ランキング更新日：2026年9月22日
Radeon RX 7900 XT（20GB GDDR6、800GB/s）は7900 XTXの下位モデルです。珍しい20GBの容量により、24〜32BモデルをQ4で快適に使えます。新品で約650€と、コストパフォーマンスに優れています。
Radeon RX 7900 XT ：ローカルAI向けに購入できる別の選択肢 — Radeon RX 9070 XT 16 GB :
なぜこの選択？当サイトのRadeon RX 9070 XT 16 GBの詳細解説はこちら →
予算に合わせてどの PC を選ぶべき？800～3,500 ユーロのおすすめをご紹介 →
アフィリエイトリンク — QuelLLM は購入に応じて紹介料を受け取る場合がありますが、お客様に追加費用はかかりません。紹介料の有無が、独立して作成したランキングに影響することはありません。Amazon アソシエイトとして、QuelLLM は条件を満たす購入から収益を得ます。
Apache 2.0ライセンスで公開された初のdLLM：MoE 16B/1B + 拡散デコーダー6.2B。テキストとビジョンを統合。2026年4月22日公開。
# HuggingFace : inclusionAI/LLaDA2.0-Uni (Flash Attn 2 + CUDA 12.4 requis)
コーディングに特化した24Bモデル。Apache 2.0ライセンス。SWE-Benchで72.2%。256kのコンテキスト、フランスの研究所による開発。
ollama run devstral-small2:24b
Gemma 4のMoE版。総パラメータ26B、アクティブパラメータ4B。テキスト・画像・音声に対応する完全なマルチモーダルモデル。
ollama run gemma4:26b
デンス型27Bマルチモーダルモデル、2026年4月22日公開。262kコンテキスト（YaRNで1M）。SWE-bench Verified 77.2%。
ollama run qwen3.6:27b
Qwen 3.8 27B：テキストと画像に対応するDenseマルチモーダルモデル、コンテキスト262k、Q4でVRAM約16 GB（Ollamaの重みは18 GB）。Apache 2.0、エージェント型コーディングと画像認識に対応。
ollama run qwen3.8:27b
Mistral初のオープンな推論モデル。AIME24 70.7%。Small 3.1をベースにCoT学習。
ollama run magistral:24b
Dense型の31Bマルチモーダルモデル（テキスト+画像+音声）。140以上の言語、コンテキスト長256k。Chatbot Arenaのオープンモデル部門で3位。
ollama run gemma4:31b
| 順位 | モデル | Params | VRAM Q4 | コンテキスト | ライセンス | Radeon RX 7900 XT 搭載 |
|---|---|---|---|---|---|---|
| #1 | LLaDA 2.0 Uni 16B | 16B | 18 GB | 8 192 | Apache 2.0 | 60トークン/秒 · Q4_K_M |
| #2 | Devstral Small 2 24B | 24B | 14 GB | 256 000 | Apache 2.0 | 15トークン/秒 · Q5_K_M |
| #3 | Gemma 4 26B-A4B MoE | 26B | 16 GB | 128 000 | Apache 2.0 | 22トークン/秒 · Q5_K_M |
| #4 | Qwen 3.6 27B | 27B | 16 GB | 262 144 | Apache 2.0 | 13 tok/s · Q5_K_M |
| #5 | Qwen 3.8 27B | 27B | 16 GB | 262 144 | Apache 2.0 | 14トークン/秒 · Q5_K_M |
| #6 | Magistral Small 24B | 24B | 14 GB | 128 000 | Apache 2.0 | 15トークン/秒 · Q5_K_M |
| #7 | Gemma 4 31B | 31B | 18 GB | 256 000 | Apache 2.0 | 12 tok/s · Q4_K_M |
お使いのマシンで、プライベートかつ無料のChatGPTを1時間で構築 — LM Studio、Ollama、Open WebUI、ご自身のドキュメント、クラウド不要。
無料の要点まとめ
メモを受け取る VRAM → 最適なコーディング用モデル → Ollamaコマンド （1画面に収まり、コピー＆ペーストできます）。そして、実際に動く環境を整えるために、ローカルコパイロットキットをご利用ください。
ローカルコパイロットキット — そのまま貼り付けて使える Ollama + Cline + Aider の設定、調整済みの Modelfiles、トラブルシューティング、無期限で利用できるオンラインスペース →スパムは送りません。配信停止は1クリックで可能です。お客様のデータは当サイトで保管し、転売することはありません。
お使いのグラフィックカード → ローカルで動かす最適なコーディングモデルと、その正確な Ollama コマンド：
| あなたの VRAM | 一般的な GPU / Mac | 推奨コーディングモデル | Ollama コマンド |
|---|---|---|---|
| 8 GB | RTX 4060 / 3060 · M1-M2 16 GB | Qwen 3.5 9B (Q4, 6.6 GB — 256k ctx) | ollama run qwen3.5:9b |
| 12 GB | RTX 3060 12 GB / 4070 / 5070 | Qwen 3.5 9B (Q8, 11 GB) または Gemma 4 12B (7.6 GB) | ollama run qwen3.5:9b-q8_0 |
| 16 GB | RTX 5070 Ti / 4080 / 5080 · RX 9070 XT · M4 24 GB | Devstral 24B (Q4, 14 GB) — コーディングエージェントに特化 | ollama run devstral:24b |
| 24 GB | RTX 3090 / 4090 · RX 7900 XTX · M4 Pro 48 GB | Qwen 3.8 27B (Q4, 18 GB) — 「コパイロットに近い」 | ollama run qwen3.8:27b |
| 32 GB | RTX 5090 | Qwen 3.6 35B-A3B (Q4, 23 GB) — 高速な MoE | ollama run qwen3.6:35b |
| 48 GB+ | Mac M4 Max 64 GB · M2 Ultra 128 GB | Qwen3-Coder 30B-A3B (Q8, 32 GB — 256k ctx) | ollama run qwen3-coder:30b-a3b-q8_0 |
-base : ollama run qwen2.5-coder:7b-base — この用途では今も定番です。⚠️ Qwen 3.8 ： その推論はデフォルトで非常に高く設定されており、単純なリクエストに対して「考えすぎ」ます — を下げてください low (または初回起動時に無効化) してください。⚠️ ライセンスの罠： Codestral 22B = Mistral Non-Production License → 仕事でのコーディングには使用禁止。Qwen 3.5/3.8、Gemma 4、Devstral は Apache 2.0 ライセンスです。💡 メモリの問題でクラッシュしますか？コンテキスト用に VRAM を約 1.5 GB 空けておくか、量子化レベルを一段階下げてください。🔌 VS Code に接続するには： Cline (マルチファイルエージェント)、 Aider (CLI) または Tabby/Twinny (FIM 自動補完) — すべてローカルで Ollama に接続します。キット ローカルコパイロット — そのまま貼り付けて使える設定 + テスト済みのセットアップ — を利用できます： /copilote-local.
フィルター：Q4_K_M ≤ 18 GB。ボーナス：13〜32B（ピーク20 GB）。800 GB/s + ROCm 6。
考慮した基準：
スコアリングの仕組みはすべて公開しています。 私たちの方法論 でVRAMやtokens/secの計算の詳細をご確認ください。
RX 7900 XT と 7900 XTX のどちらが良いですか？
XT = 20 GB + 800 GB/s。XTX = 24 GB + 960 GB/s。24〜32B Q4向けに両方とも対応可能です。32B Q5やファインチューニングに際してはXTXが推奨されます。詳細は RX 7900 XTX.
なぜ 20 GB なのか？16 GB または 24 GB ではないのか？
7900 XTXとその一つ下のクラスの間に位置づけるための、AMDのマーケティング上の選択です。LLM用途ではバランスのよい容量です。Mistral Small 24B Q4（約13 GB）＋32kコンテキスト＋キャッシュで、合計約18 GBになります。
7900 XTでROCmを使うのは簡単ですか？
はい、ROCm 6（2024年）以降は対応しています。Ollamaは-gpu rocmでネイティブに対応しており、llama.cppも対応しています。2年前より簡単になっています。詳しくは guide.
7900 XT で動かすのに最適な LLM は？
Mistral Small 24B Q5（約17 GB）は25トークン/秒、Qwen 3 32B Q4（約17 GB）は22トークン/秒です。コーディングとチャットに非常に優れています。