🧠 ローカルAI

ローカルLLM動作チェッカー

このPCで動くモデルが分かる

GPUを自動検出して、手元のPCで動かせるローカルLLMを39本分まとめて判定します。必要メモリ(重み＋KVキャッシュ＋作業領域)は Hugging Face の公開データから計算した実測ベースです(2026-09-21 時点)。

Gemma 3 4B4.3B・Q4_K_M・8kで 4.2GB

Llama 3.1 8B Instruct8.0B・Q4_K_M・8kで 6.4GB

Qwen3 14B14.8B・Q4_K_M・8kで 10.7GB

gpt-oss 20B20.9B・Q4_K_M・8kで 13.5GB

Qwen3 32B32.8B・Q4_K_M・8kで 22.2GB

Llama 3.3 70B Instruct70.6B・Q4_K_M・8kで 45.4GB

あなたのGPUで動くモデル(収録39本)

18本がGPUだけで動く8.0GBVRAM

8B級6.4GB14B級10.7GB32B級22.2GB70B級45.4GB

緑の範囲があなたのGPUに載る容量(8.0GB)。目盛りは代表モデルの必要メモリで、量子化とコンテキスト長を変えると動きます。

いまの条件でGPUに載る最大のモデルは Qwen3 8B(8.2B)です。

あなたのPC検出中…GPUを自動検出中…VRAM 8GBメモリ 16GBWindows

他のPCで試す

KVキャッシュを8bitにする

39本

重みKVキャッシュ作業領域あなたのGPUメモリの上限

GPUだけで動く

18本

Gemma 3 4B4.3B / Google / 軽量・小型S余裕で動く
4.2GB3.8GB 余裕
重み 2.5GBKV 1.1GB作業 0.7GBQ8_0 まで可
Qwen3 4B4.0B / Alibaba (Qwen) / 軽量・小型S余裕で動く
4.1GB3.9GB 余裕
重み 2.3GBKV 1.1GB作業 0.7GBQ8_0 まで可
Phi-4-mini 3.8B3.8B / Microsoft / 軽量・小型S余裕で動く
3.9GB4.1GB 余裕
重み 2.2GBKV 1.0GB作業 0.7GBQ8_0 まで可
Sarashina2.2 3B3.4B / SB Intuitions / 日本語特化S余裕で動く
3.9GB4.1GB 余裕
重み 1.9GBKV 1.3GB作業 0.7GBQ8_0 まで可
Llama 3.2 3B Instruct3.2B / Meta / 軽量・小型S余裕で動く
3.4GB4.6GB 余裕
重み 1.8GBKV 0.9GB作業 0.7GBFP16 まで可
Qwen3 1.7B2.0B / Alibaba (Qwen) / 軽量・小型S余裕で動く
2.7GB5.3GB 余裕
重み 1.2GBKV 0.9GB作業 0.7GBFP16 まで可
SmolLM2 1.7B1.7B / Hugging Face / 軽量・小型S余裕で動く
3.1GB4.9GB 余裕
重み 1.0GBKV 1.5GB作業 0.6GBFP16 まで可
Gemma 3 1B1.0B / Google / 軽量・小型S余裕で動く
1.4GB6.6GB 余裕
重み 0.6GBKV 0.2GB作業 0.6GBFP16 まで可
Qwen3 0.6B0.8B / Alibaba (Qwen) / 軽量・小型S余裕で動く
1.9GB6.1GB 余裕
重み 0.4GBKV 0.9GB作業 0.6GBFP16 まで可
Qwen2.5-Coder 7B7.6B / Alibaba (Qwen) / コーディングA快適に動く
5.6GB2.4GB 余裕
重み 4.3GBKV 0.4GB作業 0.8GBQ6_K まで可
Qwen2.5 7B Instruct7.6B / Alibaba (Qwen) / 汎用・チャットA快適に動く
5.6GB2.4GB 余裕
重み 4.3GBKV 0.4GB作業 0.8GBQ6_K まで可
DeepSeek-R1-Distill-Qwen 7B7.6B / DeepSeek / 推論(思考型)A快適に動く
5.6GB2.4GB 余裕
重み 4.3GBKV 0.4GB作業 0.8GBQ6_K まで可
Mistral 7B Instruct v0.37.2B / Mistral AI / 汎用・チャットA快適に動く
5.9GB2.1GB 余裕
重み 4.1GBKV 1.0GB作業 0.8GBQ6_K まで可
Qwen3 8B8.2B / Alibaba (Qwen) / 汎用・チャットBぎりぎり載る
6.6GB1.4GB 余裕
重み 4.7GBKV 1.1GB作業 0.8GBQ5_K_M まで可
Llama 3.1 8B Instruct8.0B / Meta / 汎用・チャットBぎりぎり載る
6.4GB1.6GB 余裕
重み 4.6GBKV 1.0GB作業 0.8GBQ5_K_M まで可
Llama-3-ELYZA-JP 8B8.0B / ELYZA / 日本語特化Bぎりぎり載る
6.4GB1.6GB 余裕
重み 4.6GBKV 1.0GB作業 0.8GBQ5_K_M まで可
Llama 3.1 Swallow 8B8.0B / 東京科学大学ほか / 日本語特化Bぎりぎり載る
6.4GB1.6GB 余裕
重み 4.6GBKV 1.0GB作業 0.8GBQ5_K_M まで可
Llama 3 Youko 8B8.0B / rinna / 日本語特化Bぎりぎり載る
6.4GB1.6GB 余裕
重み 4.6GBKV 1.0GB作業 0.8GBQ5_K_M まで可

CPUへはみ出す(遅くなる)

14本

Qwen2.5-Coder 32B32.8B / Alibaba (Qwen) / コーディングDかなり遅い
22.2GB14.2GB 不足
重み 18.7GBKV 2.0GB作業 1.5GBGPUには載らない
DeepSeek-R1-Distill-Qwen 32B32.8B / DeepSeek / 推論(思考型)Dかなり遅い
22.2GB14.2GB 不足
重み 18.7GBKV 2.0GB作業 1.5GBGPUには載らない
Qwen3 32B32.8B / Alibaba (Qwen) / 汎用・チャットDかなり遅い
22.2GB14.2GB 不足
重み 18.7GBKV 2.0GB作業 1.5GBGPUには載らない
Qwen3 30B-A3B30.5B(MoE) / Alibaba (Qwen) / 汎用・チャットDかなり遅い
19.6GB11.6GB 不足
重み 17.4GBKV 0.8GB作業 1.5GBGPUには載らない
Gemma 3 27B27.4B / Google / 汎用・チャットDかなり遅い
20.9GB12.9GB 不足
重み 15.6GBKV 3.9GB作業 1.4GBGPUには載らない
Mistral Small 24B23.6B / Mistral AI / 汎用・チャットDかなり遅い
16.0GB8.0GB 不足
重み 13.4GBKV 1.3GB作業 1.3GBGPUには載らない
CyberAgentLM3 22B22.5B / サイバーエージェント / 日本語特化Dかなり遅い
23.1GB15.1GB 不足
重み 12.9GBKV 9.0GB作業 1.2GBGPUには載らない
gpt-oss 20B20.9B(MoE) / OpenAI / 汎用・チャットDかなり遅い
13.5GB5.5GB 不足
重み 11.9GBKV 0.4GB作業 1.2GBGPUには載らない
Qwen2.5-Coder 14B14.8B / Alibaba (Qwen) / コーディングDかなり遅い
10.9GB2.9GB 不足
重み 8.4GBKV 1.5GB作業 1.0GBGPUには載らない
DeepSeek-R1-Distill-Qwen 14B14.8B / DeepSeek / 推論(思考型)Dかなり遅い
10.9GB2.9GB 不足
重み 8.4GBKV 1.5GB作業 1.0GBGPUには載らない
Qwen3 14B14.8B / Alibaba (Qwen) / 汎用・チャットDかなり遅い
10.7GB2.7GB 不足
重み 8.4GBKV 1.3GB作業 1.0GBGPUには載らない
Phi-4 14B14.7B / Microsoft / 汎用・チャットDかなり遅い
10.9GB2.9GB 不足
重み 8.4GBKV 1.6GB作業 1.0GBGPUには載らない
LLM-jp-3 13B13.7B / 国立情報学研究所 LLM-jp / 日本語特化Dかなり遅い
11.9GB3.9GB 不足
重み 7.8GBKV 3.1GB作業 1.0GBGPUには載らない
Gemma 3 12B12.2B / Google / 汎用・チャットDかなり遅い
10.9GB2.9GB 不足
重み 7.0GBKV 3.0GB作業 0.9GBGPUには載らない

このままでは載らない

7本

Qwen3 235B-A22B235.1B(MoE) / Alibaba (Qwen) / 汎用・チャットF載らない
142.9GB134.9GB 不足
重み 134.1GBKV 1.5GB作業 7.3GBGPUには載らない
gpt-oss 120B116.8B(MoE) / OpenAI / 汎用・チャットF載らない
71.1GB63.1GB 不足
重み 66.6GBKV 0.6GB作業 3.9GBGPUには載らない
Qwen2.5 72B Instruct72.7B / Alibaba (Qwen) / 汎用・チャットF載らない
46.6GB38.6GB 不足
重み 41.5GBKV 2.5GB作業 2.7GBGPUには載らない
DeepSeek-R1-Distill-Llama 70B70.6B / DeepSeek / 推論(思考型)F載らない
45.4GB37.4GB 不足
重み 40.2GBKV 2.5GB作業 2.6GBGPUには載らない
Llama 3.3 70B Instruct70.6B / Meta / 汎用・チャットF載らない
45.4GB37.4GB 不足
重み 40.2GBKV 2.5GB作業 2.6GBGPUには載らない
Llama 3.1 Swallow 70B70.6B / 東京科学大学ほか / 日本語特化F載らない
45.4GB37.4GB 不足
重み 40.2GBKV 2.5GB作業 2.6GBGPUには載らない
Mixtral 8x7B46.7B(MoE) / Mistral AI / 汎用・チャットF載らない
29.6GB21.6GB 不足
重み 26.6GBKV 1.0GB作業 1.9GBGPUには載らない

画像生成AI(Stable Diffusion・FLUX など)が動くかはローカル画像生成チェッカー、ゲームが快適に動くかを調べたい場合はゲーム別推奨スペック逆引きDBへ。ここで入力した構成はそのまま引き継がれます。

必要メモリの計算方法

必要メモリは次の3つの合計として計算しています。どこに何GB必要なのかが分かるよう、判定カードにも内訳を出しています。

重み: パラメータ数 × 1重みあたりのビット数 ÷ 8。パラメータ数は Hugging Face の API が返す safetensors の総数、ビット数は実際に配布されている GGUF のファイルサイズから実測した値です。
KVキャッシュ: 2(K と V)× 層数 × KVヘッド数 × ヘッド次元 × コンテキスト長 × 1要素のバイト数。層数などは各モデルの config.json の値です。スライディングウィンドウ注意を使うモデルでは、実際はこの見積もりより小さくなります。
作業領域: 実行時の計算バッファ等として重みの5%＋0.6GBを見込んでいます。これは実測値ではなく、安全側に置いた仮定です(実行ソフトや設定で変わります)。

量子化の実効ビット数の出典: bartowski/Qwen2.5-7B-Instruct-GGUF / bartowski/Meta-Llama-3.1-8B-Instruct-GGUF(取得日: 2026-09-21)。1重みあたり Q4_K_M 4.9bit / Q5_K_M 5.72bit / Q6_K 6.57bit / Q8_0 8.5bit / FP16 16bit として計算しています。

判定ランクの意味

S余裕で動くGPUメモリに大きな余裕があり、コンテキストを伸ばしても収まります。

A快適に動くGPUメモリに収まります。常用に向いた余裕があります。

Bぎりぎり載るGPUメモリにほぼ埋まる状態で載ります。他のアプリがVRAMを使うとあふれることがあります。

C動くが遅い一部がCPU側のメモリへはみ出します。動きますが生成速度は落ちます。

Dかなり遅い大半をCPU側のメモリで処理することになり、生成速度は大きく落ちます。

F載らないGPUメモリにもシステムメモリにも収まりません。量子化を下げるかコンテキストを短くしてください。

判定しているのは「メモリに載るか」だけです。生成速度(トークン/秒)はメモリ帯域やGPU世代に依存するため、本ツールでは断定しません。

モデル別の必要VRAM早見表

各モデルのページでは、量子化 × コンテキスト長の組み合わせごとの必要メモリを一覧にしています。

Qwen3 0.6B0.8B / 軽量・小型
Gemma 3 1B1.0B / 軽量・小型
SmolLM2 1.7B1.7B / 軽量・小型
Qwen3 1.7B2.0B / 軽量・小型
Llama 3.2 3B Instruct3.2B / 軽量・小型
Sarashina2.2 3B3.4B / 日本語特化
Phi-4-mini 3.8B3.8B / 軽量・小型
Qwen3 4B4.0B / 軽量・小型
Gemma 3 4B4.3B / 軽量・小型
Mistral 7B Instruct v0.37.2B / 汎用・チャット
Qwen2.5-Coder 7B7.6B / コーディング
Qwen2.5 7B Instruct7.6B / 汎用・チャット
DeepSeek-R1-Distill-Qwen 7B7.6B / 推論(思考型)
Llama 3.1 8B Instruct8.0B / 汎用・チャット
Llama-3-ELYZA-JP 8B8.0B / 日本語特化
Llama 3.1 Swallow 8B8.0B / 日本語特化
Llama 3 Youko 8B8.0B / 日本語特化
Qwen3 8B8.2B / 汎用・チャット
Gemma 3 12B12.2B / 汎用・チャット
LLM-jp-3 13B13.7B / 日本語特化
Phi-4 14B14.7B / 汎用・チャット
Qwen3 14B14.8B / 汎用・チャット
Qwen2.5-Coder 14B14.8B / コーディング
DeepSeek-R1-Distill-Qwen 14B14.8B / 推論(思考型)
gpt-oss 20B20.9B / 汎用・チャット
CyberAgentLM3 22B22.5B / 日本語特化
Mistral Small 24B23.6B / 汎用・チャット
Gemma 3 27B27.4B / 汎用・チャット
Qwen3 30B-A3B30.5B / 汎用・チャット
Qwen3 32B32.8B / 汎用・チャット
Qwen2.5-Coder 32B32.8B / コーディング
DeepSeek-R1-Distill-Qwen 32B32.8B / 推論(思考型)
Mixtral 8x7B46.7B / 汎用・チャット
DeepSeek-R1-Distill-Llama 70B70.6B / 推論(思考型)
Llama 3.3 70B Instruct70.6B / 汎用・チャット
Llama 3.1 Swallow 70B70.6B / 日本語特化
Qwen2.5 72B Instruct72.7B / 汎用・チャット
gpt-oss 120B116.8B / 汎用・チャット
Qwen3 235B-A22B235.1B / 汎用・チャット

よくある質問

ブラウザでVRAMの容量まで分かるのですか?

いいえ。ブラウザから取得できるのはGPUの型番までで、VRAMの容量は取得できません。本ツールは型番から容量を推定して初期値に置き、利用者が画面で訂正できるようにしています。

Mac(Apple Silicon)でも使えますか?

使えます。Apple SiliconはCPUとGPUがメモリを共有するため、搭載メモリを選ぶと、GPU側が既定で使える量(おおむね7割)を基準に判定します。上限はsysctlの設定で引き上げられます。

量子化とは何ですか?

モデルの重みを低いビット数で持ち、容量と必要メモリを減らす手法です。Q4_K_Mなら1重みあたり約4.9ビットで、FP16の約3分の1の容量になります。ビット数を下げるほど必要メモリは減り、品質は少しずつ落ちます。

判定が「動く」でも遅いことがありますか?

あります。本ツールはメモリに載るかどうかを判定するもので、生成速度は判定していません。速度はメモリ帯域やGPUの世代に強く依存し、CPU側へはみ出すと大きく落ちます。

このツールについて

画像生成AI(Stable Diffusion・FLUX など)が動くかはローカル画像生成チェッカー、ゲームが快適に動くかを調べたい場合はゲーム別推奨スペック逆引きDBを使えます。入力したPC構成はブラウザに保存され、どのツールでも引き継がれます。買い替えの検討にはPC構成シミュレータも併せてどうぞ。

本ツールの判定は公開データに基づく概算です。実際に動くかは実行ソフト(llama.cpp / Ollama / LM Studio 等)の設定、同時に動いている他のアプリのメモリ使用量、ドライバの挙動によって変わります。購入の判断材料にする場合は、必ず実機や公式情報でご確認ください。