AI PCナビ使うAIと、させたい仕事に合うPC・Macを。
トップ › 容量別 › ユニファイドメモリ 16GB

ユニファイドメモリ 16GBで動くローカルLLM一覧（2026年10月）

該当機種: M1 / M2 / M3 / M4 / M5 の16GB構成、M1 Pro / M2 Pro 16GB ・ 実効メモリ 約11GB ・ 速度はApple M4（16GB）（帯域120GB/s）で計算

16GBのうちモデルに使えるのは10.7GBほど。14B級のQ4_K_Mがちょうど収まる容量で、4bit以上なら100本が動きます。ただし快適の判定は38本で、8GBから増えていません。

1004bit以上で動くモデル（全204本中）
38その中で快適に動くもの（20 tok/s以上）
109量子化を落とせば動く数
14.77B4bit以上で動く最大のモデル

編集部の見立て

14Bを日常的に使いたい人の最低線です。ABEJA Qwen3 14B AgenticとQwen3 14Bは必要10.4GB・推定10tok/sで、待てる長さの返事なら成立します。27B級はIQ2_Mに落とせば収まるものの、Gemma 3 27Bで推定9.7tok/s。

量子化を落としたうえに速度も出ないなら、選ぶ理由が残りません。Qwen3.5 27Bはあと0.1GB、Qwen3.6 27Bは0.7GBの不足。100本の半分以上が実用止まりというのが、この容量の実情です。

この容量に該当する機種

Apple M1（16GB）Apple M1 Pro（16GB）Apple M2（16GB）Apple M2 Pro（16GB）Apple M3（16GB）Apple M4（16GB）Apple M5（16GB）

動くモデルと推定速度

各モデルについて、この容量に収まる量子化のうち、いちばん精度の高いものを表示しています。速度はApple M4（16GB）での推定値で、同じ容量でも帯域幅の広いGPUならこれより速く、狭ければ遅くなります。

モデルパラメータ量子化必要判定推定速度
Gemma 3 270M0.27B8bit（Q8_0）0.8GB快適約310 tok/s補正済み
Qwen2.5 0.5B0.49B8bit（Q8_0）1.1GB快適約170 tok/s補正済み
Qwen3.5 0.8B0.77B8bit（Q8_0）1.4GB快適約110 tok/s補正済み
Gemma 3 1B1B8bit（Q8_0）1.6GB快適約89 tok/s補正済み
Sarashina2.2 0.5B0.79B8bit（Q8_0）1.8GB快適約88 tok/s補正済み
Qwen3 0.6B0.6B8bit（Q8_0）2.0GB快適約87 tok/s補正済み
LFM2.5 1.2B JP1.17B8bit（Q8_0）1.8GB快適約75 tok/s補正済み
Llama 3.2 1B1.24B8bit（Q8_0）2.0GB快適約67 tok/s補正済み
EXAONE 4.0 1.2B1.28B8bit（Q8_0）2.3GB快適約60 tok/s補正済み
TinySwallow 1.5B1.54B8bit（Q8_0）2.3GB快適約55 tok/s補正済み
RakutenAI-2.0 mini1.53B8bit（Q8_0）2.4GB快適約53 tok/s補正済み
Sarashina2.2 1B1.41B8bit（Q8_0）2.6GB快適約52 tok/s補正済み
Qwen2.5 1.5B1.78B8bit（Q8_0）2.5GB快適約48 tok/s補正済み
North Mini Code 1.030.48B
アクティブ3B		2bit（IQ2_M）10GB快適約47 tok/s補正済み
Qwen3.5 2B1.94B8bit（Q8_0）2.6GB快適約46 tok/s補正済み
ERNIE 4.5 21B-A3B Thinking21.83B
アクティブ3B		2bit（Q2_K）8.8GB快適約43 tok/s補正済み
Qwen3-VL 2B1.72B8bit（Q8_0）3.1GB快適約42 tok/s補正済み
Qwen3 1.7B1.72B8bit（Q8_0）3.1GB快適約42 tok/s補正済み
Ling 3.0 tiny7.89B
アクティブ1.3B		8bit（Q8_0）8.7GB快適約40 tok/s補正済み
LFM2.5 8B-A1B8.47B
アクティブ1.5B		8bit（Q8_0）9.2GB快適約35 tok/s補正済み
LLM-jp-3.1 1.8B1.87B8bit（Q8_0）3.9GB快適約35 tok/s補正済み
MiniCPM5 2B2.52B8bit（Q8_0）3.4GB快適約34 tok/s補正済み
LFM2.5 2.6B2.7B8bit（Q8_0）3.4GB快適約33 tok/s補正済み
LFM2.5-VL 3B2.7B8bit（Q8_0）3.4GB快適約33 tok/s補正済み
Gemma 4 26B-A4B25.23B
アクティブ4B		2bit（IQ2_M）10GB快適約33 tok/s補正済み
Gemma 2 Baku 2B2.61B8bit（Q8_0）3.8GB快適約31 tok/s補正済み
Qwen2.5-VL 3B3.09B8bit（Q8_0）3.9GB快適約28 tok/s補正済み
Qwen2.5-Coder 3B3.09B8bit（Q8_0）3.9GB快適約28 tok/s補正済み
Qwen2.5 3B3.09B8bit（Q8_0）3.9GB快適約28 tok/s補正済み
SmolLM3 3B3.08B8bit（Q8_0）4.2GB快適約27 tok/s補正済み
Llama 3.2 3B3.21B8bit（Q8_0）4.7GB快適約25 tok/s補正済み
Ministral 3 3B3.43B8bit（Q8_0）4.8GB快適約24 tok/s補正済み
Granite 4.2 3B3.66B8bit（Q8_0）4.9GB快適約23 tok/s補正済み
Sarashina2.2 3B3.36B8bit（Q8_0）5.2GB快適約23 tok/s補正済み
Gemma 3 4B3.88B8bit（Q8_0）4.7GB快適約23 tok/s補正済み
Nemotron 3 Nano 4B3.97B8bit（Q8_0）4.7GB快適約23 tok/s補正済み
AREX-Turbo 4B4.21B8bit（Q8_0）5.1GB快適約21 tok/s補正済み
Fara1.5 4B4.21B8bit（Q8_0）5.1GB快適約21 tok/s補正済み
Qwen3.5 4B4.21B8bit（Q8_0）5.0GB快適約21 tok/s補正済み
Phi-4-mini 3.8B3.84B8bit（Q8_0）5.4GB快適約21 tok/s補正済み
Nanbeige4.2 3B4.17B8bit（Q8_0）5.4GB快適約20 tok/s補正済み
Gemma 3n E2B4.46B8bit（Q8_0）5.2GB実用約20 tok/s補正済み
Qwen3-VL 4B4.02B8bit（Q8_0）5.7GB実用約20 tok/s補正済み
Qwen3 4B4.02B8bit（Q8_0）5.7GB実用約20 tok/s補正済み
Gemma 4 E2B4.65B8bit（Q8_0）5.5GB実用約19 tok/s補正済み
AFM-4.5B4.62B8bit（Q8_0）5.8GB実用約19 tok/s補正済み
Llama-3-ELYZA-JP-8B8.03B4bit（Q4_K_M）6.2GB実用約18 tok/s補正済み
Phi-3.5-mini 3.8B3.82B8bit（Q8_0）7.4GB実用約17 tok/s補正済み
CAT-Translate 7B7.49B6bit（Q6_K）7.4GB実用約15 tok/s補正済み
Shisa V2.1 Qwen3 8B8.19B6bit（Q6_K）8.1GB実用約13 tok/s補正済み
Granite 4.0 H-Tiny6.94B8bit（Q8_0）7.7GB実用約13 tok/s補正済み
Gemma 3n E4B6.87B8bit（Q8_0）7.7GB実用約13 tok/s補正済み
Granite 4.2 8B8.79B6bit（Q6_K）9.0GB実用約12 tok/s補正済み
Mistral 7B v0.37.25B8bit（Q8_0）8.9GB実用約12 tok/s補正済み
Falcon-H1R 7B7.59B8bit（Q8_0）8.6GB実用約12 tok/s補正済み
Gemma 4 E4B7.52B8bit（Q8_0）8.6GB実用約12 tok/s補正済み
ELYZA-Shortcut-1.0 Qwen 7B7.62B8bit（Q8_0）8.7GB実用約12 tok/s補正済み
ABEJA Qwen2.5 7B Japanese7.62B8bit（Q8_0）8.7GB実用約12 tok/s補正済み
DeepSeek-R1 Distill Qwen 7B7.62B8bit（Q8_0）8.7GB実用約12 tok/s補正済み
Qwen2.5-VL 7B7.62B8bit（Q8_0）8.7GB実用約12 tok/s補正済み
Qwen2.5 7B7.62B8bit（Q8_0）8.7GB実用約12 tok/s補正済み
Qwen2.5-Coder 7B7.62B8bit（Q8_0）8.7GB実用約12 tok/s補正済み
Hunyuan 7B7.5B8bit（Q8_0）9.2GB実用約11 tok/s補正済み
Tanuki-8B7.51B8bit（Q8_0）9.2GB実用約11 tok/s補正済み
Gemma-2-Llama-Swallow 9B9.24B6bit（Q6_K）9.8GB実用約11 tok/s補正済み
Gemma 2 9B9.24B6bit（Q6_K）9.8GB実用約11 tok/s補正済み
Phi-4 14B14.66B4bit（IQ4_XS）9.7GB実用約11 tok/s補正済み
Ministral 3 14B13.51B4bit（Q4_K_M）9.7GB実用約11 tok/s補正済み
Command R7B8.03B8bit（Q8_0）9.3GB実用約11 tok/s補正済み
Apertus 8B8.05B8bit（Q8_0）9.7GB実用約11 tok/s補正済み
Llama 3.1 Swallow 8B8.03B8bit（Q8_0）9.7GB実用約11 tok/s補正済み
DeepSeek-R1 Distill Llama 8B8.03B8bit（Q8_0）9.7GB実用約11 tok/s補正済み
Aya Expanse 8B8.03B8bit（Q8_0）9.7GB実用約11 tok/s補正済み
Llama 3 Youko 8B8.03B8bit（Q8_0）9.7GB実用約11 tok/s補正済み
Llama 3.1 8B8.03B8bit（Q8_0）9.7GB実用約11 tok/s補正済み
Codestral 22B22.25B2bit（Q2_K）10GB実用約11 tok/s補正済み
Qwen3-Swallow 8B8.19B8bit（Q8_0）10.0GB実用約10 tok/s補正済み
Qwen3-VL 8B8.19B8bit（Q8_0）10.0GB実用約10 tok/s補正済み
DeepSeek-R1-0528 Qwen3 8B8.19B8bit（Q8_0）10.0GB実用約10 tok/s補正済み
Qwen3 8B8.19B8bit（Q8_0）10.0GB実用約10 tok/s補正済み
Mistral Nemo Japanese 12B12.25B5bit（Q5_K_M）10GB実用約10 tok/s補正済み
Mistral Nemo 12B12.25B5bit（Q5_K_M）10GB実用約10 tok/s補正済み
Nemotron-Nano 9B v2 Japanese8.89B8bit（Q8_0）9.7GB実用約10 tok/s補正済み
Devstral Small 2 24B23.57B2bit（Q2_K）10GB実用約10 tok/s補正済み
Ministral 3 8B8.49B8bit（Q8_0）10GB実用約10 tok/s補正済み
Magistral Small 250923.57B2bit（Q2_K）10GB実用約10 tok/s補正済み
Devstral Small 250723.57B2bit（Q2_K）10GB実用約10 tok/s補正済み
Mistral Small 3.2 24B23.57B2bit（Q2_K）10GB実用約10 tok/s補正済み
MiMo-V2.6-Distill-Qwen-9B8.95B8bit（Q8_0）9.9GB実用約10 tok/s補正済み
Ornith 1.5 9B8.95B8bit（Q8_0）9.9GB実用約10 tok/s補正済み
UI-Mate 9B8.95B8bit（Q8_0）9.9GB実用約10 tok/s補正済み
UI-Venus-2 9B8.95B8bit（Q8_0）9.9GB実用約10 tok/s補正済み
Fara1.5 9B8.95B8bit（Q8_0）9.9GB実用約10 tok/s補正済み
Ornith 1.0 9B8.95B8bit（Q8_0）9.9GB実用約10 tok/s補正済み
LLM-jp-4 8B thinking8.59B8bit（Q8_0）10GB実用約10 tok/s補正済み
Qwen3.5 9B8.95B8bit（Q8_0）9.9GB実用約10 tok/s補正済み
ABEJA Qwen3 14B Agentic14.77B4bit（Q4_K_M）10GB実用約10 tok/s補正済み
Shisa V2.1 unphi4 14B14.66B4bit（Q4_K_M）11GB実用約10 tok/s補正済み
Qwen3 14B14.77B4bit（Q4_K_M）10GB実用約10 tok/s補正済み
DeepSeek-R1 Distill Qwen 14B14.77B4bit（Q4_K_M）11GB実用約9.9 tok/s補正済み
DeepSeek-R1 Distill Qwen 14B Japanese14.77B4bit（Q4_K_M）11GB実用約9.9 tok/s補正済み
Qwen2.5-Coder 14B14.77B4bit（Q4_K_M）11GB実用約9.9 tok/s補正済み
Qwen2.5 14B14.77B4bit（Q4_K_M）11GB実用約9.9 tok/s補正済み
Gemma 4 12B11.91B6bit（Q6_K）10GB実用約9.7 tok/s補正済み
Gemma 3 27B27.01B2bit（IQ2_M）11GB実用約9.7 tok/s補正済み
Gemma 3 12B11.77B6bit（Q6_K）11GB実用約9.6 tok/s補正済み
GLM-4.6V-Flash 9B9.4B8bit（Q8_0）10GB実用約9.5 tok/s補正済み
Nemotron Nano 12B v212.31B6bit（Q6_K）10GB実用約9.5 tok/s補正済み
PLaMo 2 Translate9.53B8bit（Q8_0）10GB実用約9.4 tok/s補正済み

あと少しで収まらないモデル

最も小さい量子化にしても、この容量には収まらなかったモデルです。不足分が小さいものは、コンテキスト長を4,096に絞れば収まることがあります。

モデルパラメータ必要（最小量子化）不足
Qwen3.5 27B26.9B11GBあと0.1GB
AREX-2 27B26.9B11GBあと0.2GB
UI-Mate 27B26.9B11GBあと0.5GB
Fara1.5 27B26.9B11GBあと0.5GB
Qwen3.6 27B26.9B11GBあと0.7GB
LLM-jp-3.1 13B13.71B11GBあと0.8GB
Qwen3.5 35B-A3B34.66B12GBあと0.9GB
Qwen3-VL 30B-A3B30.53B12GBあと0.9GB
Qwen3 30B-A3B30.53B12GBあと0.9GB
Qwen3-Coder 30B-A3B30.53B12GBあと0.9GB
Gemma-2-Llama-Swallow 27B27.23B12GBあと1.0GB
Qwen3.6 35B-A3B34.66B12GBあと1.0GB

1段上のユニファイドメモリ 18GBにすると何が増えるか

ユニファイドメモリ 16GBからユニファイドメモリ 18GB（M3 Pro）に上げると、新たに17モデルが動くようになります。買い替えや構成の検討で、その差額に見合うかを判断する材料にしてください。

新たに動くモデルパラメータ量子化必要
Ornith 1.0 35B-A3B34.66B2bit（IQ2_M）12GB
Qwen-AgentWorld 35B-A3B34.66B2bit（IQ2_M）12GB
Qwen3.6 35B-A3B34.66B2bit（IQ2_M）12GB
Qwen3.5 35B-A3B34.66B2bit（IQ2_M）12GB
Laguna XS 2.1 33B-A3B33.44B2bit（IQ2_M）12GB
Granite 4.0 H-Small 32B-A9B32.21B2bit（IQ2_M）12GB
Qwen3-VL 30B-A3B30.53B2bit（Q2_K）12GB
Qwen3 30B-A3B30.53B2bit（Q2_K）12GB
Qwen3-Coder 30B-A3B30.53B2bit（Q2_K）12GB
GLM-4.7-Flash 30B-A3B29.94B2bit（IQ2_M）12GB
Gemma-2-Llama-Swallow 27B27.23B2bit（IQ2_M）12GB
AREX-2 27B26.9B2bit（Q2_K）11GB
UI-Mate 27B26.9B2bit（IQ2_M）11GB
Fara1.5 27B26.9B2bit（IQ2_M）11GB
Qwen3.6 27B26.9B2bit（IQ2_M）11GB

ユニファイドメモリ 18GBのページを見る

この容量での選び方

16GBにはMacだけでなく、Lunar Lakeの136.5GB/s、Snapdragon X Eliteの135GB/s、Ryzen AI 300の120GB/sといったCopilot+ PCも同じ容量で並びます。帯域幅で見ればM4の120GB/sと同じ帯。

Mac側の実効10.7GBはmacOSに3分の1を預けた後の数字で、10.4GBの14Bを置けば余白は0.3GBです。長い入力を渡す日は7BのQ8_0（推定11.6tok/s）に切り替え、KVキャッシュに数GBを回すほうが仕事は進みます。一段上の18GBにしても本数は100本で変わりません。

買ってから足す道はないので、27B級を視野に入れるなら24GB以上を検討する話になります。

この容量で足りるAI用途

手元で動かすAIの用途ごとに、ユニファイドメモリ 16GBが要件を満たすかどうかです。クラウドで動くAI（ChatGPT・Claude・Gemini）はどの機種でも使えるので含めていません。

用途必要な容量ユニファイドメモリ 16GBでは
Stable Diffusion / SDXL統合32GB動かない CUDA前提のツールが多く不向き
FLUX / 高品質画像生成統合32GB動かない CUDA前提のツールが多く不向き
動画生成AI（Wan / Hunyuan / LTX）統合64GB動かない CUDA前提のツールが多く不向き
ローカルLLM（8Bクラス）統合16GB快適
ローカルLLM（27〜32Bクラス）統合34GB動かない あと18GB
ローカルLLM（70B〜120B MoE）統合64GB動かない あと48GB
文字起こし（Whisper）統合16GB快適

コンテキスト長をどこまで伸ばせるか

この容量で問題になりやすいのが、一度に読ませる文章の長さ。長くするほどKVキャッシュがメモリを食い、同じモデルでも収まらなくなります。この容量に収まるモデルのうち最も大きいABEJA Qwen3 14B Agentic（4bit（Q4_K_M）・ファイル8.4GB）で計算すると、次のようになります。

コンテキストKVキャッシュ必要合計実効11GBに
4,0960.6GB9.8GB収まる
8,1921.3GB10GB収まる
32,7685.0GB14GB溢れる
131,07220GB29GB溢れる

このモデルが収まるのは、8,192トークンまで。32,768トークンにすると溢れるので、そこから先はKVキャッシュを8bitに量子化する（必要量がおおむね半分になる）か、1つ小さいモデルに替えるかの判断です。

実際のツール（Ollama・LM Studio・llama.cpp）では既定のコンテキスト長が2,048〜8,192のことが多く、伸ばすときは設定で明示します。長い文書を渡す予定があるなら、どの長さまで使うかを先に決めてからモデルを選びましょう。

ユニファイドメモリ 16GBのPC・Macを買うなら

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。

ぴったりMac

Mac mini M4 Pro（メモリ48GB・SSD 1TB）

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

M4 Pro・ユニファイドメモリ48GB・SSD 1TB・帯域273GB/s ・ 目安 30〜36万円

要件を満たす中で最も手頃

Amazonで「Mac mini M4 Pro 48GB」を見る →
余裕を持つならMac

Mac mini M4 Pro（メモリ64GB・SSD 1TB）

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

M4 Pro・ユニファイドメモリ64GB・SSD 1TB ・ 目安 36〜42万円

将来の用途拡張（大きなモデル・並列エージェント）に余裕

Amazonで「Mac mini M4 Pro 64GB」を見る →
別の形ならデスクトップ（BTO）

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

Ryzen 7 / Core i7 クラス・メモリ32GB・NVMe 1TB・電源650W以上（GPU増設余地） ・ 目安 12〜18万円

Windowsで同じ仕事をするなら

Amazonで「デスクトップPC 32GB SSD 1TB」を見る →

よくある質問

ユニファイドメモリ 16GBで動くローカルLLMは何本？

当サイト収録の204モデルのうち、4bit（標準的な量子化）で100本がメモリに収まります。量子化を落とせば109本まで増えます。最大はABEJA Qwen3 14B Agentic（14.77B）です。

ユニファイドメモリ 16GBで画像生成はできる？

Macでも動きますが、同価格帯のGeForceの2〜4倍の時間がかかります。画像生成が主目的ならGeForce搭載機を検討してください。

1段上のユニファイドメモリ 18GBにすると何が変わる？

新たに17モデルが動くようになります。Ornith 1.0 35B-A3B、Qwen-AgentWorld 35B-A3B、Qwen3.6 35B-A3Bなどです。

手持ちのPCで判定する 他の容量と比べる