ランキング更新日：09/10/2026
RTX 3090 Ti（24 GB GDDR6X、1008 GB/s）は Ampere のフラッグシップです。24 GB + 1 TB/s の帯域幅 = 4090 と同等の VRAM 容量を、新品価格の 60％で実現。中古では約 700 € です。
RTX 3090 Ti ：ローカルAI向けに購入できる別の選択肢 — GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) :
ミニPCは、それ自体で一式のコンピューターです。必要なメモリ容量とソフトウェアの互換性を確認してください。macOS/MLXやCUDAの代わりにはなりません。
なぜこの機種を選ぶのか？GMKtec EVO-X2 64 GB / 1 TB（Ryzen AI Max+ 395）の当サイトの詳細紹介 →
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。
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
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)
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
GLM-4.7-Flash（MoE 31B、アクティブパラメータ約3B）：30Bクラスでコード性能とVRAM使用量のバランスが最も優れています。MITライセンス、128kコンテキスト、3090/4090で非常に高速。
ollama run glm-4.7-flash
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
30B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 32Q/8KV。OpenAI互換のツール呼び出し。2026年4月29日公開。
ollama run granite4.1:30b
MoE 30B（アクティブパラメータ3B）：thinkingモード + instruct。IMO 2025とIOI 2025で金メダル。アクティブパラメータが3Bのため推論が高速で、30Bレベルの推論能力を備えます。2026年4月リリース。
ollama run nemotron-cascade-2
| 順位 | モデル | Params | VRAM Q4 | コンテキスト | ライセンス | RTX 3090 Ti上で |
|---|---|---|---|---|---|---|
| #1 | Gemma 4 26B-A4B MoE | 26B | 16 GB | 128 000 | Apache 2.0 | 22トークン/秒 · Q5_K_M |
| #2 | LLaDA 2.0 Uni 16B | 16B | 18 GB | 8 192 | Apache 2.0 | 60トークン/秒 · Q5_K_M |
| #3 | Qwen 3.6 27B | 27B | 16 GB | 262 144 | Apache 2.0 | 13 tok/s · Q5_K_M |
| #4 | Qwen 3.8 27B | 27B | 16 GB | 262 144 | Apache 2.0 | 14トークン/秒 · Q5_K_M |
| #5 | GLM 4.7 Flash | 31B | 19 GB | 128 000 | MIT | 40 tok/s · Q5_K_M |
| #6 | Gemma 4 31B | 31B | 18 GB | 256 000 | Apache 2.0 | 12 tok/s · Q5_K_M |
| #7 | Granite 4.1 30B Instruct | 30B | 17 GB | 131 072 | Apache 2.0 | 12 tok/s · Q5_K_M |
| #8 | Nemotron Cascade 2 30B-A3B | 30B | 17 GB | 128 000 | NVIDIA Open Model License | 30 tok/s · Q5_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 ≤ 22 GB。ボーナスモデル13-32B（ピーク24 GB）および7-32B。Ampere向け1008 GB/sの帯域幅記録
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 3090 Ti と 3090 の違いは？
24GBまでです。3090 TiはCUDAコアが+7％増加し、GDDR6X 1008GB/sに対し、3090のGDDR6X 936GB/sです。LLMにおける差は約5〜8％です。3090はしばしば中古市場でより良い価格を実現します。詳しくは RTX 3090.
3090 Ti と 4090 の違いは？
いずれも 24 GB です。4090 は 1008 GB/s かつ CUDA コア 16384 個（3090 Ti は 10752 個）。LLM では約 40〜50% 高速です。新品であれば 4090 です。中古なら約 700 ユーロ対約 1100 ユーロで、3090 Ti は非常に優れています。参照 RTX 4090.
3090 TiでLlama 70Bは動かせますか？
Q3_K_M (~32 GB) は単独では保持できません。Q2_K (~24 GB) はわずかに保持可能ですがあまり品質が劣ります。70Bモデルを快適に使うには、2台の3090 TiまたはRTX 5090 32GBが必要です。詳細は、こちらを参照してください。 RTX 5090.
中古の3090 Tiを2枚使う構成はどうですか？
優秀：48GBのVRAMを半分に分割し、約1400€で実現。Llama 70B Q4（約40GB）は、tensor parallelismを活用して約30トーク/秒で動作。品質対価比において、2026年のLLMで最も優れた選択肢です