AI PCナビ使うAIと、させたい仕事に合うPC・Macを。
トップ › おすすめPC › RTX 5080(16GB)デスクトップ・メモリ64GB

RTX 5080(16GB)デスクトップ・メモリ64GB

向いている人: 画像生成を速く、並列エージェントも余裕。VRAMは5070 Tiと同じ16GB

  • できる合うAI 13/16・合う仕事 6/8(内訳)
  • まず試すQwen3.8 27B 4bit(IQ4_XS)・約48 tok/s補正済み
  • 足りない動画生成AI(Wan / Hunyuan / LTX)(VRAM 24GB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 36〜48万円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。

16コアCPU目安
64GBメモリ
16GBGPU VRAM
2TBSSD
可常時稼働

なぜこの構成なのか

RTX 5070 TiとVRAMは同じ16GBですが、帯域960GB/sとコア数で生成が速く、メモリ64GBを組み合わせることで並列エージェントや大きなCPUオフロードにも耐える構成です。画像生成を1日何百枚も回す、あるいは開発と画像生成を同じPCで並行させたい人に合う構成です。

避けたい似た構成

「5070 Tiより上位だから大きいモデルが動く」と考えると外します。VRAMは同じ16GBなので、VRAMに載るモデルは変わりません。差は速度だけです。動かせるモデルを増やしたいなら、5080ではなくRTX 5090(32GB)かMacのユニファイドメモリを選ぶ必要があります。ここは多くの人が誤解する分岐点です。

拡張性と寿命

速度に投資した構成なので、VRAM 16GBの制約が続く限り快適で、3〜4年は使えます。メモリ64GBがあるおかげで、GPUに載らないモデルをCPUオフロードで動かす選択肢も残っています。

この構成の販売元を見る あなたに合うPCを診断

この1台でできること

足りないAI(3)と理由

この1台で動くローカルモデル(GeForce RTX 5080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48 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 270M8bit(Q8_0)0.8GB快適約2260 tok/s補正済み
Qwen2.5 0.5B8bit(Q8_0)1.1GB快適約1200 tok/s補正済み
Qwen3.5 0.8B8bit(Q8_0)1.4GB快適約790 tok/s補正済み
Gemma 3 1B8bit(Q8_0)1.6GB快適約640 tok/s補正済み
Sarashina2.2 0.5B8bit(Q8_0)1.8GB快適約630 tok/s補正済み
Qwen3 0.6B8bit(Q8_0)2.0GB快適約630 tok/s補正済み
LFM2.5 1.2B JP8bit(Q8_0)1.8GB快適約540 tok/s補正済み
Llama 3.2 1B8bit(Q8_0)2.0GB快適約480 tok/s補正済み
EXAONE 4.0 1.2B8bit(Q8_0)2.3GB快適約430 tok/s補正済み
TinySwallow 1.5B8bit(Q8_0)2.3GB快適約390 tok/s補正済み
RakutenAI-2.0 mini8bit(Q8_0)2.4GB快適約380 tok/s補正済み
Sarashina2.2 1B8bit(Q8_0)2.6GB快適約380 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 5080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 8B8.19B10.0GB快適約75 tok/s補正済み
Gemma 3 12B11.77B13GB快適約54 tok/s補正済み
Gemma 3 27B27.01B14GB快適約50 tok/s補正済み
gpt-oss-20b20.91B12GB快適約190 tok/s補正済み
Llama 3.3 70B70.55B44GB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6件が回り、2件は足りません。

足りない用途をこの1台でまかなうなら、動画生成・編集の要件を満たす構成まで上げる必要があります。動画生成・編集のページに、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 thinking32.14B22GB6.0GB
LLM-jp-4 33B thinking33.22B22GB6.3GB
Nemotron 3 Nano Omni 30B-A3B31.58B23GB8.0GB

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
Mac mini M4 Pro(メモリ64GB・SSD 1TB)Mac70B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36〜42万円
Mac mini M4 Pro(メモリ64GB)を常時稼働サーバに常時稼働サーバー型OllamaでローカルLLMのAPIを立て、自動化と一緒に静かに省電力で24時間動かせる。macOSなのでClaude Codeも手順どおりに使える36〜42万円
GPUノート(RTX 5080 Laptop 16GB・メモリ64GB)ノートPCノート1台でFLUX・27BクラスのローカルLLM・並列エージェントまで38〜55万円
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
MacBook Pro 14/16 M4 Pro(メモリ48GB・SSD 1TB)ノートPC開発者の定番。Claude Code並列運用+30BクラスのローカルLLMを1台で42〜52万円

同じ形の他の構成

構成向いている人目安
GPUなし開発デスクトップ(メモリ32GB・SSD 1TB)コーディングAI・データ分析・自動化のサーバ役。GPUは後から足せる12〜18万円
RTX 5060(8GB)デスクトップ・メモリ32GB画像生成の入門と8BクラスのローカルLLM。最安のGPU機15〜21万円
RTX 5070(12GB)デスクトップ・メモリ32GBSDXLの画像生成が快適。14BクラスのローカルLLMがGPUだけで動く20〜28万円
RTX 5070 Ti(16GB)デスクトップ・メモリ32GBFLUX、27B級のMoE型、gpt-oss-20bまで。ローカルAIの定番28〜38万円
RTX 5090(32GB)デスクトップ・メモリ64GB動画生成・32BクラスのローカルLLM・LoRA学習。GPU 1枚で届く上限55〜75万円