自作: RTX 5070 Ti(16GB)・メモリ32GB
向いている人: 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
- できる合うAI 13/16・合う仕事 5/8(内訳)
- まず試すQwen3.8 27B 4bit(IQ4_XS)・約47 tok/s補正済み
- 足りない動画生成AI(Wan / Hunyuan / LTX)(メモリ64GB以上が必要)・ローカルLLM(27〜32Bクラス)(VRAM 24GB以上が必要)・ほか1
Amazonで探す
目安 27〜35万円2026年10月時点
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。
検索結果に同クラスの機種が並びます。メモリとSSDの容量を見て選ぶのが確実です。
なぜこの構成なのか
BTOの完成品より、同じ予算で一段上のGPUに届くのが自作の利点です。RTX 5070 Ti(16GB)にRyzen 7 9700X、DDR5 32GB、NVMe 2TB、850W電源。BTOで同じ構成を買うより3〜5万円安く、その差でSSDを2TBにしたり電源のグレードを上げたりできます。画像生成とローカルLLMの定番ラインを、余計なソフトが入っていない状態で組めます。
避けたい似た構成
電源をケチらないでください。RTX 5070 Tiは300W級ですが、ATX 3.1対応の850Wを選ぶことで、将来5080や5090に載せ替える余地が残ります。650Wの安い電源にすると、GPU交換時に買い直しになります。また、メモリは必ず2枚組で。1枚32GBよりも16GB×2のほうが帯域が倍になり、CPUオフロード時の速度に直結します。
拡張性と寿命
自作の強みは部品ごとに更新できることです。GPUを2年後に交換し、メモリを64GBに増やし、SSDを足す。この構成から始めれば、8年でも使い続けられます。組み立ての手間と保証がない点だけが対価です。
自作の部品構成
各部品を複数の店で比べられるようにしています。世代交代が早いので、型番は目安として同クラスで読み替えてください。
| 部品 | 目安 | 探す |
|---|---|---|
| CPU | Ryzen 7 9700X | |
| マザーボード | B850 ATX | |
| メモリ | DDR5-5600 16GB 2枚組 | |
| GPU | RTX 5070 Ti 16GB | |
| SSD | NVMe SSD 2TB Gen4 | |
| 電源 | 850W 80PLUS Gold ATX3.1 | |
| ケース | ミドルタワー エアフロー |
この1台でできること
合うAI
足りないAI(3)と理由
- 動画生成AI(Wan / Hunyuan / LTX): メモリ64GB以上が必要 / VRAM 24GB以上が必要
- ローカルLLM(27〜32Bクラス): VRAM 24GB以上が必要
- ローカルLLM(70B〜120B MoE): メモリ64GB以上が必要 / VRAM 40GB以上が必要 / CPU 12コア以上が目安
この1台で動くローカルモデル(GeForce RTX 5070 Tiとして計算)
4bit以上でメモリに収まるモデルから抜粋。速度は推定(この機種の全モデル一覧)。
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
| 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2190 tok/s補正済み |
| Qwen2.5 0.5B | 8bit(Q8_0) | 1.1GB | 快適 | 約1160 tok/s補正済み |
| Qwen3.5 0.8B | 8bit(Q8_0) | 1.4GB | 快適 | 約760 tok/s補正済み |
| Gemma 3 1B | 8bit(Q8_0) | 1.6GB | 快適 | 約620 tok/s補正済み |
| Sarashina2.2 0.5B | 8bit(Q8_0) | 1.8GB | 快適 | 約620 tok/s補正済み |
| Qwen3 0.6B | 8bit(Q8_0) | 2.0GB | 快適 | 約610 tok/s補正済み |
| LFM2.5 1.2B JP | 8bit(Q8_0) | 1.8GB | 快適 | 約520 tok/s補正済み |
| Llama 3.2 1B | 8bit(Q8_0) | 2.0GB | 快適 | 約460 tok/s補正済み |
| EXAONE 4.0 1.2B | 8bit(Q8_0) | 2.3GB | 快適 | 約420 tok/s補正済み |
| TinySwallow 1.5B | 8bit(Q8_0) | 2.3GB | 快適 | 約380 tok/s補正済み |
| RakutenAI-2.0 mini | 8bit(Q8_0) | 2.4GB | 快適 | 約370 tok/s補正済み |
| Sarashina2.2 1B | 8bit(Q8_0) | 2.6GB | 快適 | 約370 tok/s補正済み |
代表的なモデルはどれくらいで動くか
よく使われる5本について、この構成(GeForce RTX 5070 Tiとして計算)での必要メモリと推定速度です。速度はメモリ帯域幅からの計算値で、実測ではありません。
| モデル | パラメータ | 必要メモリ | 判定 | 推定速度 |
|---|---|---|---|---|
| Qwen3 8B | 8.19B | 10.0GB | 快適 | 約73 tok/s補正済み |
| Gemma 3 12B | 11.77B | 13GB | 快適 | 約52 tok/s補正済み |
| Gemma 3 27B | 27.01B | 14GB | 快適 | 約48 tok/s補正済み |
| gpt-oss-20b | 20.91B | 12GB | 快適 | 約190 tok/s補正済み |
| Llama 3.3 70B | 70.55B | 44GB | 収まらない | — |
この構成でどの仕事が回るか
「AIにさせたい仕事」の側から見て、この構成が要件を満たすかどうかです。8種類のうち5件が回り、3件は足りません。
| 仕事 | この構成では | 足りないもの |
|---|---|---|
| 文章・資料・メール作成 | 快適 | — |
| プログラミング・開発 | 快適 | — |
| 自動タスク・エージェントの常時運用 | 動かない | メモリ64GB以上が必要 / CPU 12コア以上が目安 |
| イラスト・画像生成 | 快適 | — |
| 動画生成・編集 | 動かない | メモリ64GB以上が必要 / VRAM 24GB以上が必要 |
| 議事録・文字起こし | 快適 | — |
| データ分析・Excel/Python | 快適 | — |
| 社内文書の検索・要約(ローカルRAG) | 動かない | VRAM 24GB以上が必要 |
足りない用途をこの1台でまかなうなら、自動タスク・エージェントの常時運用の要件を満たす構成まで上げる必要があります。自動タスク・エージェントの常時運用のページに、その要件を満たす構成を並べています。
この構成の余力と、足りなくなったとき
収録している204モデルのうち、この構成のVRAMに4bit以上の量子化で収まるのは111本です。収まらないもののうち、いちばん惜しいのはLLM-jp-4 32B-A3B thinkingで、VRAMがあと約6.0GB足りません。
| あと少しで収まらないモデル | パラメータ | 必要 | 不足 |
|---|---|---|---|
| LLM-jp-4 32B-A3B thinking | 32.14B | 22GB | 6.0GB |
| LLM-jp-4 33B thinking | 33.22B | 22GB | 6.3GB |
| Nemotron 3 Nano Omni 30B-A3B | 31.58B | 23GB | 8.0GB |
VRAMを一段上の20GB(例: Radeon RX 7900 XT)にすると、収まるモデルは43本増えて154本になります。逆に一段下の12GBだと11本減ります。VRAMを増やすにはGPUごと交換になります。一方でシステムメモリの増設は、CPUオフロードで動かせる範囲を広げます。
同じ価格帯で選べる他の形
目安価格が近い、別の形(ノート・BTO・自作・Mac・常時稼働)の構成です。同じ金額でも、形が変わるとできることが変わります。
| 構成 | 形 | 向いている人 | 目安 |
|---|---|---|---|
| GPUノート(RTX 5070 Ti Laptop 12GB・メモリ32GB) | ノートPC | ノートでSDXLの画像生成や14BクラスのローカルLLMを実用的な速さで動かしたい人 | 27〜36万円 |
| RTX 5070 Ti(16GB)デスクトップ・メモリ32GB | デスクトップ(BTO) | FLUX、27B級のMoE型、gpt-oss-20bまで。ローカルAIの定番 | 28〜38万円 |
| Mac mini M4 Pro(メモリ48GB・SSD 1TB) | Mac | 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 | 30〜36万円 |
| Ryzen AI Max+ 395 ミニPC(メモリ128GB) | 常時稼働サーバー型 | 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 | 32〜48万円 |
| GPUノート(RTX 5070 Laptop 8GB・メモリ32GB) | ノートPC | 持ち歩いて画像生成の入門や8BクラスのローカルLLMを回す人 | 20〜28万円 |
同じ形の他の構成
| 構成 | 向いている人 | 目安 |
|---|---|---|
| 自作: エージェント用ワークステーション(16コア・メモリ64GB・GPUなし) | Claude Code・Docker・n8nを並列で回す。GPUは要らない、静音と大容量メモリに振る | 20〜28万円 |
| 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 | 60〜80万円 |