AMD Ryzen AI Max+ 395（Strix Halo）（メモリ64GB） で動くローカルLLM一覧（2026年10月）
81快適（20 tok/s以上）
58実用（8〜20 tok/s）
0メモリに一部を逃がせば動く
23動かない
編集部の見立て
64GBで帯域幅256GB/s。IQ4_XSに落としたQwen3-Coder-Next 80B-A3Bでも推定54tok/s出るので、80B級MoEを速さの不満なく使える構成です。見落としやすいのは70B級で、Llama 3.3 70BのQ4_K_Mは必要43.8GBに対して実効42.9GB。
0.9GBの差で収まりません。IQ4_XSなら収まりますが推定3.9tok/s。大型MoEを使う機種であって、70B級のdense型（MoEではない通常の構造）を常用する機種ではありません。コーディングエージェントを手元で速く回したい人に合います。
まず試すなら: Qwen-AgentWorld 35B-A3B（8bit（Q8_0）・必要36GB・約28 tok/s推定）。エージェント用途を名前に掲げた35BのMoE（アクティブ3B）。Apache 2.0
足りないのは: Llama 3.3 70Bを動かすにはメモリがあと約0.9GB必要（必要44GB / 実効43GB）。
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
メモリに収まるモデル
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）。
| モデル | 量子化 | 必要 | 判定 | 推定速度 |
|---|---|---|---|---|
| Gemma 3 270M | 8bit（Q8_0） | 0.8GB | 快適 | 約500 tok/s推定 |
| Qwen2.5 0.5B | 8bit（Q8_0） | 1.1GB | 快適 | 約260 tok/s推定 |
| Qwen3.5 0.8B | 8bit（Q8_0） | 1.4GB | 快適 | 約170 tok/s推定 |
| Gemma 3 1B | 8bit（Q8_0） | 1.6GB | 快適 | 約140 tok/s推定 |
| Sarashina2.2 0.5B | 8bit（Q8_0） | 1.8GB | 快適 | 約140 tok/s推定 |
| Qwen3 0.6B | 8bit（Q8_0） | 2.0GB | 快適 | 約140 tok/s推定 |
| LFM2.5 1.2B JP | 8bit（Q8_0） | 1.8GB | 快適 | 約120 tok/s推定 |
| Llama 3.2 1B | 8bit（Q8_0） | 2.0GB | 快適 | 約110 tok/s推定 |
| EXAONE 4.0 1.2B | 8bit（Q8_0） | 2.3GB | 快適 | 約95 tok/s推定 |
| TinySwallow 1.5B | 8bit（Q8_0） | 2.3GB | 快適 | 約87 tok/s推定 |
| RakutenAI-2.0 mini | 8bit（Q8_0） | 2.4GB | 快適 | 約85 tok/s推定 |
| Sarashina2.2 1B | 8bit（Q8_0） | 2.6GB | 快適 | 約83 tok/s推定 |
| Qwen2.5 1.5B | 8bit（Q8_0） | 2.5GB | 快適 | 約76 tok/s推定 |
| Qwen3.5 2B | 8bit（Q8_0） | 2.6GB | 快適 | 約72 tok/s推定 |
| Qwen3-VL 2B | 8bit（Q8_0） | 3.1GB | 快適 | 約67 tok/s推定 |
| Qwen3 1.7B | 8bit（Q8_0） | 3.1GB | 快適 | 約67 tok/s推定 |
| Ling 3.0 tiny | 8bit（Q8_0） | 8.7GB | 快適 | 約64 tok/s推定 |
| LFM2.5 8B-A1B | 8bit（Q8_0） | 9.2GB | 快適 | 約56 tok/s推定 |
| LLM-jp-3.1 1.8B | 8bit（Q8_0） | 3.9GB | 快適 | 約55 tok/s推定 |
| Qwen3-Coder-Next 80B-A3B | 4bit（IQ4_XS） | 42GB | 快適 | 約54 tok/s推定 |
| Qwen3-Next 80B-A3B | 4bit（IQ4_XS） | 42GB | 快適 | 約54 tok/s推定 |
| MiniCPM5 2B | 8bit（Q8_0） | 3.4GB | 快適 | 約54 tok/s推定 |
| LFM2.5 2.6B | 8bit（Q8_0） | 3.4GB | 快適 | 約52 tok/s推定 |
| LFM2.5-VL 3B | 8bit（Q8_0） | 3.4GB | 快適 | 約52 tok/s推定 |
| Ling 3.0 flash | 2bit（IQ2_M） | 42GB | 快適 | 約51 tok/s推定 |
| Gemma 2 Baku 2B | 8bit（Q8_0） | 3.8GB | 快適 | 約49 tok/s推定 |
| Qwen2.5-VL 3B | 8bit（Q8_0） | 3.9GB | 快適 | 約45 tok/s推定 |
| Qwen2.5-Coder 3B | 8bit（Q8_0） | 3.9GB | 快適 | 約45 tok/s推定 |
| Qwen2.5 3B | 8bit（Q8_0） | 3.9GB | 快適 | 約45 tok/s推定 |
| SmolLM3 3B | 8bit（Q8_0） | 4.2GB | 快適 | 約43 tok/s推定 |
| gpt-oss-20b | 4bit（MXFP4） | 12GB | 快適 | 約42 tok/s推定 |
| Mistral Small 4 119B | 2bit（IQ2_M） | 37GB | 快適 | 約42 tok/s推定 |
| Llama 3.2 3B | 8bit（Q8_0） | 4.7GB | 快適 | 約40 tok/s推定 |
| Ministral 3 3B | 8bit（Q8_0） | 4.8GB | 快適 | 約38 tok/s推定 |
| Kimi Linear 48B-A3B | 6bit（Q6_K） | 39GB | 快適 | 約36 tok/s推定 |
| Granite 4.2 3B | 8bit（Q8_0） | 4.9GB | 快適 | 約36 tok/s推定 |
| LLM-jp-4 32B-A3B thinking | 5bit（Q5_K_M） | 24GB | 快適 | 約36 tok/s推定 |
| Sarashina2.2 3B | 8bit（Q8_0） | 5.2GB | 快適 | 約36 tok/s推定 |
| Gemma 3 4B | 8bit（Q8_0） | 4.7GB | 快適 | 約36 tok/s推定 |
| Nemotron 3 Nano 4B | 8bit（Q8_0） | 4.7GB | 快適 | 約36 tok/s推定 |
| Qwen3.5 4B | 8bit（Q8_0） | 5.0GB | 快適 | 約33 tok/s推定 |
| AREX-Turbo 4B | 8bit（Q8_0） | 5.1GB | 快適 | 約33 tok/s推定 |
| Fara1.5 4B | 8bit（Q8_0） | 5.1GB | 快適 | 約33 tok/s推定 |
| Laguna S 2.1 118B-A8B | 2bit（IQ2_M） | 37GB | 快適 | 約33 tok/s推定 |
| Phi-4-mini 3.8B | 8bit（Q8_0） | 5.4GB | 快適 | 約33 tok/s推定 |
| Nanbeige4.2 3B | 8bit（Q8_0） | 5.4GB | 快適 | 約32 tok/s推定 |
| Gemma 3n E2B | 8bit（Q8_0） | 5.2GB | 快適 | 約32 tok/s推定 |
| Qwen3-VL 4B | 8bit（Q8_0） | 5.7GB | 快適 | 約31 tok/s推定 |
| Qwen3 4B | 8bit（Q8_0） | 5.7GB | 快適 | 約31 tok/s推定 |
| Gemma 4 E2B | 8bit（Q8_0） | 5.5GB | 快適 | 約30 tok/s推定 |
| AFM-4.5B | 8bit（Q8_0） | 5.8GB | 快適 | 約29 tok/s推定 |
| Nemotron 3.5 Lightning 30B-A3B | 8bit（Q8_0） | 33GB | 快適 | 約29 tok/s推定 |
| Nemotron 3 Nano Omni 30B-A3B | 8bit（Q8_0） | 33GB | 快適 | 約29 tok/s推定 |
| Holo4 35B-A3B | 8bit（Q8_0） | 36GB | 快適 | 約28 tok/s推定 |
| Ornith 1.5 35B-A3B | 8bit（Q8_0） | 37GB | 快適 | 約28 tok/s推定 |
| KAT-Coder-V2.5-Dev 35B-A3B | 8bit（Q8_0） | 36GB | 快適 | 約28 tok/s推定 |
| Ornith 1.0 35B-A3B | 8bit（Q8_0） | 36GB | 快適 | 約28 tok/s推定 |
| Qwen-AgentWorld 35B-A3B | 8bit（Q8_0） | 36GB | 快適 | 約28 tok/s推定 |
| Qwen3.6 35B-A3B | 8bit（Q8_0） | 36GB | 快適 | 約28 tok/s推定 |
| Qwen3.5 35B-A3B | 8bit（Q8_0） | 36GB | 快適 | 約28 tok/s推定 |
| Llama-3-ELYZA-JP-8B | 4bit（Q4_K_M） | 6.2GB | 快適 | 約28 tok/s推定 |
| Qwen3.5 122B-A10B | 2bit（IQ2_M） | 38GB | 快適 | 約28 tok/s推定 |
| Laguna XS 2.1 33B-A3B | 8bit（Q8_0） | 35GB | 快適 | 約27 tok/s推定 |
| Phi-3.5-mini 3.8B | 8bit（Q8_0） | 7.4GB | 快適 | 約27 tok/s推定 |
| ERNIE 4.5 21B-A3B Thinking | 8bit（Q8_0） | 23GB | 快適 | 約27 tok/s推定 |
| North Mini Code 1.0 | 8bit（Q8_0） | 32GB | 快適 | 約27 tok/s推定 |
| GLM-4.7-Flash 30B-A3B | 8bit（Q8_0） | 32GB | 快適 | 約26 tok/s推定 |
| Nex-N2.5-mini | 8bit（Q8_0） | 36GB | 快適 | 約24 tok/s推定 |
| Thomson 1.0 Small 35B-A3B | 8bit（Q8_0） | 36GB | 快適 | 約24 tok/s推定 |
| XYZ-Aquila mini 35B-A3B | 8bit（Q8_0） | 36GB | 快適 | 約24 tok/s推定 |
| Qwen3-Swallow 30B-A3B | 8bit（Q8_0） | 32GB | 快適 | 約24 tok/s推定 |
| Qwen3-VL 30B-A3B | 8bit（Q8_0） | 32GB | 快適 | 約24 tok/s推定 |
| Qwen3 30B-A3B | 8bit（Q8_0） | 32GB | 快適 | 約24 tok/s推定 |
| Qwen3-Coder 30B-A3B | 8bit（Q8_0） | 32GB | 快適 | 約24 tok/s推定 |
| GPT-OSS-Swallow 20B | 8bit（Q8_0） | 22GB | 快適 | 約23 tok/s推定 |
| BigBang v1 35B | 8bit（Q8_0） | 37GB | 快適 | 約23 tok/s推定 |
| CAT-Translate 7B | 6bit（Q6_K） | 7.4GB | 快適 | 約23 tok/s推定 |
| Shisa V2.1 Qwen3 8B | 6bit（Q6_K） | 8.1GB | 快適 | 約21 tok/s推定 |
| Gemma 4 26B-A4B | 8bit（Q8_0） | 27GB | 快適 | 約21 tok/s推定 |
| Granite 4.0 H-Tiny | 8bit（Q8_0） | 7.7GB | 快適 | 約21 tok/s推定 |
| Gemma 3n E4B | 8bit（Q8_0） | 7.7GB | 快適 | 約21 tok/s推定 |
| Falcon-H1R 7B | 8bit（Q8_0） | 8.6GB | 実用 | 約19 tok/s推定 |
| Mistral 7B v0.3 | 8bit（Q8_0） | 8.9GB | 実用 | 約19 tok/s推定 |
| Gemma 4 E4B | 8bit（Q8_0） | 8.6GB | 実用 | 約18 tok/s推定 |
| ELYZA-Shortcut-1.0 Qwen 7B | 8bit（Q8_0） | 8.7GB | 実用 | 約18 tok/s推定 |
| ABEJA Qwen2.5 7B Japanese | 8bit（Q8_0） | 8.7GB | 実用 | 約18 tok/s推定 |
| DeepSeek-R1 Distill Qwen 7B | 8bit（Q8_0） | 8.7GB | 実用 | 約18 tok/s推定 |
| Qwen2.5-VL 7B | 8bit（Q8_0） | 8.7GB | 実用 | 約18 tok/s推定 |
| Qwen2.5 7B | 8bit（Q8_0） | 8.7GB | 実用 | 約18 tok/s推定 |
| Qwen2.5-Coder 7B | 8bit（Q8_0） | 8.7GB | 実用 | 約18 tok/s推定 |
| Hunyuan 7B | 8bit（Q8_0） | 9.2GB | 実用 | 約18 tok/s推定 |
| Tanuki-8B | 8bit（Q8_0） | 9.2GB | 実用 | 約18 tok/s推定 |
| Command R7B | 8bit（Q8_0） | 9.3GB | 実用 | 約17 tok/s推定 |
| Apertus 8B | 8bit（Q8_0） | 9.7GB | 実用 | 約17 tok/s推定 |
| Llama 3.1 Swallow 8B | 8bit（Q8_0） | 9.7GB | 実用 | 約17 tok/s推定 |
| DeepSeek-R1 Distill Llama 8B | 8bit（Q8_0） | 9.7GB | 実用 | 約17 tok/s推定 |
| Aya Expanse 8B | 8bit（Q8_0） | 9.7GB | 実用 | 約17 tok/s推定 |
| Llama 3 Youko 8B | 8bit（Q8_0） | 9.7GB | 実用 | 約17 tok/s推定 |
| Llama 3.1 8B | 8bit（Q8_0） | 9.7GB | 実用 | 約17 tok/s推定 |
| Qwen3-Swallow 8B | 8bit（Q8_0） | 10.0GB | 実用 | 約17 tok/s推定 |
| Qwen3-VL 8B | 8bit（Q8_0） | 10.0GB | 実用 | 約17 tok/s推定 |
| DeepSeek-R1-0528 Qwen3 8B | 8bit（Q8_0） | 10.0GB | 実用 | 約17 tok/s推定 |
| Qwen3 8B | 8bit（Q8_0） | 10.0GB | 実用 | 約17 tok/s推定 |
| Nemotron-Nano 9B v2 Japanese | 8bit（Q8_0） | 9.7GB | 実用 | 約16 tok/s推定 |
| Ministral 3 8B | 8bit（Q8_0） | 10GB | 実用 | 約16 tok/s推定 |
| MiMo-V2.6-Distill-Qwen-9B | 8bit（Q8_0） | 9.9GB | 実用 | 約16 tok/s推定 |
| Ornith 1.5 9B | 8bit（Q8_0） | 9.9GB | 実用 | 約16 tok/s推定 |
| UI-Mate 9B | 8bit（Q8_0） | 9.9GB | 実用 | 約16 tok/s推定 |
| UI-Venus-2 9B | 8bit（Q8_0） | 9.9GB | 実用 | 約16 tok/s推定 |
| Fara1.5 9B | 8bit（Q8_0） | 9.9GB | 実用 | 約16 tok/s推定 |
| Ornith 1.0 9B | 8bit（Q8_0） | 9.9GB | 実用 | 約16 tok/s推定 |
| LLM-jp-4 8B thinking | 8bit（Q8_0） | 10GB | 実用 | 約16 tok/s推定 |
| Qwen3.5 9B | 8bit（Q8_0） | 9.9GB | 実用 | 約16 tok/s推定 |
| Granite 4.2 8B | 8bit（Q8_0） | 11GB | 実用 | 約15 tok/s推定 |
| GLM-4.6V-Flash 9B | 8bit（Q8_0） | 10GB | 実用 | 約15 tok/s推定 |
| PLaMo 2 Translate | 8bit（Q8_0） | 10GB | 実用 | 約15 tok/s推定 |
| Gemma-2-Llama-Swallow 9B | 8bit（Q8_0） | 12GB | 実用 | 約14 tok/s推定 |
| Gemma 2 9B | 8bit（Q8_0） | 12GB | 実用 | 約14 tok/s推定 |
| Hunyuan-A13B 80B | 3bit（IQ3_M） | 37GB | 実用 | 約14 tok/s推定 |
| Llama 4 Scout 17B-16E | 2bit（Q2_K） | 40GB | 実用 | 約13 tok/s推定 |
| Gemma 4 12B | 8bit（Q8_0） | 13GB | 実用 | 約12 tok/s推定 |
| Gemma 3 12B | 8bit（Q8_0） | 13GB | 実用 | 約12 tok/s推定 |
| Nemotron Nano 12B v2 | 8bit（Q8_0） | 13GB | 実用 | 約12 tok/s推定 |
| Mistral Nemo Japanese 12B | 8bit（Q8_0） | 14GB | 実用 | 約11 tok/s推定 |
| Mistral Nemo 12B | 8bit（Q8_0） | 14GB | 実用 | 約11 tok/s推定 |
| Ministral 3 14B | 8bit（Q8_0） | 16GB | 実用 | 約10 tok/s推定 |
| Granite 4.0 H-Small 32B-A9B | 8bit（Q8_0） | 33GB | 実用 | 約9.6 tok/s推定 |
| ABEJA Qwen3 14B Agentic | 8bit（Q8_0） | 17GB | 実用 | 約9.4 tok/s推定 |
| Shisa V2.1 unphi4 14B | 8bit（Q8_0） | 17GB | 実用 | 約9.4 tok/s推定 |
| Qwen3 14B | 8bit（Q8_0） | 17GB | 実用 | 約9.4 tok/s推定 |
| Phi-4 14B | 8bit（Q8_0） | 17GB | 実用 | 約9.4 tok/s推定 |
| DeepSeek-R1 Distill Qwen 14B | 8bit（Q8_0） | 17GB | 実用 | 約9.3 tok/s推定 |
| DeepSeek-R1 Distill Qwen 14B Japanese | 8bit（Q8_0） | 17GB | 実用 | 約9.3 tok/s推定 |
| Qwen2.5-Coder 14B | 8bit（Q8_0） | 17GB | 実用 | 約9.3 tok/s推定 |
| Qwen2.5 14B | 8bit（Q8_0） | 17GB | 実用 | 約9.3 tok/s推定 |
| LLM-jp-3.1 13B | 8bit（Q8_0） | 21GB | 実用 | 約8.6 tok/s推定 |
| RakutenAI-2.0 8x7B | 6bit（Q6_K） | 38GB | 実用 | 約8.2 tok/s推定 |
| Tanuki-8x8B | 6bit（Q6_K） | 39GB | 実用 | 約8.2 tok/s推定 |
| Mixtral 8x7B | 6bit（Q6_K） | 38GB | 実用 | 約8.2 tok/s推定 |
| Codestral 22B | 8bit（Q8_0） | 25GB | 遅い | 約6.2 tok/s推定 |
| Devstral Small 2 24B | 8bit（Q8_0） | 26GB | 遅い | 約6.0 tok/s推定 |
| Magistral Small 2509 | 8bit（Q8_0） | 26GB | 遅い | 約6.0 tok/s推定 |
| Devstral Small 2507 | 8bit（Q8_0） | 26GB | 遅い | 約6.0 tok/s推定 |
| Mistral Small 3.2 24B | 8bit（Q8_0） | 26GB | 遅い | 約6.0 tok/s推定 |
| Qwen2.5-VL 32B | 6bit（Q6_K） | 28GB | 遅い | 約5.5 tok/s推定 |
| AREX-2 27B | 8bit（Q8_0） | 29GB | 遅い | 約5.3 tok/s推定 |
| UI-Mate 27B | 8bit（Q8_0） | 29GB | 遅い | 約5.3 tok/s推定 |
| Fara1.5 27B | 8bit（Q8_0） | 29GB | 遅い | 約5.3 tok/s推定 |
| Qwen3.6 27B | 8bit（Q8_0） | 28GB | 遅い | 約5.3 tok/s推定 |
| Qwen3.5 27B | 8bit（Q8_0） | 28GB | 遅い | 約5.3 tok/s推定 |
| Muse-Glimmer 30B | 8bit（Q8_0） | 29GB | 遅い | 約5.2 tok/s推定 |
| Qwen3.8 27B | 8bit（Q8_0） | 29GB | 遅い | 約5.2 tok/s推定 |
| Gemma 3 27B | 8bit（Q8_0） | 29GB | 遅い | 約5.2 tok/s推定 |
| Gemma-2-Llama-Swallow 27B | 8bit（Q8_0） | 30GB | 遅い | 約5.1 tok/s推定 |
| Granite 4.2 30B | 8bit（Q8_0） | 32GB | 遅い | 約4.8 tok/s推定 |
| Gemma 4 31B | 8bit（Q8_0） | 33GB | 遅い | 約4.6 tok/s推定 |
| Olmo 3.1 32B | 8bit（Q8_0） | 35GB | 遅い | 約4.4 tok/s推定 |
| EXAONE 4.0.1 32B | 8bit（Q8_0） | 34GB | 遅い | 約4.4 tok/s推定 |
| Aya Expanse 32B | 8bit（Q8_0） | 35GB | 遅い | 約4.4 tok/s推定 |
| Qwen3-VL 32B | 8bit（Q8_0） | 36GB | 遅い | 約4.3 tok/s推定 |
| ABEJA Qwen2.5 32B Japanese | 8bit（Q8_0） | 36GB | 遅い | 約4.3 tok/s推定 |
| ELYZA-Shortcut-1.0 Qwen 32B | 8bit（Q8_0） | 36GB | 遅い | 約4.3 tok/s推定 |
| ELYZA-Thinking-1.0 Qwen 32B | 8bit（Q8_0） | 36GB | 遅い | 約4.3 tok/s推定 |
| Qwen3 32B | 8bit（Q8_0） | 36GB | 遅い | 約4.3 tok/s推定 |
| DeepSeek-R1 Distill Qwen 32B | 8bit（Q8_0） | 36GB | 遅い | 約4.3 tok/s推定 |
| DeepSeek-R1 Distill Qwen 32B Japanese | 8bit（Q8_0） | 36GB | 遅い | 約4.3 tok/s推定 |
| KARAKURI LM 32B Thinking | 8bit（Q8_0） | 36GB | 遅い | 約4.3 tok/s推定 |
| Qwen2.5-Coder 32B | 8bit（Q8_0） | 36GB | 遅い | 約4.3 tok/s推定 |
| Qwen2.5 32B | 8bit（Q8_0） | 36GB | 遅い | 約4.3 tok/s推定 |
| LLM-jp-4 33B thinking | 8bit（Q8_0） | 36GB | 遅い | 約4.2 tok/s推定 |
| Stockmark-2 100B | 2bit（Q2_K） | 37GB | 遅い | 約4.2 tok/s推定 |
| Shisa V2.1 Llama 3.3 70B | 4bit（IQ4_XS） | 39GB | 遅い | 約3.9 tok/s推定 |
| Seed-OSS 36B | 8bit（Q8_0） | 39GB | 遅い | 約3.9 tok/s推定 |
| Llama 3.3 Swallow 70B | 4bit（IQ4_XS） | 39GB | 遅い | 約3.9 tok/s推定 |
| DeepSeek-R1 Distill Llama 70B | 4bit（IQ4_XS） | 39GB | 遅い | 約3.9 tok/s推定 |
| Llama 3.3 70B | 4bit（IQ4_XS） | 39GB | 遅い | 約3.9 tok/s推定 |
| Llama 3 Youko 70B | 4bit（IQ4_XS） | 39GB | 遅い | 約3.9 tok/s推定 |
| Llama 3.1 70B | 4bit（IQ4_XS） | 39GB | 遅い | 約3.9 tok/s推定 |
| Llama 3.1 70B Japanese | 4bit（IQ4_XS） | 39GB | 遅い | 約3.9 tok/s推定 |
| Qwen2.5 72B | 4bit（IQ4_XS） | 41GB | 遅い | 約3.7 tok/s推定 |
| Command A 111B | 2bit（Q2_K） | 42GB | 遅い | 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 |
|---|---|---|---|
| gpt-oss-120b | 4bit（MXFP4） | 62GB | あと19GB |
| GLM-4.5-Air 106B-A12B | 4bit（Q4_K_M） | 72GB | あと29GB |
| Devstral 2 123B | 4bit（Q4_K_M） | 75GB | あと32GB |
| Mixtral 8x22B | 4bit（Q4_K_M） | 84GB | あと41GB |
| GPT-OSS-Swallow 120B | 4bit（Q4_K_M） | 85GB | あと42GB |
| Qwen3.8-Flash-Next | 4bit（IQ4_XS） | 91GB | あと48GB |
| Step-3.7-Flash | 4bit（Q4_K_M） | 118GB | あと75GB |
| DeepSeek-V4-Flash | 4bit（IQ4_XS） | 132GB | あと89GB |
| MiniMax-M2.5 229B-A10B | 4bit（Q4_K_M） | 135GB | あと92GB |
| Qwen3 235B-A22B | 4bit（Q4_K_M） | 138GB | あと95GB |
| GLM-5.3-Flash | 4bit（IQ4_XS） | 151GB | あと108GB |
| Inkling Small 264B | 4bit（Q4_K_M） | 157GB | あと114GB |
| MiMo-V2.6-Flash-RL | 4bit（MXFP4） | 161GB | あと118GB |
| ERNIE 4.5 300B-A47B | 4bit（Q4_K_M） | 175GB | あと132GB |
| Hy3 295B-A21B | 4bit（Q4_K_M） | 178GB | あと135GB |
| GLM-4.5 355B-A32B | 4bit（Q4_K_M） | 211GB | あと168GB |
| Qwen3.5 397B-A17B | 4bit（Q4_K_M） | 235GB | あと192GB |
| Llama 4 Maverick 17B-128E | 4bit（Q4_K_M） | 235GB | あと192GB |
| Qwen3-Coder 480B-A35B | 4bit（Q4_K_M） | 281GB | あと238GB |
| Kimi K2.6 | 2bit（IQ2_M） | 329GB | あと286GB |
| GLM-5.3 | 4bit（IQ4_XS） | 352GB | あと309GB |
| RakutenAI-3.0 671B-A37B | 4bit（Q4_K_M） | 390GB | あと347GB |
| Mistral Large 3 675B | 4bit（Q4_K_M） | 392GB | あと349GB |
量子化を落とせば収まるモデル
4bitでは溢れても、量子化を落とせばメモリ64GB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 |
|---|---|---|---|---|
| Ling 3.0 flash | 75GB（あと32GB足りない） | 2bit（IQ2_M） | 42GB | 約51 tok/s推定 |
| Qwen3.5 122B-A10B | 74GB（あと31GB足りない） | 2bit（IQ2_M） | 38GB | 約28 tok/s推定 |
| Mistral Small 4 119B | 72GB（あと29GB足りない） | 2bit（IQ2_M） | 37GB | 約42 tok/s推定 |
| Laguna S 2.1 118B-A8B | 71GB（あと28GB足りない） | 2bit（IQ2_M） | 37GB | 約33 tok/s推定 |
| Command A 111B | 66GB（あと23GB足りない） | 2bit（Q2_K） | 42GB | 約3.6 tok/s推定 |
| Llama 4 Scout 17B-16E | 65GB（あと22GB足りない） | 2bit（Q2_K） | 40GB | 約13 tok/s推定 |
| Stockmark-2 100B | 58GB（あと16GB足りない） | 2bit（Q2_K） | 37GB | 約4.2 tok/s推定 |
| Hunyuan-A13B 80B | 49GB（あと5.9GB足りない） | 3bit（IQ3_M） | 37GB | 約14 tok/s推定 |
| Qwen3-Coder-Next 80B-A3B | 47GB（あと4.3GB足りない） | 4bit（IQ4_XS） | 42GB | 約54 tok/s推定 |
| Qwen3-Next 80B-A3B | 47GB（あと4.3GB足りない） | 4bit（IQ4_XS） | 42GB | 約54 tok/s推定 |
| Qwen2.5 72B | 48GB（あと5.6GB足りない） | 4bit（IQ4_XS） | 41GB | 約3.7 tok/s推定 |
| Shisa V2.1 Llama 3.3 70B | 44GB（あと0.9GB足りない） | 4bit（IQ4_XS） | 39GB | 約3.9 tok/s推定 |
同じメモリ64GBの機種の中での位置
当サイトにはメモリ64GBの機種が4件あります。帯域幅は256GB/sで、この容量では最も速い部類です。2番目のAMD Ryzen AI 300（Strix Point・Copilot+ PC）（メモリ64GB）（120GB/s）より約113%速い計算になります。この機種のメモリに収まるのは181本で、その中で快適に動くのは81本です。
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（60%）を当てています。実機はこれより上下します。
この機種は2025年の発売で、いま1年目です。
同じメモリ64GBの中では最も新しい機種です。同じ容量では2018-年の一般的なデスクトップ/ノートPC（DDR4-3200・GPUなし）（メモリ64GB）まで遡れますが、動くモデルの数はどれも変わりません。
この機種を実際に使うなら
日本語はQwen3.6 35B-A3BをQ8_0で動かして推定28.1tok/s。64GBあれば35B級MoEを量子化を下げずに置けます。RakutenAI-2.0 8x7BはQ6_Kで推定8.2tok/sと、有効パラメータが大きい分だけ遅い。コードの軸はQwen3-Coder-Next 80B-A3BのIQ4_XSで、Qwen2.5-Coder 32BのQ8_0（推定4.3tok/s）との差は12倍以上あります。
41.6GBのモデルを読み込むと、2つ目のモデルを同時に置く余地はありません。日本語用とコード用を行き来するなら、Ollamaのようにモデルを自動で入れ替えるツールに任せ、読み込みの待ち時間は受け入れる形になります。
買うときの見どころ
128GBに上げると増えるのは13本で、gpt-oss-120bやQwen3.5 122B-A10Bがメモリに収まるようになります。120B級を使う予定がないなら、64GBで止めるのが釣り合いの取れた選択です。
比べる相手として一番悩ましいのは、同じ64GBのMac。M4 Pro 64GBは帯域幅273GB/sとほぼ同じで、実効48GBあるので70B級の4bitが収まります。M4 Max 64GBなら546GB/sで速度も2倍。Windowsで使いたいか、70B級のdense型を動かしたいかで、選ぶ側が決まります。
Ryzen AI Maxシリーズの中での位置
x86のPCで、GPUに大きなメモリを割り当てられる数少ないクラスです。Ryzen AI Maxシリーズ3機種の中では、容量が小さいほうから2番目です。一段上のAMD Ryzen AI Max+ 395（Strix Halo）（メモリ128GB）（メモリ128GB）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: GPUに割り当てるメモリ量はUEFIやドライバの設定で決まり、機種によって上限が違います。購入前に、その製品で何GBまでGPUに回せるかを確認してください。 シリーズ全体の選び方はRyzen AI Max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（64GB） |
|---|---|---|
| Stable Diffusion / SDXL | VRAM 12GB | 動かない CUDA前提のツールが多く不向き |
| FLUX / 高品質画像生成 | VRAM 16GB | 動かない CUDA前提のツールが多く不向き |
| 動画生成AI（Wan / Hunyuan / LTX） | VRAM 24GB | 動かない CUDA前提のツールが多く不向き |
| 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 | 快適 |
| 文字起こし（Whisper） | VRAM 6GB | 快適 |
メモリ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 |
|---|---|---|---|
| AMD Ryzen AI 300（Strix Point・Copilot+ PC）（メモリ64GB） | 64GB | 120 GB/s | 30 |
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は未収録のため、同系統機種の実効係数（60%）で推定しています。
よくある質問
AMD Ryzen AI Max+ 395（Strix Halo）（メモリ64GB）でローカルLLMは動く？
動きます。メモリ64GB（実効約43GB）に、収録204モデル中181本が収まります。日本語チャットならQwen-AgentWorld 35B-A3B（8bit（Q8_0））が推定約28 tok/sです。
AMD Ryzen AI Max+ 395（Strix Halo）（メモリ64GB）で動かないモデルは？
Llama 3.3 70Bは4bitで約44GB必要で、メモリがあと約0.9GB足りません。