GPUノート(RTX 5070 Laptop 8GB・メモリ32GB)
向いている人: 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
- できる合うAI 10/16・合う仕事 4/8(内訳)
- まず試すGemma 4 12B 4bit(IQ4_XS)・約45 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))・Stable Diffusion / SDXL(VRAM 12GB以上が必要)・ほか4
Amazonで探す
目安 20〜28万円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
持ち歩いて画像生成やローカルLLMを試す最小構成です。VRAM 8GBでStable Diffusion 1.5は快適、SDXLは省メモリ設定で動き、ローカルLLMは8Bクラス(4bitで6.4GB)がVRAMに収まります。メインメモリ32GBは、画像生成のモデル読み込みで使用量が一時的に跳ね上がるのと、GPUに載りきらない分をシステム側に逃がすための余裕です。
避けたい似た構成
ノート用GPUは同じ型番でもデスクトップよりVRAMが少ない、という点だけは必ず確認してください。RTX 5070 Laptopは8GB、デスクトップの5070は12GBです。カタログの「RTX 5070搭載」という表記だけで選ぶと、SDXLで詰まってから気づくことになります。また、メモリ16GBのゲーミングノートは、GPUがあってもエージェントや画像生成の周辺作業で足を引っ張ります。
拡張性と寿命
ノートのGPUは交換できないので、この構成の寿命はVRAM 8GBで足りる用途が続くかどうかで決まります。FLUXや27BクラスのローカルLLMに進むなら買い替えです。「持ち歩き用は8GBで割り切り、重い処理は据え置きに任せる」という2台体制のほうが、長く見れば安上がりになることが多い。
この1台でできること
合うAI
足りないAI(6)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)
- Stable Diffusion / SDXL: VRAM 12GB以上が必要
- 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 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: Gemma 4 12B(4bit(IQ4_XS)・必要7.0GB・約45 tok/s推定)。VRAM 12GBで日本語が上手い2026年版。Gemma 3 12Bの後継
| 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960 tok/s推定 |
| Qwen2.5 0.5B | 8bit(Q8_0) | 1.1GB | 快適 | 約510 tok/s推定 |
| Qwen3.5 0.8B | 8bit(Q8_0) | 1.4GB | 快適 | 約330 tok/s推定 |
| Gemma 3 1B | 8bit(Q8_0) | 1.6GB | 快適 | 約270 tok/s推定 |
| Sarashina2.2 0.5B | 8bit(Q8_0) | 1.8GB | 快適 | 約270 tok/s推定 |
| Qwen3 0.6B | 8bit(Q8_0) | 2.0GB | 快適 | 約270 tok/s推定 |
| LFM2.5 1.2B JP | 8bit(Q8_0) | 1.8GB | 快適 | 約230 tok/s推定 |
| Llama 3.2 1B | 8bit(Q8_0) | 2.0GB | 快適 | 約200 tok/s推定 |
| EXAONE 4.0 1.2B | 8bit(Q8_0) | 2.3GB | 快適 | 約180 tok/s推定 |
| TinySwallow 1.5B | 8bit(Q8_0) | 2.3GB | 快適 | 約170 tok/s推定 |
| RakutenAI-2.0 mini | 8bit(Q8_0) | 2.4GB | 快適 | 約160 tok/s推定 |
| Sarashina2.2 1B | 8bit(Q8_0) | 2.6GB | 快適 | 約160 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 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 | 7.2GB | 快適 | 約46 tok/s推定 |
| Gemma 3 12B | 11.77B | 7.1GB | 快適 | 約46 tok/s推定 |
| Gemma 3 27B | 27.01B | 17GB | 収まらないCPUオフロード | — |
| 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4件が回り、4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 | 動かない | VRAM 12GB以上が必要 |
| 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87本です。収まらないもののうち、いちばん惜しいのはABEJA Qwen3 14B Agenticで、VRAMがあと約2.9GB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 |
|---|---|---|---|
| ABEJA Qwen3 14B Agentic | 14.77B | 10GB | 2.9GB |
| gpt-oss-20b | 20.91B | 12GB | 4.8GB |
| Muse-Glimmer 30B | 27.85B | 12GB | 4.9GB |
VRAMを一段上の12GB(例: GeForce RTX 4080 Laptop)にすると、収まるモデルは13本増えて100本になります。逆に一段下の6GBだと29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 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 |
| 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) | 自作 | 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 |
| RTX 5060(8GB)デスクトップ・メモリ32GB | デスクトップ(BTO) | 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 |
| Mac mini M4(メモリ24GB・SSD 512GB) | Mac | 最安で「クラウドAI+8〜14BのローカルLLM」。Claude Codeは1エージェントまで。静音・省電力で常時稼働にも | 14〜17万円 |
| 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 |
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 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 |
| 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 |