VRAM 8GBで動くローカルLLM一覧（2026年10月）
8GBは動く本数が87本まで伸びる一方、14B級は2bitに落とさないと入らない容量です。上限はGemma 4 12BのIQ4_XSで、必要7GB・推定49.1tok/s。
編集部の見立て
収録機種がいちばん多い容量です。GeForceにRadeon RX 7600も加えて20機種が並び、帯域幅は224GB/sから608GB/sまで開きがあります。4bit以上でVRAMに収まるのは87本。14B級はABEJA Qwen3 14B AgenticがIQ3_Mでもあと0.8GB足りず、24B級のMistral Small 3.2 24Bとなると2GB不足です。
10GBに買い替えても92本と伸びは小幅、12GBまで行けば100本になります。一段上げるなら、中途半端な容量を挟まないほうが得です。
この容量に該当する機種
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GeForce RTX 5060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 270M | 0.27B | 8bit（Q8_0） | 0.8GB | 快適 | 約1050 tok/s推定 |
| Qwen2.5 0.5B | 0.49B | 8bit（Q8_0） | 1.1GB | 快適 | 約560 tok/s推定 |
| Qwen3.5 0.8B | 0.77B | 8bit（Q8_0） | 1.4GB | 快適 | 約370 tok/s推定 |
| Gemma 3 1B | 1B | 8bit（Q8_0） | 1.6GB | 快適 | 約300 tok/s推定 |
| Sarashina2.2 0.5B | 0.79B | 8bit（Q8_0） | 1.8GB | 快適 | 約300 tok/s推定 |
| Qwen3 0.6B | 0.6B | 8bit（Q8_0） | 2.0GB | 快適 | 約290 tok/s推定 |
| LFM2.5 1.2B JP | 1.17B | 8bit（Q8_0） | 1.8GB | 快適 | 約250 tok/s推定 |
| Llama 3.2 1B | 1.24B | 8bit（Q8_0） | 2.0GB | 快適 | 約220 tok/s推定 |
| EXAONE 4.0 1.2B | 1.28B | 8bit（Q8_0） | 2.3GB | 快適 | 約200 tok/s推定 |
| TinySwallow 1.5B | 1.54B | 8bit（Q8_0） | 2.3GB | 快適 | 約180 tok/s推定 |
| RakutenAI-2.0 mini | 1.53B | 8bit（Q8_0） | 2.4GB | 快適 | 約180 tok/s推定 |
| Sarashina2.2 1B | 1.41B | 8bit（Q8_0） | 2.6GB | 快適 | 約180 tok/s推定 |
| Ling 3.0 tiny | 7.89B アクティブ1.3B | 6bit（Q6_K） | 7.2GB | 快適 | 約170 tok/s推定 |
| Qwen2.5 1.5B | 1.78B | 8bit（Q8_0） | 2.5GB | 快適 | 約160 tok/s推定 |
| Qwen3.5 2B | 1.94B | 8bit（Q8_0） | 2.6GB | 快適 | 約150 tok/s推定 |
| LFM2.5 8B-A1B | 8.47B アクティブ1.5B | 6bit（Q6_K） | 7.4GB | 快適 | 約150 tok/s推定 |
| Qwen3-VL 2B | 1.72B | 8bit（Q8_0） | 3.1GB | 快適 | 約140 tok/s推定 |
| Qwen3 1.7B | 1.72B | 8bit（Q8_0） | 3.1GB | 快適 | 約140 tok/s推定 |
| LLM-jp-3.1 1.8B | 1.87B | 8bit（Q8_0） | 3.9GB | 快適 | 約120 tok/s推定 |
| MiniCPM5 2B | 2.52B | 8bit（Q8_0） | 3.4GB | 快適 | 約110 tok/s推定 |
| LFM2.5 2.6B | 2.7B | 8bit（Q8_0） | 3.4GB | 快適 | 約110 tok/s推定 |
| LFM2.5-VL 3B | 2.7B | 8bit（Q8_0） | 3.4GB | 快適 | 約110 tok/s推定 |
| Gemma 2 Baku 2B | 2.61B | 8bit（Q8_0） | 3.8GB | 快適 | 約100 tok/s推定 |
| Qwen2.5-VL 3B | 3.09B | 8bit（Q8_0） | 3.9GB | 快適 | 約95 tok/s推定 |
| Qwen2.5-Coder 3B | 3.09B | 8bit（Q8_0） | 3.9GB | 快適 | 約95 tok/s推定 |
| Qwen2.5 3B | 3.09B | 8bit（Q8_0） | 3.9GB | 快適 | 約95 tok/s推定 |
| SmolLM3 3B | 3.08B | 8bit（Q8_0） | 4.2GB | 快適 | 約91 tok/s推定 |
| Llama 3.2 3B | 3.21B | 8bit（Q8_0） | 4.7GB | 快適 | 約84 tok/s推定 |
| Ministral 3 3B | 3.43B | 8bit（Q8_0） | 4.8GB | 快適 | 約80 tok/s推定 |
| Granite 4.2 3B | 3.66B | 8bit（Q8_0） | 4.9GB | 快適 | 約77 tok/s推定 |
| Sarashina2.2 3B | 3.36B | 8bit（Q8_0） | 5.2GB | 快適 | 約77 tok/s推定 |
| Gemma 3 4B | 3.88B | 8bit（Q8_0） | 4.7GB | 快適 | 約76 tok/s推定 |
| Nemotron 3 Nano 4B | 3.97B | 8bit（Q8_0） | 4.7GB | 快適 | 約76 tok/s推定 |
| Qwen3.5 4B | 4.21B | 8bit（Q8_0） | 5.0GB | 快適 | 約70 tok/s推定 |
| Phi-4-mini 3.8B | 3.84B | 8bit（Q8_0） | 5.4GB | 快適 | 約70 tok/s推定 |
| AREX-Turbo 4B | 4.21B | 8bit（Q8_0） | 5.1GB | 快適 | 約70 tok/s推定 |
| Fara1.5 4B | 4.21B | 8bit（Q8_0） | 5.1GB | 快適 | 約70 tok/s推定 |
| PLaMo 2 Translate | 9.53B | 3bit（Q3_K_M） | 5.2GB | 快適 | 約68 tok/s推定 |
| Nanbeige4.2 3B | 4.17B | 8bit（Q8_0） | 5.4GB | 快適 | 約68 tok/s推定 |
| Gemma 3n E2B | 4.46B | 8bit（Q8_0） | 5.2GB | 快適 | 約67 tok/s推定 |
| Qwen3-VL 4B | 4.02B | 8bit（Q8_0） | 5.7GB | 快適 | 約67 tok/s推定 |
| Qwen3 4B | 4.02B | 8bit（Q8_0） | 5.7GB | 快適 | 約67 tok/s推定 |
| Gemma 4 E2B | 4.65B | 8bit（Q8_0） | 5.5GB | 快適 | 約64 tok/s推定 |
| AFM-4.5B | 4.62B | 8bit（Q8_0） | 5.8GB | 快適 | 約62 tok/s推定 |
| Llama-3-ELYZA-JP-8B | 8.03B | 4bit（Q4_K_M） | 6.2GB | 快適 | 約60 tok/s推定 |
| Gemma 4 E4B | 7.52B | 5bit（Q5_K_M） | 6.0GB | 快適 | 約58 tok/s推定 |
| Phi-3.5-mini 3.8B | 3.82B | 8bit（Q8_0） | 7.4GB | 快適 | 約57 tok/s推定 |
| Granite 4.0 H-Tiny | 6.94B | 6bit（Q6_K） | 6.1GB | 快適 | 約56 tok/s推定 |
| Ministral 3 14B | 13.51B | 2bit（Q2_K） | 6.8GB | 快適 | 約55 tok/s推定 |
| DeepSeek-R1 Distill Qwen 14B | 14.77B | 2bit（IQ2_M） | 7.1GB | 快適 | 約53 tok/s推定 |
| DeepSeek-R1 Distill Qwen 14B Japanese | 14.77B | 2bit（IQ2_M） | 7.1GB | 快適 | 約53 tok/s推定 |
| Qwen2.5-Coder 14B | 14.77B | 2bit（IQ2_M） | 7.1GB | 快適 | 約53 tok/s推定 |
| Qwen2.5 14B | 14.77B | 2bit（IQ2_M） | 7.1GB | 快適 | 約53 tok/s推定 |
| Granite 4.2 8B | 8.79B | 4bit（Q4_K_M） | 7.1GB | 快適 | 約52 tok/s推定 |
| Gemma-2-Llama-Swallow 9B | 9.24B | 4bit（IQ4_XS） | 7.4GB | 快適 | 約52 tok/s推定 |
| Gemma 2 9B | 9.24B | 4bit（IQ4_XS） | 7.4GB | 快適 | 約52 tok/s推定 |
| Llama 3.1 Swallow 8B | 8.03B | 5bit（Q5_K_M） | 7.0GB | 快適 | 約52 tok/s推定 |
| DeepSeek-R1 Distill Llama 8B | 8.03B | 5bit（Q5_K_M） | 7.0GB | 快適 | 約52 tok/s推定 |
| Llama 3 Youko 8B | 8.03B | 5bit（Q5_K_M） | 7.0GB | 快適 | 約52 tok/s推定 |
| Llama 3.1 8B | 8.03B | 5bit（Q5_K_M） | 7.0GB | 快適 | 約52 tok/s推定 |
| GLM-4.6V-Flash 9B | 9.4B | 4bit（Q4_K_M） | 6.7GB | 快適 | 約51 tok/s推定 |
| Apertus 8B | 8.05B | 5bit（Q5_K_M） | 7.1GB | 快適 | 約51 tok/s推定 |
| Gemma 3n E4B | 6.87B | 6bit（Q6_K） | 6.7GB | 快適 | 約51 tok/s推定 |
| Aya Expanse 8B | 8.03B | 5bit（Q5_K_M） | 7.1GB | 快適 | 約51 tok/s推定 |
| Phi-4 14B | 14.66B | 2bit（Q2_K） | 7.4GB | 快適 | 約51 tok/s推定 |
| Mistral Nemo Japanese 12B | 12.25B | 3bit（IQ3_M） | 7.2GB | 快適 | 約51 tok/s推定 |
| Mistral Nemo 12B | 12.25B | 3bit（IQ3_M） | 7.2GB | 快適 | 約51 tok/s推定 |
| Falcon-H1R 7B | 7.59B | 6bit（Q6_K） | 6.8GB | 快適 | 約51 tok/s推定 |
| Qwen3 14B | 14.77B | 2bit（Q2_K） | 7.3GB | 快適 | 約51 tok/s推定 |
| Shisa V2.1 unphi4 14B | 14.66B | 2bit（Q2_K） | 7.4GB | 快適 | 約50 tok/s推定 |
| Gemma 3 12B | 11.77B | 3bit（Q3_K_M） | 7.1GB | 快適 | 約50 tok/s推定 |
| Qwen3-Swallow 8B | 8.19B | 5bit（Q5_K_M） | 7.2GB | 快適 | 約50 tok/s推定 |
| Shisa V2.1 Qwen3 8B | 8.19B | 5bit（Q5_K_M） | 7.2GB | 快適 | 約50 tok/s推定 |
| Qwen3-VL 8B | 8.19B | 5bit（Q5_K_M） | 7.2GB | 快適 | 約50 tok/s推定 |
| DeepSeek-R1-0528 Qwen3 8B | 8.19B | 5bit（Q5_K_M） | 7.2GB | 快適 | 約50 tok/s推定 |
| Qwen3 8B | 8.19B | 5bit（Q5_K_M） | 7.2GB | 快適 | 約50 tok/s推定 |
| ELYZA-Shortcut-1.0 Qwen 7B | 7.62B | 6bit（Q6_K） | 6.9GB | 快適 | 約50 tok/s推定 |
| ABEJA Qwen2.5 7B Japanese | 7.62B | 6bit（Q6_K） | 6.9GB | 快適 | 約50 tok/s推定 |
| DeepSeek-R1 Distill Qwen 7B | 7.62B | 6bit（Q6_K） | 6.9GB | 快適 | 約50 tok/s推定 |
| Qwen2.5-VL 7B | 7.62B | 6bit（Q6_K） | 6.9GB | 快適 | 約50 tok/s推定 |
| Qwen2.5 7B | 7.62B | 6bit（Q6_K） | 6.9GB | 快適 | 約50 tok/s推定 |
| Qwen2.5-Coder 7B | 7.62B | 6bit（Q6_K） | 6.9GB | 快適 | 約50 tok/s推定 |
| Mistral 7B v0.3 | 7.25B | 6bit（Q6_K） | 7.2GB | 快適 | 約50 tok/s推定 |
| Gemma 4 12B | 11.91B | 4bit（IQ4_XS） | 7.0GB | 快適 | 約49 tok/s推定 |
| Ministral 3 8B | 8.49B | 5bit（Q5_K_M） | 7.4GB | 快適 | 約49 tok/s推定 |
| Ornith 1.0 9B | 8.95B | 5bit（Q5_K_M） | 7.0GB | 快適 | 約49 tok/s推定 |
| LLM-jp-4 8B thinking | 8.59B | 5bit（Q5_K_M） | 7.4GB | 快適 | 約49 tok/s推定 |
| CAT-Translate 7B | 7.49B | 6bit（Q6_K） | 7.4GB | 快適 | 約49 tok/s推定 |
| Hunyuan 7B | 7.5B | 6bit（Q6_K） | 7.4GB | 快適 | 約49 tok/s推定 |
| Tanuki-8B | 7.51B | 6bit（Q6_K） | 7.4GB | 快適 | 約49 tok/s推定 |
| Qwen3.5 9B | 8.95B | 5bit（Q5_K_M） | 7.1GB | 快適 | 約48 tok/s推定 |
| Nemotron Nano 12B v2 | 12.31B | 4bit（IQ4_XS） | 7.2GB | 快適 | 約47 tok/s推定 |
| Command R7B | 8.03B | 6bit（Q6_K） | 7.5GB | 快適 | 約47 tok/s推定 |
| Ornith 1.5 9B | 8.95B | 5bit（Q5_K_M） | 7.3GB | 快適 | 約47 tok/s推定 |
| UI-Mate 9B | 8.95B | 5bit（Q5_K_M） | 7.3GB | 快適 | 約47 tok/s推定 |
| UI-Venus-2 9B | 8.95B | 5bit（Q5_K_M） | 7.3GB | 快適 | 約47 tok/s推定 |
| Fara1.5 9B | 8.95B | 5bit（Q5_K_M） | 7.3GB | 快適 | 約47 tok/s推定 |
| MiMo-V2.6-Distill-Qwen-9B | 8.95B | 5bit（Q5_K_M） | 7.3GB | 快適 | 約46 tok/s推定 |
| Nemotron-Nano 9B v2 Japanese | 8.89B | 5bit（Q5_K_M） | 7.4GB | 快適 | 約46 tok/s推定 |
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 |
|---|---|---|---|
| ABEJA Qwen3 14B Agentic | 14.77B | 8.3GB | あと0.8GB |
| ERNIE 4.5 21B-A3B Thinking | 21.83B | 8.6GB | あと1.1GB |
| Devstral Small 2 24B | 23.57B | 9.5GB | あと2.0GB |
| Mistral Small 3.2 24B | 23.57B | 9.5GB | あと2.0GB |
| Codestral 22B | 22.25B | 9.6GB | あと2.1GB |
| Magistral Small 2509 | 23.57B | 9.7GB | あと2.2GB |
| Devstral Small 2507 | 23.57B | 9.7GB | あと2.2GB |
| North Mini Code 1.0 | 30.48B | 10GB | あと3.0GB |
| Gemma 4 26B-A4B | 25.23B | 10GB | あと3.0GB |
| Gemma 3 27B | 27.01B | 11GB | あと3.1GB |
| Qwen3.5 27B | 26.9B | 11GB | あと3.3GB |
| AREX-2 27B | 26.9B | 11GB | あと3.4GB |
1段上のVRAM 10GBにすると何が増えるか
VRAM 8GBからVRAM 10GB（RTX 3080 10GB / Arc B570）に上げると、新たに2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 |
|---|---|---|---|
| ERNIE 4.5 21B-A3B Thinking | 21.83B | 2bit（Q2_K） | 8.8GB |
| ABEJA Qwen3 14B Agentic | 14.77B | 3bit（Q3_K_M） | 8.8GB |
この容量での選び方
12B級を入れるか、9B級に余白を持たせるかの二択になります。Gemma 4 12BのIQ4_XSは必要7GBで、実効7.5GBに対して残りは0.5GB。長い入力を渡す日は、GLM-4.6V-Flash 9BのQ4_K_M（必要6.7GB）やQwen3.5 9BのQ5_K_Mへ落としたほうが安定します。
14B級はQwen3 14BのQ2_Kで必要7.3GB・推定50.6tok/sと数字の上では収まるものの、2bitは日頃使うには精度を落としすぎです。同じくらいの容量を使うなら12BのIQ4_XSが素直です。コードはQwen2.5-Coder 7BをQ6_Kで（推定50.1tok/s）。7B級なら量子化をほとんど落とさずに使えるのが、この容量の良いところです。
この容量で足りるAI用途
手元で動かすAIの用途ごとに、VRAM 8GB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 | VRAM 8GBでは |
|---|---|---|
| Stable Diffusion / SDXL | VRAM 12GB | 動かない あと4GB |
| FLUX / 高品質画像生成 | VRAM 16GB | 動かない あと8GB |
| 動画生成AI（Wan / Hunyuan / LTX） | VRAM 24GB | 動かない あと16GB |
| ローカルLLM（8Bクラス） | VRAM 8GB | 快適 |
| ローカルLLM（27〜32Bクラス） | VRAM 24GB | 動かない あと16GB |
| ローカルLLM（70B〜120B MoE） | VRAM 40GB | 動かない あと32GB |
| 文字起こし（Whisper） | VRAM 6GB | 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Nemotron Nano 12B v2（4bit（IQ4_XS）・ファイル6.3GB）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7.5GBに |
|---|---|---|---|
| 4,096 | 0.1GB | 7.1GB | 収まる |
| 8,192 | 0.2GB | 7.2GB | 収まる |
| 32,768 | 0.8GB | 7.7GB | 溢れる |
| 131,072 | 3.0GB | 10.0GB | 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。
VRAM 8GB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。
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
RTX 5060（VRAM 8GB）・メモリ32GB・NVMe 1TB ・ 目安 15〜21万円
要件を満たす中で最も手頃
RTX 5070（12GB）デスクトップ・メモリ32GB
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
RTX 5070（VRAM 12GB）・メモリ32GB・NVMe 1TB ・ 目安 20〜28万円
将来の用途拡張（大きなモデル・並列エージェント）に余裕
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
Macで同じ仕事をするなら
よくある質問
VRAM 8GB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87本がメモリに収まります。量子化を落とせば99本まで増えます。最大はNemotron Nano 12B v2（12.31B）です。
VRAM 8GBで画像生成はできる？
Stable Diffusion 1.5は快適、SDXLは省メモリ設定が必要です。
1段上のVRAM 10GBにすると何が変わる？
新たに2モデルが動くようになります。ERNIE 4.5 21B-A3B Thinking、ABEJA Qwen3 14B Agenticなどです。