ローカルLLM用PCの買い方|VRAM 12GB+RAM 64GBが基準、Qwen3.8の必要スペックから3つの構成案

この記事について（広告・アフィリエイトリンクはありません）

特定の製品をすすめる記事ではありません。価格は未確認です。

ローカルLLM(自分のPCで動かす大規模言語モデル)用のPCは、VRAM 12GB+RAM 64GB が基準です。これはローカル推論エンジン「Strata」で Qwen3.8-Flash-Next(総125B・活性6BのMoE)を動かす場合の話で、Strata の作者が検証に使っているPCと同じ水準。公式の資料では、この組み合わせで標準の量子化が全サイズ入るとされています。

GPU、RAM、SSDのどこにお金をかけるかを、公式の資料の数字で整理しました。筆者が実機で測ったのは RTX 5090/RAM 128GB の1構成だけです。情報は2026年10月31日時点(JST)のもので、本文の [一次] などの印の意味は末尾の「検証メモ」にまとめています。

用語メモ:MoE=たくさんの専門家(エキスパート)のうち一部だけを使う仕組み。量子化=モデルを小さくする代わりに品質が落ちうる処理。

Strata そのものの説明は入門記事にあります。
Strataとは?必要スペックと導入手順

本記事はv0.2.8時点の情報です。現在のサイトで確かめた最新はv0.2.9で、1ビット版の追加（Windows ではテストされていません）と Strix Halo・Linux の高速化が主な差です。詳しくはStrata v0.2.9の変更点まとめを見てください。v0.2.10 は当サイトでは未検証です。

ローカルLLM用PCで優先する順番

Strata の作者は、重視する順番を次のように説明しています。[一次]

VRAM容量 > RAM容量と帯域 > GPUの速さ

なぜこの順番なのかは、Strata の仕組みから分かります。[一次]

Qwen3.8-Flash-Next は、24,576個のエキスパート(48層×512)を持ち、1トークンで使うのは約10個です
GPU には、常に使う部分と、よく使うエキスパートを置きます(キャッシュ)
RAM には、全エキスパートを置きます
GPU にないエキスパートは、CPU が並行して計算します
SSD には、28.8GB の n-gram 表(よく出る単語の並びの表)を置きます

VRAM が 1GB 増えるごとに、約700個多くのエキスパートを GPU に置けます。置けた分は、CPU が計算しなくて済む。そのため、GPUの速さよりも、VRAMの容量が効くとされています。[一次]

RAM は、全エキスパートを入れる場所です。RAM が足りないと、モデルを SSD から読むことになり、大幅に遅くなります。SSD は必須です。[一次]

ローカルLLM用PCの3つの構成案(VRAM 12GB・RAM 64GB を基準に)

ここからの3案は、公式の資料の数字をもとに、この記事で分類したスペック帯です。製品の指定ではありません。製品名や総額は書いていません。

まず、量子化ごとに必要なメモリ(RAM+VRAM)です。[一次]

量子化	RAM+VRAM の目安
Q2_0	37.6GB
IQ2_XS	39.2GB
IQ3_XXS	47.0GB
IQ3_S	54.8GB

RAM の目安は「エキスパート分+約10GB」です。64GB なら全サイズが入り(IQ3_S はほかのアプリを閉じる)、48GB なら Q2_0 と IQ2_XS が入ります。[一次]

案A:最低ライン(VRAM 12GB+RAM 48GB)

入るもの:Q2_0、IQ2_XS
入らないもの:IQ3_XXS、IQ3_S(目安を超える)
速度の目安:作者の検証機(RAM 64GB)での数字は下の「速度の目安」の節を参照。RAM 48GB での速度の資料はありません
向く人:いまのPCに RAM 48GB 前後があり、まず試したい人

案B:基準(VRAM 12GB+RAM 64GB)

入るもの:標準の4サイズすべて(IQ3_S はほかのアプリを閉じる)
速度の目安:作者の検証機(RTX 5070 12GB、Ryzen 5 7600、DDR5 64GB)と同じ水準。短い会話で Q2_0 が94 tok/s(作者の自己申告・未検証)
向く人:量子化を選んで比べたい人。これから RAM を足すなら、まずここを目指す

案C:余裕(VRAM 24GB以上+RAM大きめ)

入るもの:標準の4サイズに加えて、RAM の容量しだいで大きい量子化
できること:VRAM 24GB以上だと、画像を読む部分(視覚エンコーダ)が GPU で動く(約1〜1.4GB を使う)。24GB未満では CPU で動き、1枚に数秒かかる[一次]
大きい量子化:Unsloth 版(UD-IQ4_XS〜Q8_0)は、全エキスパートを RAM に載せるなら約72〜136GB、ダウンロードは94〜188GB[一次]
別のモデル:DeepSeek V4.1 は VRAM 12GB以上、RAM 46GB以上(64GB推奨)、NVMe SSD が必要で、ダウンロードは239〜274GB。大きいモデルほど SSD に頼るため遅くなる[一次]
向く人:大きい量子化や別のモデルも試したい人、画像入力をよく使う人

筆者の実測(RTX 5090/RAM 128GB/Win11)では、VRAM 32GB でもロード後に GPU をほぼ使い切りました(Q2_0 で 31,440 MiB/32,607 MiB)。エキスパートのキャッシュは Q2_0 で14,930個分、IQ3_S で9,943個分。strata.exe の使用メモリは Q2_0 で約69.3GB、IQ3_S で約84.3GB で、ロード後の空き RAM は Q2_0 で27.0GB、IQ3_S で11.4GB でした。

ローカルLLM用PCで避けたい構成

公式の資料では、次の構成を避けるよう書かれています。[一次]

VRAM 8GB のカード:SSD に頼るため遅い
Windows+AMD:派生版の Strata-T8 は視覚(画像入力)に対応していない
RAM 32GB で IQ3_S:目安の容量に足りない

なお、資料には「v0.1.38 で 6GB のカードでも起動できるようになった」という記載もあります。ただし、起動できることと実用的な速さで動くことは別で、速度の資料はありません。8GB や 6GB のカードは「起動はできるようになったが、遅いとされる」と考えてください。

ローカルLLMの速度の目安(自己申告)

作者の数字(自己申告・未検証)

作者の検証機(RTX 5070 12GB、Ryzen 5 7600、DDR5 64GB)での、短い会話の出力速度です。エンジン0.1.26(Q2_0 のみ0.1.36)で測ったもので、作者は「全面的な再測定はしていない」と注記しています。[一次・作者の自己申告]

量子化	短い会話(tok/s)
Q2_0	94
IQ2_XS	79
IQ3_XXS	62
IQ3_S	53

ほかのGPUでの作者の数字です(いずれも自己申告・未検証)。[一次・作者の自己申告]

RX 9070 XT 16GB(Linux):Q2_0 が60、IQ2_XS が52、Coder が44 tok/s
DeepSeek V4.1:RTX 5070 12GB で4〜6、RTX 3060 12GB で9〜11、Radeon AI PRO R9700 で21〜25 tok/s

tok/s=1秒あたりに出せるトークン(文字のかたまり)の数。大きいほど速い。

投稿者の数字(自己申告・未検証)

Reddit には、同じ RTX 5070 12GB/DDR5 64GB/Ryzen 5 7600 の構成で、128K のときに Q2_0 が65.1、IQ2_XS が52.0、IQ3_XXS が44.8 tok/s だったという投稿があります。[二次・投稿者の自己申告]

作者の表とは、エンジンの版などの条件が違います。そのまま比べることはできず、数字の違いは条件の差によるものかもしれません。

12GB VRAM+64GB RAM のノートPCで、Strata では51、llama.cpp では23 tok/s だったという投稿もあります。同じ条件での公式な比較ではありません。[二次・投稿者の自己申告]

コミュニティの実測は、公式の docs/COMMUNITY_BENCHMARKS.md に集まっています(RTX 5090、3060、RX 9070 など)。

筆者の環境(RTX 5090/RAM 128GB/Win11)

筆者の実測(RTX 5090/RAM 128GB/Win11)です。コンテキスト128K、短い会話の出力は Q2_0 で177.5〜222.5 tok/s、IQ3_S で98.6〜150.4 tok/s。約4,600トークン入力時の出力は Q2_0 で204.1〜221.2 tok/s、IQ3_S で149.9〜177.1 tok/s でした(各3回)。

筆者の RTX 5090 では、作者の RTX 5070 12GB の数字より速く出ました。VRAM が大きいほどエキスパートを GPU に多く置けるという、作者の説明と合う結果です。ただし、CPU、RAM、エンジンの版も違うため、GPU だけの差とは言えません。