GPUノート(RTX 5070 Ti Laptop 12GB・メモリ32GB)
向いている人: 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
- できる合うAI 11/16・合う仕事 5/8(内訳)
- まず試すABEJA Qwen3 14B Agentic 4bit(Q4_K_M)・約53 tok/s推定
- 足りない自動化ツール(n8n / Dify / Make)(常時稼働に向かない(ノート・スリープ))・FLUX / 高品質画像生成(VRAM 16GB以上が必要)・ほか3
Amazonで探す
目安 27〜36万円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
ノート1台でSDXLの画像生成を快適に回し、14BクラスのローカルLLMをGPUだけで動かせる構成です。VRAM 12GBはSDXLにControlNetを1〜2枚重ねても溢れない容量で、ノートで画像生成をやるならここが実用の下限になります。メモリ32GBとNVMe 1TBは、モデルとLoRAが溜まることを見越した最低限。
避けたい似た構成
VRAM 12GBでFLUXを常用しようとすると、テキストエンコーダをメインメモリに逃がしても1枚1分前後かかります。FLUXが主目的ならノートは諦めて、デスクトップのVRAM 16GB以上を選ぶほうが結果的に安い。動画生成は完全に対象外で、この構成で試みても生成が終わりません。
拡張性と寿命
3年程度は現役ですが、ノートは冷却の限界があり、長時間の生成でクロックが落ちます。週に何百枚も描くようになったら据え置きへ。逆に「移動先でも少し描きたい」「出張中もローカルLLMを使いたい」という用途なら、この容量が過不足のない選択です。
この1台でできること
合うAI
足りないAI(5)と理由
- 自動化ツール(n8n / Dify / Make): 常時稼働に向かない(ノート・スリープ)
- FLUX / 高品質画像生成: VRAM 16GB以上が必要 / SSD 2TB以上が必要
- 動画生成AI(Wan / Hunyuan / LTX): メモリ64GB以上が必要 / VRAM 24GB以上が必要 / SSD 2TB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 / SSD 2TB以上が必要
この1台で動くローカルモデル(GeForce RTX 5070 Ti Laptop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: ABEJA Qwen3 14B Agentic(4bit(Q4_K_M)・必要10GB・約53 tok/s推定)。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
| 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1680 tok/s推定 |
| Qwen2.5 0.5B | 8bit(Q8_0) | 1.1GB | 快適 | 約890 tok/s推定 |
| Qwen3.5 0.8B | 8bit(Q8_0) | 1.4GB | 快適 | 約580 tok/s推定 |
| Gemma 3 1B | 8bit(Q8_0) | 1.6GB | 快適 | 約470 tok/s推定 |
| Sarashina2.2 0.5B | 8bit(Q8_0) | 1.8GB | 快適 | 約470 tok/s推定 |
| Qwen3 0.6B | 8bit(Q8_0) | 2.0GB | 快適 | 約470 tok/s推定 |
| LFM2.5 1.2B JP | 8bit(Q8_0) | 1.8GB | 快適 | 約400 tok/s推定 |
| Llama 3.2 1B | 8bit(Q8_0) | 2.0GB | 快適 | 約360 tok/s推定 |
| EXAONE 4.0 1.2B | 8bit(Q8_0) | 2.3GB | 快適 | 約320 tok/s推定 |
| TinySwallow 1.5B | 8bit(Q8_0) | 2.3GB | 快適 | 約290 tok/s推定 |
| RakutenAI-2.0 mini | 8bit(Q8_0) | 2.4GB | 快適 | 約280 tok/s推定 |
| Sarashina2.2 1B | 8bit(Q8_0) | 2.6GB | 快適 | 約280 tok/s推定 |
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 Laptop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56 tok/s推定 |
| Gemma 3 12B | 11.77B | 11GB | 快適 | 約51 tok/s推定 |
| Gemma 3 27B | 27.01B | 11GB | 快適 | 約51 tok/s推定 |
| gpt-oss-20b | 20.91B | 12GB | 収まらないCPUオフロード | — |
| 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 / 常時稼働に向かない(ノート・スリープ) |
| 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 / SSD 2TB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100本です。収まらないもののうち、いちばん惜しいのはgpt-oss-20bで、VRAMがあと約0.8GB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 |
|---|---|---|---|
| gpt-oss-20b | 20.91B | 12GB | 0.8GB |
| Muse-Glimmer 30B | 27.85B | 12GB | 0.9GB |
| GPT-OSS-Swallow 20B | 20.91B | 16GB | 4.3GB |
VRAMを一段上の16GB(例: GeForce RTX 3080 Laptop 16GB)にすると、収まるモデルは11本増えて111本になります。逆に一段下の8GBだと13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 |
|---|---|---|---|
| 自作: RTX 5070 Ti(16GB)・メモリ32GB | 自作 | 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 | 27〜35万円 |
| 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 |
| RTX 5070(12GB)デスクトップ・メモリ32GB | デスクトップ(BTO) | SDXL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 |
同じ形の他の構成
| 構成 | 向いている人 | 目安 |
|---|---|---|
| 一般ノートPC(メモリ16GB・SSD 512GB) | ChatGPT・Claude・Geminiをブラウザで使う人。NPU搭載のCopilot+ PCである必要はない | 8〜13万円 |
| 開発向けノートPC(メモリ32GB・SSD 1TB) | Claude Code・Cursor・Codexを持ち歩いて使う人。GPUは不要、メモリとSSDに振る | 15〜23万円 |
| GPUノート(RTX 5070 Laptop 8GB・メモリ32GB) | 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 |
| GPUノート(RTX 5080 Laptop 16GB・メモリ64GB) | 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 |
| MacBook Air M4(メモリ24GB・SSD 512GB) | クラウドAI中心の静かなノート。Claude Codeは1エージェントまで、8B〜14BのローカルLLMも動く | 20〜25万円 |
| MacBook Pro 14/16 M4 Pro(メモリ48GB・SSD 1TB) | 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 |
| MacBook Pro 16 M4 Max(メモリ128GB・SSD 2TB) | 70B〜120BのMoE型まで持ち歩ける。帯域546GB/sでミドルクラスのGPU並みの速さ | 70〜85万円 |