正済み |
| RakutenAI-2.0 mini | 8bit（Q8_0） | 2.4GB | 約270 tok/s補正済み |
| Sarashina2.2 1B | 8bit（Q8_0） | 2.6GB | 約260 tok/s補正済み |
| Qwen2.5 1.5B | 8bit（Q8_0） | 2.5GB | 約240 tok/s補正済み |
| North Mini Code 1.0 | 2bit（IQ2_M） | 10GB | 約240 tok/s補正済み |
| Qwen3.5 2B | 8bit（Q8_0） | 2.6GB | 約230 tok/s補正済み |
| Qwen3-VL 2B | 8bit（Q8_0） | 3.1GB | 約210 tok/s補正済み |
| Qwen3 1.7B | 8bit（Q8_0） | 3.1GB | 約210 tok/s補正済み |
| Ling 3.0 tiny | 8bit（Q8_0） | 8.7GB | 約200 tok/s補正済み |
| LFM2.5 8B-A1B | 8bit（Q8_0） | 9.2GB | 約180 tok/s補正済み |
| LLM-jp-3.1 1.8B | 8bit（Q8_0） | 3.9GB | 約170 tok/s補正済み |
| ERNIE 4.5 21B-A3B Thinking | 3bit（Q3_K_M） | 11GB | 約170 tok/s補正済み |
| MiniCPM5 2B | 8bit（Q8_0） | 3.4GB | 約170 tok/s補正済み |
| LFM2.5 2.6B | 8bit（Q8_0） | 3.4GB | 約170 tok/s補正済み |
| LFM2.5-VL 3B | 8bit（Q8_0） | 3.4GB | 約170 tok/s補正済み |
| Gemma 4 26B-A4B | 2bit（IQ2_M） | 10GB | 約160 tok/s補正済み |
| Gemma 2 Baku 2B | 8bit（Q8_0） | 3.8GB | 約160 tok/s補正済み |
| Qwen2.5-VL 3B | 8bit（Q8_0） | 3.9GB | 約140 tok/s補正済み |
| Qwen2.5-Coder 3B | 8bit（Q8_0） | 3.9GB | 約140 tok/s補正済み |
| Qwen2.5 3B | 8bit（Q8_0） | 3.9GB | 約140 tok/s補正済み |
| SmolLM3 3B | 8bit（Q8_0） | 4.2GB | 約140 tok/s補正済み |
| Llama 3.2 3B | 8bit（Q8_0） | 4.7GB | 約130 tok/s補正済み |
| Ministral 3 3B | 8bit（Q8_0） | 4.8GB | 約120 tok/s補正済み |
| Granite 4.2 3B | 8bit（Q8_0） | 4.9GB | 約120 tok/s補正済み |
| Sarashina2.2 3B | 8bit（Q8_0） | 5.2GB | 約120 tok/s補正済み |
| Gemma 3 4B | 8bit（Q8_0） | 4.7GB | 約110 tok/s補正済み |
| Nemotron 3 Nano 4B | 8bit（Q8_0） | 4.7GB | 約110 tok/s補正済み |
| Qwen3.5 4B | 8bit（Q8_0） | 5.0GB | 約110 tok/s補正済み |
| Phi-4-mini 3.8B | 8bit（Q8_0） | 5.4GB | 約110 tok/s補正済み |
| AREX-Turbo 4B | 8bit（Q8_0） | 5.1GB | 約110 tok/s補正済み |
| Fara1.5 4B | 8bit（Q8_0） | 5.1GB | 約110 tok/s補正済み |
| Nanbeige4.2 3B | 8bit（Q8_0） | 5.4GB | 約100 tok/s補正済み |
| Gemma 3n E2B | 8bit（Q8_0） | 5.2GB | 約100 tok/s補正済み |
| Qwen3-VL 4B | 8bit（Q8_0） | 5.7GB | 約100 tok/s補正済み |
| Qwen3 4B | 8bit（Q8_0） | 5.7GB | 約100 tok/s補正済み |
| Gemma 4 E2B | 8bit（Q8_0） | 5.5GB | 約95 tok/s補正済み |
| AFM-4.5B | 8bit（Q8_0） | 5.8GB | 約93 tok/s補正済み |
| Llama-3-ELYZA-JP-8B | 4bit（Q4_K_M） | 6.2GB | 約89 tok/s補正済み |
| Phi-3.5-mini 3.8B | 8bit（Q8_0） | 7.4GB | 約86 tok/s補正済み |
| CAT-Translate 7B | 6bit（Q6_K） | 7.4GB | 約73 tok/s補正済み |
| Shisa V2.1 Qwen3 8B | 6bit（Q6_K） | 8.1GB | 約67 tok/s補正済み |
| Granite 4.0 H-Tiny | 8bit（Q8_0） | 7.7GB | 約66 tok/s補正済み |
| Gemma 3n E4B | 8bit（Q8_0） | 7.7GB | 約66 tok/s補正済み |
| Mistral 7B v0.3 | 8bit（Q8_0） | 8.9GB | 約59 tok/s補正済み |
| Falcon-H1R 7B | 8bit（Q8_0） | 8.6GB | 約59 tok/s補正済み |
| LLM-jp-3.1 13B | 2bit（IQ2_M） | 11GB | 約59 tok/s補正済み |
| Gemma 4 E4B | 8bit（Q8_0） | 8.6GB | 約59 tok/s補正済み |
| ELYZA-Shortcut-1.0 Qwen 7B | 8bit（Q8_0） | 8.7GB | 約59 tok/s補正済み |
| ABEJA Qwen2.5 7B Japanese | 8bit（Q8_0） | 8.7GB | 約59 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 7B | 8bit（Q8_0） | 8.7GB | 約59 tok/s補正済み |
| Qwen2.5-VL 7B | 8bit（Q8_0） | 8.7GB | 約59 tok/s補正済み |
| Qwen2.5 7B | 8bit（Q8_0） | 8.7GB | 約59 tok/s補正済み |
| Qwen2.5-Coder 7B | 8bit（Q8_0） | 8.7GB | 約59 tok/s補正済み |
| Hunyuan 7B | 8bit（Q8_0） | 9.2GB | 約57 tok/s補正済み |
| Tanuki-8B | 8bit（Q8_0） | 9.2GB | 約57 tok/s補正済み |
| Gemma-2-Llama-Swallow 9B | 6bit（Q6_K） | 9.8GB | 約56 tok/s補正済み |
| Gemma 2 9B | 6bit（Q6_K） | 9.8GB | 約56 tok/s補正済み |
| Command R7B | 8bit（Q8_0） | 9.3GB | 約55 tok/s補正済み |
| Llama 3.1 Swallow 8B | 8bit（Q8_0） | 9.7GB | 約54 tok/s補正済み |
| DeepSeek-R1 Distill Llama 8B | 8bit（Q8_0） | 9.7GB | 約54 tok/s補正済み |
| Aya Expanse 8B | 8bit（Q8_0） | 9.7GB | 約54 tok/s補正済み |
| Llama 3 Youko 8B | 8bit（Q8_0） | 9.7GB | 約54 tok/s補正済み |
| Llama 3.1 8B | 8bit（Q8_0） | 9.7GB | 約54 tok/s補正済み |
| Apertus 8B | 8bit（Q8_0） | 9.7GB | 約54 tok/s補正済み |
| Codestral 22B | 2bit（Q2_K） | 10GB | 約53 tok/s補正済み |
| Qwen3-Swallow 8B | 8bit（Q8_0） | 10.0GB | 約52 tok/s補正済み |
| Qwen3-VL 8B | 8bit（Q8_0） | 10.0GB | 約52 tok/s補正済み |
| DeepSeek-R1-0528 Qwen3 8B | 8bit（Q8_0） | 10.0GB | 約52 tok/s補正済み |
| Qwen3 8B | 8bit（Q8_0） | 10.0GB | 約52 tok/s補正済み |
| Nemotron-Nano 9B v2 Japanese | 8bit（Q8_0） | 9.7GB | 約51 tok/s補正済み |
| Devstral Small 2 24B | 2bit（Q2_K） | 10GB | 約51 tok/s補正済み |
| Magistral Small 2509 | 2bit（Q2_K） | 10GB | 約51 tok/s補正済み |
| Devstral Small 2507 | 2bit（Q2_K） | 10GB | 約51 tok/s補正済み |
| Mistral Small 3.2 24B | 2bit（Q2_K） | 10GB | 約51 tok/s補正済み |
| Ministral 3 8B | 8bit（Q8_0） | 10GB | 約51 tok/s補正済み |
| Ornith 1.0 9B | 8bit（Q8_0） | 9.9GB | 約51 tok/s補正済み |
| Qwen3.5 9B | 8bit（Q8_0） | 9.9GB | 約51 tok/s補正済み |
| MiMo-V2.6-Distill-Qwen-9B | 8bit（Q8_0） | 9.9GB | 約50 tok/s補正済み |
| Ornith 1.5 9B | 8bit（Q8_0） | 9.9GB | 約50 tok/s補正済み |
| UI-Mate 9B | 8bit（Q8_0） | 9.9GB | 約50 tok/s補正済み |
| UI-Venus-2 9B | 8bit（Q8_0） | 9.9GB | 約50 tok/s補正済み |
| Fara1.5 9B | 8bit（Q8_0） | 9.9GB | 約50 tok/s補正済み |
| LLM-jp-4 8B thinking | 8bit（Q8_0） | 10GB | 約50 tok/s補正済み |
| ABEJA Qwen3 14B Agentic | 4bit（Q4_K_M） | 10GB | 約50 tok/s補正済み |
| Qwen3 14B | 4bit（Q4_K_M） | 10GB | 約50 tok/s補正済み |
| Shisa V2.1 unphi4 14B | 4bit（Q4_K_M） | 11GB | 約50 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 14B | 4bit（Q4_K_M） | 11GB | 約50 tok/s補正済み |
| DeepSeek-R1 Distill Qwen 14B Japanese | 4bit（Q4_K_M） | 11GB | 約50 tok/s補正済み |
| Qwen2.5-Coder 14B | 4bit（Q4_K_M） | 11GB | 約50 tok/s補正済み |
| Qwen2.5 14B | 4bit（Q4_K_M） | 11GB | 約50 tok/s補正済み |
| Phi-4 14B | 4bit（Q4_K_M） | 11GB | 約49 tok/s補正済み |
| Granite 4.2 8B | 8bit（Q8_0） | 11GB | 約49 tok/s補正済み |
| Gemma 4 12B | 6bit（Q6_K） | 10GB | 約49 tok/s補正済み |
| Gemma 3 27B | 2bit（IQ2_M） | 11GB | 約49 tok/s補正済み |
| Gemma 3 12B | 6bit（Q6_K） | 11GB | 約48 tok/s補正済み |
| GLM-4.6V-Flash 9B | 8bit（Q8_0） | 10GB | 約48 tok/s補正済み |
| Nemotron Nano 12B v2 | 6bit（Q6_K） | 10GB | 約48 tok/s補正済み |
| PLaMo 2 Translate | 8bit（Q8_0） | 10GB | 約48 tok/s補正済み |
| Ministral 3 14B | 5bit（Q5_K_M） | 11GB | 約47 tok/s補正済み |
| Qwen3.5 27B | 2bit（IQ2_M） | 11GB | 約47 tok/s補正済み |
| Mistral Nemo Japanese 12B | 6bit（Q6_K） | 11GB | 約45 tok/s補正済み |
| Mistral Nemo 12B | 6bit（Q6_K） | 11GB | 約45 tok/s補正済み |
| AREX-2 27B | 2bit（Q2_K） | 11GB | 約45 tok/s補正済み |
| UI-Mate 27B | 2bit（IQ2_M） | 11GB | 約45 tok/s補正済み |
| Fara1.5 27B | 2bit（IQ2_M） | 11GB | 約45 tok/s補正済み |
| Qwen3.6 27B | 2bit（IQ2_M） | 11GB | 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 |
|---|---|---|---|---|
| Holo4 35B-A3B | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約23 tok/s補正済み |
| Nex-N2.5-mini | 4bit（Q4_K_M） | 22GB | 実用CPUオフロード | 約19 tok/s補正済み |
| BigBang v1 35B | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約20 tok/s補正済み |
| Granite 4.2 30B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約4.5 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3.7 tok/s補正済み |
| Muse-Glimmer 30B | 2bit（IQ2_M） | 12GB | 快適CPUオフロード | 約22 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11 tok/s補正済み |
| Ornith 1.5 35B-A3B | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約25 tok/s補正済み |
| Qwen3.8 27B | 4bit（Q4_K_M） | 17GB | 遅いCPUオフロード | 約6.5 tok/s補正済み |
| Thomson 1.0 Small 35B-A3B | 4bit（Q4_K_M） | 21GB | 快適CPUオフロード | 約21 tok/s補正済み |
| Gemma 4 31B | 4bit（Q4_K_M） | 19GB | 遅いCPUオフロード | 約4.6 tok/s補正済み |
| KAT-Coder-V2.5-Dev 35B-A3B | 4bit（Q4_K_M） | 21GB | 快適CPUオフロード | 約25 tok/s補正済み |
| Laguna XS 2.1 33B-A3B | 4bit（Q4_K_M） | 21GB | 快適CPUオフロード | 約24 tok/s補正済み |
| Ornith 1.0 35B-A3B | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約23 tok/s補正済み |
| XYZ-Aquila mini 35B-A3B | 4bit（Q4_K_M） | 21GB | 快適CPUオフロード | 約21 tok/s補正済み |
| Qwen-AgentWorld 35B-A3B | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約23 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19 tok/s補正済み |
| Qwen3.6 35B-A3B | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約23 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21 tok/s補正済み |
| Qwen3.5 35B-A3B | 4bit（Q4_K_M） | 22GB | 快適CPUオフロード | 約24 tok/s補正済み |
| GPT-OSS-Swallow 20B | 4bit（Q4_K_M） | 16GB | 快適CPUオフロード | 約26 tok/s補正済み |
| Kimi Linear 48B-A3B | 4bit（Q4_K_M） | 29GB | 実用CPUオフロード | 約20 tok/s補正済み |
| Qwen3-Swallow 30B-A3B | 4bit（Q4_K_M） | 19GB | 快適CPUオフロード | 約23 tok/s補正済み |
| GLM-4.7-Flash 30B-A3B | 4bit（Q4_K_M） | 19GB | 快適CPUオフロード | 約24 tok/s補正済み |
| Olmo 3.1 32B | 4bit（Q4_K_M） | 20GB | 遅いCPUオフロード | 約4.1 tok/s補正済み |
| Granite 4.0 H-Small 32B-A9B | 4bit（Q4_K_M） | 19GB | 実用CPUオフロード | 約9.6 tok/s補正済み |
| Qwen3-VL 30B-A3B | 4bit（Q4_K_M） | 19GB | 快適CPUオフロード | 約23 tok/s補正済み |
| Qwen3-VL 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約3.8 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4.2 tok/s補正済み |
| gpt-oss-20b | 4bit（MXFP4） | 12GB | 快適CPUオフロード | 約77 tok/s補正済み |
| Seed-OSS 36B | 4bit（Q4_K_M） | 23GB | 遅いCPUオフロード | 約3.2 tok/s補正済み |
| Qwen3 30B-A3B | 4bit（Q4_K_M） | 19GB | 快適CPUオフロード | 約23 tok/s補正済み |
| Qwen3-Coder 30B-A3B | 4bit（Q4_K_M） | 19GB | 快適CPUオフロード | 約23 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3.8 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3.8 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3.8 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5.2 tok/s補正済み |
| Qwen3 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約3.8 tok/s補正済み |
| Qwen2.5-VL 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.8 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3.8 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3.8 tok/s補正済み |
| KARAKURI LM 32B Thinking | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.8 tok/s補正済み |
| RakutenAI-2.0 8x7B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約4.5 tok/s補正済み |
| Qwen2.5-Coder 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.8 tok/s補正済み |
| Aya Expanse 32B | 4bit（Q4_K_M） | 21GB | 遅いCPUオフロード | 約4.0 tok/s補正済み |
| Qwen2.5 32B | 4bit（Q4_K_M） | 22GB | 遅いCPUオフロード | 約3.8 tok/s補正済み |
| Tanuki-8x8B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約4.5 tok/s補正済み |
| Mixtral 8x7B | 4bit（Q4_K_M） | 29GB | 遅いCPUオフロード | 約4.5 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240 tok/s補正済み |
| Gemma 3 27B | 17GB（あと5.9GB足りない） | 2bit（IQ2_M） | 11GB | 約49 tok/s補正済み |
| AREX-2 27B | 18GB（あと6.0GB足りない） | 2bit（Q2_K） | 11GB | 約45 tok/s補正済み |
| UI-Mate 27B | 18GB（あと6.3GB足りない） | 2bit（IQ2_M） | 11GB | 約45 tok/s補正済み |
| Fara1.5 27B | 18GB（あと6.3GB足りない） | 2bit（IQ2_M） | 11GB | 約45 tok/s補正済み |
| Qwen3.6 27B | 17GB（あと5.6GB足りない） | 2bit（IQ2_M） | 11GB | 約44 tok/s補正済み |
| Qwen3.5 27B | 17GB（あと5.6GB足りない） | 2bit（IQ2_M） | 11GB | 約47 tok/s補正済み |
| Gemma 4 26B-A4B | 17GB（あと5.6GB足りない） | 2bit（IQ2_M） | 10GB | 約160 tok/s補正済み |
| Devstral Small 2 24B | 16GB（あと4.0GB足りない） | 2bit（Q2_K） | 10GB | 約51 tok/s補正済み |
| Magistral Small 2509 | 16GB（あと4.0GB足りない） | 2bit（Q2_K） | 10GB | 約51 tok/s補正済み |
| Devstral Small 2507 | 16GB（あと4.0GB足りない） | 2bit（Q2_K） | 10GB | 約51 tok/s補正済み |
| Mistral Small 3.2 24B | 16GB（あと4.0GB足りない） | 2bit（Q2_K） | 10GB | 約51 tok/s補正済み |
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672GB/sで13機種中3番目。最速のGeForce RTX 3080 12GB（912GB/s）の約74%、最も遅いGeForce RTX 2060 12GB（336GB/s）の約2.0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 5070 Ti Laptop。VRAM12GBと帯域幅672GB/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。
同じ数字の機種と、実際は何が違うか
VRAM 12GBの13機種の中で帯域幅は672GB/sと上位で、同じ12GBのRTX 4070（504GB/s）やRTX 3060 12GB（360GB/s）より速い計算になります。動かせるモデルの本数は容量で決まるので3世代とも同じ。違うのは速度と、世代で入った演算まわりです。
RTX 50シリーズは第5世代のTensorコアでFP4形式に対応しており、量子化を落として速さを取る使い方の幅が広がっています。数字が完全に同じ機種としてRTX 5070 Ti Laptopがあり、ローカルLLMの用途に限れば同じ結果になります。
この機種を実際に使うなら
12GBという容量は、14BクラスのQ4（約10GB）がGPUに全部載る上限です。27Bクラスは4bitで17GB前後なので収まらず、CPUオフロードでの動作になります。オフロードは動くには動きますが速度が数分の一に落ちるので、27Bを常用するなら最初から16GBか24GBを選ぶほうが結果的に安上がりです。
画像生成ではSDXLが快適に動く容量で、FLUXは省メモリ設定が要ります。この機種は速度の推定を公開ベンチマークで補正しているので、表の速度は他機種の数字を当てはめた値より信頼できます。
買うときの見どころ
型番の末尾に注意が要ります。デスクトップのRTX 5070は12GBですが、ノート用のRTX 5070 Laptopは8GBで、動かせるモデルの本数が87本まで減ります。同じ「5070」でも別物と考えましょう。上位のRTX 5070 Tiは16GBで、20BのMoE型がGPUだけで動き、27BもIQ4_XSならVRAMに収まります。
価格差をどう見るかは、27Bクラスを動かしたいかどうかで決まります。中古のRTX 4070 12GBは速度が約4分の3ですが、動かせる本数は同じなので、速さより価格を優先する人には現実的な選択肢です。
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4番目です。一段上のGeForce RTX 5060 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: 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（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 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 RTX 4070 Ti | 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。
ぴったり自作
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
余裕を持つなら自作
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
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 5070 の llama.cpp 公開ベンチマーク（GitHub Discussion）: llama-2-7b Q4_0 = 127.54 tok/s。この値からメモリ帯域幅に対する実効係数（73%）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50 tok/sです。
GeForce RTX 5070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。