ランキング更新日：09/10/2026
RTX 2060（6 GB GDDR6、336 GB/s）は中古で約100 €と、ローカルLLM向けの入門用GPUとして最も手頃です。6 GBではQ4量子化の3〜7Bモデルに限られますが、ローカルLLMを体験できます。
RTX 2060 ：ローカルAI向けに購入できる別の選択肢 — RTX 5060 Ti 16 GB :
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 — ローカルLLMナビは、あなたに追加費用をかけずに購入から手数料を受け取る場合がありますが、独立して決定したランキングには影響しません。Amazonパートナーとして、ローカルLLMナビは、所定の条件を満たす購入から利益を得ています。
OLMo 3 7BをSFTで「thinking」向けにファインチューニングしたモデル：段階的な推論、16kのコンテキスト、Q4で約4.2 GBのVRAM。100%オープン、Apache 2.0ライセンス。
# HuggingFace : zimplex/olmo3-7b-think-sft-eosfix-16k-3ep-euc
GLM 5.3 (Zhipu)：コードと推論に特化した Dense 7B モデル、128k コンテキスト、Q4 で VRAM 約 4.1 GB。軽量で、6～8 GB の GPU で動作、MIT ライセンス。
ollama pull glm-5.3
Gemma 4 E2B：有効パラメータ2B（合計5.1B）、Q4でVRAM約3 GB（Ollamaの重みはQATで4.3 GB、デフォルトで7.2 GB）。テキストと画像に対応するマルチモーダル、128kコンテキスト、Apache 2.0。
ollama run gemma4:e2b
デンス型 7B、100%公開（重み + データ + コード）。研究向けに完全な透明性を確保。
ollama run olmo-3:7b
LFM2.5 7B (Liquid AI)：Liquid Foundation Model の Dense 型、32k コンテキスト、Q4 で 4.1 GB の VRAM。CPU とエッジ向けに最適化。2026 年 5 月リリース。
ollama pull lfm2.5
LFM2.5 DSpark (Liquid AI)：7Bのデンス型Liquid Foundation Model。32kのコンテキスト、Q4でVRAM約4.1 GB。エッジ/CPU向けに最適化された汎用チャット。
# HuggingFace : LiquidAI/LFM2.5-DSpark
30億パラメータのDenseモデル、Apache 2.0。フランス語を含む12言語、131kコンテキスト、GQA 40Q/8KV。ツール呼び出しとFIMによるコード補完に対応。2026年4月29日公開。
ollama run granite4.1:3b
| 順位 | モデル | Params | VRAM Q4 | コンテキスト | ライセンス | RTX 2060 での動作 |
|---|---|---|---|---|---|---|
| #1 | OLMo 3 7B Think (SFT) | 7B | 4.2 GB | 16 000 | Apache 2.0 | 32 tok/s · Q5_K_M |
| #2 | GLM 5.3 7B | 7B | 4.1 GB | 128 000 | MIT | 32 tok/s · Q5_K_M |
| #3 | Gemma 4 E2B | 2B | 3 GB | 128 000 | Apache 2.0 | 20 tok/s · Q8 |
| #4 | OLMo 3 7B | 7B | 5 GB | 8 192 | Apache 2.0 | 12 tok/s · Q5_K_M |
| #5 | LFM2.5 7B | 7B | 4.1 GB | 32 768 | LFM Open License v1.0 | 32 tok/s · Q5_K_M |
| #6 | LFM2.5 DSpark | 7B | 4.1 GB | 32 768 | LFM Open License v1.0 | 32 tok/s · Q5_K_M |
| #7 | Granite 4.1 3B Instruct | 3B | 2 GB | 131 072 | Apache 2.0 | 25 tok/s · FP16 |
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 ≤ 5 GB。1〜7Bには加点、≤ 3Bには大幅に加点。336 GB/sはエントリークラスとしてまずまずです。
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。
RTX 2060 6 GB：LLMは可能ですか？
1〜7Bのモデルなら、はい。Phi-4 Mini 3.8B Q4は35〜40トークン/秒、Llama 3.2 3B Q4は50トークン/秒以上、Mistral 7B Q4は15〜18トークン/秒です。参照： guide.
2026年でも6 GBで十分ですか？
ぎりぎりです。Mistral 7B Q4はモデルに4.5 GB、コンテキストに1 GB、OSに0.5 GBを使うため、余裕がありません。Phi-4 MiniまたはLlama 3.2 3B（2〜3 GB）をおすすめします。参照： 6 GB向けガイド.
2060と3050 8GBの中古モデルはどちらが良いでしょうか？
3050 8 GB = +2 GB VRAM ですが古く（224 GB/s に対し 2060 336 GB/s）。7Bでは2060が速いが、3050はより多くのモデルを起動できる。優先順位に応じて。詳細は確認 RTX 3050 8GB.
5050にアップグレードするほうが良いでしょうか？
5050 8GBは新品で約280€、2060 6GBは中古で約100€。LLMが主な用途なら5050（GDDR7、+8GB、最新のNeural Engine）を選びましょう。それ以外なら2060も引き続き使えます。参照： RTX 5050.