ランキング更新日：09/10/2026
RTX 4060 Ti 16 GB（GDDR6、288 GB/s）は、16 GBのVRAMを搭載したカードの中で最も安価です（新品で約480 €）。メモリ帯域幅が低いため生成速度は制限されますが、24BモデルはQ4で18〜22トークン/秒で動作します。
RTX 4060 Ti 16GB ：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、追加費用なしで購入に対する手数料を受け取る場合がありますが、これは独立して作成されたランキングに影響しません。Amazonアソシエイトとして、ローカルLLMナビは条件を満たす購入から利益を得ています。
ハイブリッド思考を備えた14Bのデンス型モデル。STEM／コーディング分野でQwen 2.5 32B Baseと同等。
ollama run qwen3:14b
MITライセンスの14B推論モデル。MicrosoftのAIME24/25評価では、パラメータ数が5分の1でありながらR1-Distill-Llama-70Bを上回ります。
ollama run phi4-reasoning:14b
Coder 14B。HumanEval 89.6、LiveCodeBench 37.1。コーディング用モデルをセルフホストする際に、VRAM使用量の面でバランスのよい選択肢。
ollama run qwen2.5-coder:14b
R1をQwen 14Bに蒸留したモデル。AIME24 69.7、MATH-500 93.9。多くのベンチマークでo1-miniを上回る。
ollama run deepseek-r1:14b
Dense 14B Apache 2.0. MMLU 79.7, HumanEval 83.5. 29+ 言語。バランスの取れた選択肢。
ollama run qwen2.5:14b
Dense 8B、Apache 2.0、FRを含む12言語、131k ctx、GQA 32Q/8KV。MMLU 73.84、HumanEval 85.37。2026年4月29日リリース。
# HuggingFace : ibm-granite/granite-4.1-8b
| 順位 | モデル | Params | VRAM Q4 | コンテキスト | ライセンス | RTX 4060 Ti 16GB での動作 |
|---|---|---|---|---|---|---|
| #1 | Qwen 3 14B | 14B | 9 GB | 131 072 | Apache 2.0 | 6 tok/s · Q8 |
| #2 | Phi-4 Reasoning 14B | 14B | 9 GB | 32 768 | MIT | 6 tok/s · Q8 |
| #3 | Phi-4 14B | 14B | 9 GB | 16 384 | MIT | 6 tok/s · Q8 |
| #4 | Qwen 2.5 Coder 14B Instruct | 14B | 9 GB | 131 072 | Apache 2.0 | 6 tok/s · Q8 |
| #5 | DeepSeek R1 Distill Qwen 14B | 14B | 9 GB | 131 072 | MIT | 6 tok/s · Q8 |
| #6 | Qwen 2.5 14B Instruct | 14B | 9 GB | 131 072 | Apache 2.0 | 6 tok/s · Q8 |
| #7 | Granite 4.1 8B Instruct | 8B | 5 GB | 131 072 | Apache 2.0 | 12 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 ≤ 14 GB。ボーナス7-14Bおよび13-24B。288 GB/sの帯域制限は処理速度に影響しますが、16 GBでは24Bモデルへのアクセスが可能になります。
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。
4060 Ti 16 GB と 4070 12 GB：LLM 用ならどちら？
4070 = 12 GB + 504 GB/s。4060 Ti 16 = 16 GB + 288 GB/s。24B Q4では4060 Ti 16が有利です（4070では実行できません）。7〜14Bの処理速度では、4070が約2倍高速です。参照： RTX 4070.
帯域幅 288 GB/s：tok/s はどれくらいですか？
Mistral 7B Q4 : 約 18 tok/s。Qwen 3 14B Q4 : 約 14 tok/s。Mistral Small 24B Q4 : 約 10 tok/s。使用可能ですが、4070 と比べて明らかに遅いです。
4060 Ti 16と5060 Ti 16、どちらを選ぶ？
5060 Ti 16 = GDDR7 448 GB/s = 約50％速い。新品では約150€高い。新品の場合、5060 Ti 16を推奨します。詳細は RTX 5060 Ti 16GB.
4060 Ti 16はどんな人に向いていますか？
予算を抑えて24Bモデルを試したい人、またはマルチGPU構成を組みたい人向けです（4060 Ti 16 GB × 2枚で32 GB、約960 €）。速度だけを重視するなら最適ではありません。
最終候補同士を詳しく比較した当サイトの記事で、理解をさらに深めてください：