GPUノート(RTX 5080 Laptop 16GB・メモリ64GB)
向いている人: 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
- できる合うAI 12/16・合う仕事 5/8(内訳)
- まず試すQwen3.8 27B 4bit(IQ4_XS)・約48 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))・動画生成AI(Wan / Hunyuan / LTX)(VRAM 24GB以上が必要)・ほか2
Amazonで探す
目安 38〜55万円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
ノートでFLUXの画像生成、27BクラスのローカルLLM、並列エージェントまで1台でこなす上限構成です。VRAM 16GBはFLUXのfp8が収まる容量で、gpt-oss-20b(MXFP4で11.3GB)もGPUだけで動きます。メモリ64GBを組み合わせるのは、GPUに載らない大きなモデルをシステム側に逃がす余地と、エージェントを並列で走らせる余裕のためです。
避けたい似た構成
同じ「RTX 5080」でもデスクトップ版とLaptop版でVRAMは同じ16GBですが、帯域幅と電力枠が違うため速度は3〜4割落ちます。据え置きで使う時間が長いなら、同じ予算でデスクトップのRTX 5080機とメモリ64GBを組んだほうが速い。ノートを選ぶ理由は「持ち運ぶから」の一点に絞って判断しましょう。
拡張性と寿命
ノートとしては最上位クラスで、4〜5年は主力で使えます。ただし価格が40万円台後半になるため、デスクトップ+安いノートの2台体制と比べて損得を一度計算する価値があります。動画生成に進む予定があるなら、この構成でも足りません。
この1台でできること
合うAI
足りないAI(4)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)
- 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
- ローカルLLM(70B〜120B MoE): VRAM 40GB以上が必要
この1台で動くローカルモデル(GeForce RTX 5080 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: Qwen3.8 27B(4bit(IQ4_XS)・必要15GB・約48 tok/s推定)。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2240 tok/s推定 |
| Qwen2.5 0.5B | 8bit(Q8_0) | 1.1GB | 快適 | 約1190 tok/s推定 |
| Qwen3.5 0.8B | 8bit(Q8_0) | 1.4GB | 快適 | 約780 tok/s推定 |
| Gemma 3 1B | 8bit(Q8_0) | 1.6GB | 快適 | 約630 tok/s推定 |
| Sarashina2.2 0.5B | 8bit(Q8_0) | 1.8GB | 快適 | 約630 tok/s推定 |
| Qwen3 0.6B | 8bit(Q8_0) | 2.0GB | 快適 | 約620 tok/s推定 |
| LFM2.5 1.2B JP | 8bit(Q8_0) | 1.8GB | 快適 | 約530 tok/s推定 |
| Llama 3.2 1B | 8bit(Q8_0) | 2.0GB | 快適 | 約470 tok/s推定 |
| EXAONE 4.0 1.2B | 8bit(Q8_0) | 2.3GB | 快適 | 約430 tok/s推定 |
| TinySwallow 1.5B | 8bit(Q8_0) | 2.3GB | 快適 | 約390 tok/s推定 |
| RakutenAI-2.0 mini | 8bit(Q8_0) | 2.4GB | 快適 | 約380 tok/s推定 |
| Sarashina2.2 1B | 8bit(Q8_0) | 2.6GB | 快適 | 約370 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 5080 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74 tok/s推定 |
| Gemma 3 12B | 11.77B | 13GB | 快適 | 約53 tok/s推定 |
| Gemma 3 27B | 27.01B | 14GB | 快適 | 約49 tok/s推定 |
| gpt-oss-20b | 20.91B | 12GB | 快適 | 約190 tok/s推定 |
| 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 | 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 | 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24GB(例: GeForce RTX 5090 Laptop)にすると、収まるモデルは47本増えて158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 |
|---|---|---|---|
| RTX 5080(16GB)デスクトップ・メモリ64GB | デスクトップ(BTO) | 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 | 36〜48万円 |
| Mac mini M4 Pro(メモリ64GB・SSD 1TB) | Mac | 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 | 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 |
| 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 |
| 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 |
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 5070 Ti Laptop 12GB・メモリ32GB) | 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 |
| 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 |